Derin öğrenme mimari yapısını esas alan hibrit yaklaşım kullanılarak radyolojik görüntülerden COVID-19 teşhisi ve tahmin edilmesi
Diagnosis and prediction of COVID-19 from radiological images using a hybrid approach based on deep learning architectural structure
- Tez No: 771647
- Danışmanlar: DOÇ. DR. RECEP ÖZDAĞ
- 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: Van Yüzüncü Yıl Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yapay Zeka ve Robotik Ana Bilim Dalı
- Bilim Dalı: Yapay Zeka Bilim Dalı
- Sayfa Sayısı: 61
Özet
SARS-CoV-2 virüsü kaynaklı yeni bir Koronavirüs hastalığı olan ve etkisini tüm dünyada göstermeye devam eden COVID-19 pandemisi resmi olarak toplamda 623 milyondan fazla vaka sayısına ulaşarak 6.5 milyondan fazla insanın ölümüne sebeb olmuştur. Bu virusün insan vücudunda yaptığı tahribatlar sonucunda, özellikle akciğerideki deformasyon belirgin hale gelmiştir. Bu tezde, derin öğrenme mimarileri olan evrişimsel sinir ağı (Convolutional Neural Network - CNN) ile tekrarlayan sinir ağı (Recurrent Neural Network- RNN) kullanarak akciğer bilgisayarlı bomografi (computed tomography - CT) ve enerjisi yüksek frekanslı elektromanyetik radyasyon (energetic high-frequency electromagnetic radiation - X-Ray) görüntülerinden COVID-19'un teşhisi ve tahmin edilmesi amaçlanmıştır. Bu amaçla tez kapsamında öncelikle CNN mimarisi esas alınarak pozitif COVID-19, negatif COVID-19 ile akciğer iltihabı vakalarından oluşan ve toplam 9150 adet olan akciğer X-Ray ve CT radyolojik görüntülerden özellik çıkarımı gerçekleştirilmiştir. Sonrasında ise RNN mimarisi olan Uzun kısa süreli bellek (long short-term memory ˗ LSTM) modeli esas alınarak görüntülerin sınıflandırması gerçekleştirilmiştir. Tasarlanan hibrit (CNN+LSTM) mimarisi ile test görüntülerinin sınıflandırılmasında %93'lük bir doğruluğa ulaşılmıştır. Bu tezde, radyolojik görüntülerden pozitif COVID-19'un sınıflandırılmasında RNN-LSTM modeli ile farklı bir hibrit mimari yapı tasarlanarak; hem literature katkı sağlanmış, hem de pozitif COVID-19 vakalarının teşhisi ve tahmin edilmesi sürecinde radyologların hızlı ve doğru karar vermelerine yardımcı olunmuştur.
Özet (Çeviri)
The COVID -19 pandemic, a new coronavirus disease caused by the SARS-CoV-2 virus that continues to show its effects throughout the world, has officially reached a total of more than 623 million cases and caused the death of more than 6.5 million people. As a result of the destruction of this virus in the human body, deformities are observed, especially in the lungs. This thesis, it is about diagnosis and prediction COVID-19 of lung computed tomography (CT) and energetic radiofrequency electromagnetic radiation (X-Ray) using deep learning architectures Convolutional Neural Network (CNN) and Recurrent Neural Network (RNN). For this purpose, within the scope of the thesis, mainly based on CNN architecture, feature extraction is performed from 9150 X-Ray lung images and CT radiological images consisting of positive COVID -19, negative COVID -19 and pneumonia cases. Afterward, the classification of the images is performed based on the Long Short-Term Memory (LSTM) model, which is the RNN architecture. With the designed hybrid (CNN+LSTM) architecture, an accuracy of 93% has been achieved in the classification of test images. In this thesis, a different hybrid architectural structure is designed with the RNN-LSTM model in the classification of positive COVID-19 from radiological images; not only contributed to the literature but also helped Radiologists to make quick and accurate decisions in the diagnosis and estimation of positive COVID-19 cases.
Benzer Tezler
- Çocuk kalp damar cerrahisi yoğun bakım ünitesinde postoperatif kavşak kaynaklı ektopik taşikardi; sıklık ve risk faktörleri
Junctional ectopic tachycardia after pediatric cardiac surgery; incidence and outcome
NESLİHAN KIPLAPINAR
Tıpta Yan Dal Uzmanlık
Türkçe
2013
Göğüs Kalp ve Damar CerrahisiSağlık BakanlığıÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
DOÇ. DR. ENDER ÖDEMİŞ
- 8 haftalık futbol antrenmanının 14-16 yaş grubundaki öğrencilerin fiziksel ve fizyolojik özellikleri üzerine etkileri
The effects of an eight weeks football workout on the physical and physiological features of students in the 14-16 age group
METİN KOCADAĞ
Yüksek Lisans
Türkçe
2014
SporHarran ÜniversitesiBeden Eğitimi ve Spor Ana Bilim Dalı
YRD. DOÇ. DR. ŞEBNEM ŞARVAN CENGİZ
- Ege Üniversitesi Etnografya Müzesinde bulunan takıların teknik ve tasarım özelliklerinin incelenmesi
Ethnographic museum of the University of the Aegean jewellery found properties of technical and design
MÜJGAN EMRE EROĞLU
Yüksek Lisans
Türkçe
2013
Güzel SanatlarDokuz Eylül ÜniversitesiTekstil ve Moda Tasarımı Ana Sanat Dalı
YRD. DOÇ. DR. FÜSUN ÖZPULAT
- Yavuz Sultan Selim Dönemi Kültür ve Edebiyatı
The Culture and Literature in the era of Yavuz Sultan Selim
ÖMER GÖKHAN YAĞCI
Doktora
Türkçe
2014
Türk Dili ve EdebiyatıKırıkkale ÜniversitesiTürk Dili ve Edebiyatı Ana Bilim Dalı
PROF. DR. MUHİTTİN ELİAÇIK
- Deri ve yumuşak doku enfeksiyonu etkeni olan toplum ve hastane kaynaklı staphylococcus aureus izolatlarının antimikrobiyal duyarlılık durumlarının ve panton valentıne leukocıdın toksini sıklığının araştırılması
Investigation of panton valentine leukocidin toxin frequency and antimicrobial susceptibilities of community and hospital acquired staphylococcus aureus isolates related with skin and soft tissue infections
TÜLİN DEMİR
Tıpta Uzmanlık
Türkçe
2008
MikrobiyolojiSağlık BakanlığıTıbbi Mikrobiyoloji Ana Bilim Dalı
DR. NİLAY ÇÖPLÜ