Evrişimli sinir ağları, transfer öğrenme ve destek vektör makineleri kullanarak akciğer röntgen görüntülerinden COVID-19 sınıflandırması
COVID-19 classification from chest x-ray images via convolutional neural networks, transfer learning, and support vector machines
- Tez No: 758400
- Danışmanlar: DOÇ. DR. ENGİN TAŞ
- Tez Türü: Yüksek Lisans
- Konular: Biyoistatistik, Mühendislik Bilimleri, İstatistik, Biostatistics, Engineering Sciences, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Afyon Kocatepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: İstatistik Bilim Dalı
- Sayfa Sayısı: 98
Özet
Koronavirüs hastalığı (COVID-19), SARS-CoV-2 etkenine bağlı şiddetli akut solunum yetmezliği sendromuna neden olan bulaşıcı bir hastalıktır. Dünya genelinde pandemiye neden olan bu hastalığın yüksek bulaşma hızı ve ölüm oranları nedeniyle hızlı, doğru ve erken teşhisi önemlidir. Literatürde COVID-19 tanısına yardımcı olmak amacıyla derin öğrenme temelli birçok sınıflandırma çalışması yapılmıştır. Bu tez çalışmasında göğüs röntgen radyografilerinden Covid-19 hastalığını sınıflandırmak için derin transfer öğrenme yöntemi önerilmiştir. Diğer çalışmalara ek olarak Covid-19 röntgen görünümleri (tipik, atipik, belirsiz) de evrişimli sinir ağı model eğitimlerinde kullanılmıştır. Ayrıca evrişimli sinir ağı modellerinin sınıflandırma yetisini daha iyi gösterebilmek için aynı sınıflandırma işlemleri destek vektör makinesi sınıflandırıcısı ile de gerçekleştirilmiştir. Elde edilen test bulgularına göre genel olarak sınıflandırıcıların tipik görünüm sınıflandırmasında yüksek başarı; atipik ve belirsiz görünümlerde ise daha düşük başarı elde ettiği tespit edilmiştir.
Özet (Çeviri)
Coronavirus disease (COVID-19) is an infectious disease that causes severe acute respiratory syndrome caused by SARS-CoV-2. Fast, accurate and early diagnosis of the disease causing a worldwide pandemic is important due to its high rate of transmission and deathrates. In the literature, many deep learning-based classification studies have been carried out to assist for the diagnosis of COVID-19. In this thesis, a deep transfer learning method has been proposed to classify Covid-19 disease from chest X-ray radiographs. In addition to other studies, COVID-19 chest X-ray appearances (typical, atypical, indeterminate) have also been used in convolutional neural network training. Besides, in order to demonstrate the classification ability of the convolutional neural network models, the same classification operations were performed with the support vector classifiers. According to the test findings, high performance in classification of typical appearance has been determined in spite of lower performance in atypical and indeterminate appearances.
Benzer Tezler
- Hyperspectral image classification with active learning and Bayesian convolutional neural networks
Aktif öğrenme ve Bayes evrişimsel sinir ağları ile hiperspektral görüntü sınıflandırma
MAHMOOD SIDDEEQ QADIR QADIR
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. GÖKHAN BİLGİN
- A hybrid deep learning metaheuristic model for diagnosis of diabetic retinopathy
Diyabetik retinopatinin tanısı için hibrit bir derin öğrenme meta-sezgisel modeli
ÖMER FARUK GÜRCAN
Doktora
İngilizce
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA
- Yapay zekâ ve sinyal işleme yöntemleri ile rulmanlarda taşlama yanığı hatasının tespiti
Detection of grinding burn defect in bearings with artificial intelligence and signal processing methods
NURDOĞAN CEYLAN
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Uygulamalı Bilimler ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEZGİN KAÇAR
- Yapay sinir ağları ve derin öğrenme teknikleri kullanılarak elma ve ayvada çeşitli hastalıkların tespit edilmesi
Detection of various diseases in apple and quince by using artificial neural networks and deep learning techniques
AYSUN YILMAZ KIZILBOĞA
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKırıkkale ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ATİLLA ERGÜZEN
- End-to-end tire defect detection model based on machine and deep learning techniques
Makine ve derin öğrenme tekniklerine dayalı uçtan uca lastik arıza tespit modeli
RADHWAN ALI ABDULGHANI SALEH
Doktora
İngilizce
2024
Mekatronik MühendisliğiKocaeli ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. HÜSEYİN METİN ERTUNÇ