Yapay zeka tabanlı akciğer röntgen görüntülerinden covıd-19 tespiti
Covid-19 detection from artificial intelligence based lung x-ray images
- Tez No: 733308
- Danışmanlar: PROF. DR. FATİH BAŞÇİFTÇİ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Selçuk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 101
Özet
Koronavirüs (COVID-19), ilk olarak 2019 yılının Aralık ayının sonlarında Çin'in Wuhan kentinde ortaya çıkmıştır. Bu virüs ateş, öksürük, nefes darlığı gibi solunum yolu belirtileri ile insanda insana tüm dünyada çok kısa bir zamanda hızlı bir şekilde yayılmıştır. COVID-19, kalp hastalığı, hipertansiyon, kanser, kronik solunum yolu hastalığı ve kronik tıbbi rahatsızlıkları olan insanlar üzerinde çok etkili olmakla birlikte ölümcül sonuçlar doğuran salgın bir hastalıktır. Bu tür bulaşıcı hastalıkların insanlara zarar vermeden veya en az zararla doğru bir şekilde tespit edilmesi ve gerekli tedavinin erken süreçte başlatılması gerekmektedir. COVID-19 hastalığını teşhis etmek için ağız ve burundan alınan sürüntüler ve akciğer görüntülerinden faydalanılmaktadır. Ağızdan ve burundan alınan sürüntü örnekleri kullanılarak Ters Transkripsiyon - Polimeraz Zincir Reaksiyonu (RT-PCR - Reverse Transcription - Polymerase Chain Reaction) ile COVID-19 hastalığını tespit etme süresi yaklaşık olarak 4-6 saat sürmektedir. Salgının hızlı bir şekilde yayıldığı düşünüldüğünde, bu süre çok ta hızlı sayılmamaktadır. Aynı zamanda RT-PCR test kitinin de bir maliyeti bulunmaktadır. Ekonomisi güçlü olmayan ülkeler RT-PCR test kitlerine ulaşmakta sorun yaşamaktadır. Pandemi döneminde zorlu süreçlerden bir tanesi de akciğer görüntülerini tek tek incelemek için, birden fazla radyoloji uzmanına ihtiyaç duyulmaktadır. Bu tez çalışmasında, Yapay Zeka (YZ-Artificial Intelligence-AI) ve Makine Öğrenmesi (MÖ-Machine Learning-ML) teknikleri ile akciğer röntgen görüntüleri içerisinden COVID-19 olan görüntünün tespit edilmesi amaçlanmaktadır. Orange data mining veri analizi programında, Görsel Geometri Grubu Ağı-16 (VGG-16-Visual Geometry Group Network-16) modeli ile veriler eğitilerek, MÖ algoritmaları içerisinden K-En Yakın Komşuluk (KNN- K-Nearest Neighbor Algorithm), Yapay Sinir Ağı (YSA-Artificial Neural Network-ANN), Rastgele Orman (RO-Random Forest-RF) ve Destek Vektör Makineleri (DVM-Support Vector Machines-SVM) algoritmaları ile akciğer veri setinden COVID-19 hastalığına ait görüntüler sınıflandırılmıştır. Yapılan çalışmada, DVM algoritması ile %97,20 doğruluk oranı, %100,00 duyarlılık oranı ve %99,90 AUC oranı alınmıştır. Bu sonuçlar ile en iyi performans DVM algoritmasından elde edilmiştir. Uygulanan 4 algoritmanın doğruluk, AUC, F1, kesinlik ve duyarlılık ölçütlerinin ortalama değerlerine bakıldığında %96'in üzerinde bir başarı yakalandığı görülmektedir. Yapılan bu çalışma ile COVID-19 hastalığını teşhisi için iyi bir oran yakalandığını ve MÖ algoritmalarının sağlık alanında kullanılabileceğini göstermiştir. COVID-19 hastalığının erken teşhisi bakımından önem arz etmektedir.
Özet (Çeviri)
The coronavirus (COVID-19) first appeared in Wuhan, China, in late December 2019. This virus has spread rapidly from person to person all over the world in a very short time, with respiratory symptoms such as fever, cough, and shortness of breath. COVID-19 is an epidemic disease that is very effective on people with heart disease, hypertension, cancer, chronic respiratory disease and chronic medical conditions, but with fatal consequences. Such infectious diseases should be accurately detected without harming people or with the least harm, and the necessary treatment should be initiated in the early period. Swabs from the mouth and nose and lung images are used to diagnose COVID-19 disease. The time to detect COVID-19 disease with Reverse Transcription - Polymerase Chain Reaction (RT-PCR - Reverse Transcription - Polymerase Chain Reaction) using oral and nasal swab samples takes approximately 4-6 hours. Considering that the epidemic spreads quickly, this period is not considered very fast. At the same time, the RT-PCR test kit has a cost. Countries that do not have a strong economy have problems in accessing RT-PCR test kits. One of the challenging processes during the pandemic period is to need more than one radiology specialist to examine the lung images one by one. In this thesis, it is aimed to detect the COVID-19 image from lung x-ray images with Artificial Intelligence (AI) and Machine Learning (ML) techniques. The data were trained with the Visual Geometry Group Network-16 (VGG-16) model in the Orange data mining data analysis program. Images of COVID-19 disease from the lung dataset were classified using the ML algorithm K-Nearest Neighbor (KNN), Artificial Neural Algorithm (ANN), Random Forest (RF) and Support Vector Machines (SVM) algorithms. In the study, 97.20% accuracy rate, 100.00% sensitivity rate and 99.90% AUC rate were obtained with the SVM algorithm. With these results, the best performance was obtained from the SVM algorithm. When the average values of the accuracy, AUC, F1, precision and sensitivity criteria of the 4 algorithms applied are examined, it is seen that a success of over 96% has been achieved. With this study, it has been shown that a good rate is achieved for the diagnosis of COVID-19 disease and that ML algorithms can be used in the field of health. It is important in terms of early diagnosis of COVID-19 disease.
Benzer Tezler
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Model-based aı accelerator design on FPGA with in-depth evaluation of design parameters
FPGA'de model tabanli yapay zeka hizlandirici tasarimi ve tasarim parametrelerinin derinliğine değerlendirilmesi
GÖZDE ÖZDİL
Yüksek Lisans
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. SIDDIKA BERNA ÖRS YALÇIN
- Yüksek enerji fiziği perspektifinden evrişimli sinir ağları ile akciğer x-ışını görüntülerinin sınıflandırılması
Classification of lung x-ray images with convolutional neural networks from a high energy physics perspective
ŞAFAK YASUN
Yüksek Lisans
Türkçe
2025
Fizik ve Fizik Mühendisliğiİstanbul ÜniversitesiFizik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HALE SERT
- Ayrıştırım tabanlı yöntemler ile medikal görüntülerin sınıflandırılması
Classification of medical images with decomposition based methods
FURKAN EREN
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFatih Sultan Mehmet Vakıf ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ZEYNEP GÜNDOĞAR
- İdiyopatik pulmoner fibrozis hastalarında toraks iskelet kas kitlesi ile normal ve fibrotik akciğer volümlerinin BT ile kantitatif değerlendirilmesi ve prognostik değeri
Quantitative evaluation of thoracic skeletal muscle mass and normal/fibrotic lung volumes on CT in idiopathic pulmonary fibrosis patients: Prognostic significance
MUSTAFA ABDULGANİ KURT
Tıpta Uzmanlık
Türkçe
2025
Radyoloji ve Nükleer TıpSağlık Bilimleri ÜniversitesiRadyoloji Ana Bilim Dalı
DR. MURATHAN KÖKSAL