X-ray görüntülerinden alt solunum yolu enfeksiyonlarının teşhisinde transfer öğrenme yöntemleri ve topluluk öğrenmeye dayalı yeni bir yaklaşım
A new approach based on transfer learning methods and ensemble learning in the diagnosis of lower respiratory tract infections from X-ray images
- Tez No: 808024
- Danışmanlar: DOÇ. DR. RAMAZAN TEKİN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: COVID 19, COVID 19
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Batman Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Pandemik hastalık olarak ilan edilen COVID-19, milyonlarca insanın hayatını etkilemiş ve büyük bir salgına neden olan bir alt solunum yolu enfeksiyon hastalıklarından biridir. Corona virüsü, COVID-19 salgını olarak da kabul edilmektedir. Dünya çapında son yılların en akut ve şiddetli virüslerinden biridir. Virüs aşıları geliştirilmesine rağmen dünya genelinde COVID-19 vaka oranları hızla artmaktadır. COVID-19 ve diğer alt solunum yolları hastalıkların teşhisi için yapay zekâ tekniklerinin de kullanıldığı görülmektedir. Özellikle derin öğrenme teknikleri klasik PCR testi ve X-ray görüntülerin manuel yorumlanmasına göre daha hızlı ve başarılı sonuçlar üretmektedir. Derin öğrenme olarak da bilinen derin yapılandırılmış öğrenme, yorumlamalı öğrenme, aktarılmış öğrenme gibi metotlar yapay sinir ağı tabanlı yöntemlerdir. Bu çalışmada 9 farklı transfer derin öğrenme metodu tabanlı ensemble hibrit bir model ile X-ray görüntüleri kullanılarak COVID-19 ve diğer alt solunum yolu enfeksiyonu hastalıkların teşhisi gerçekleştirilmiştir. DeepFeat-E olarak isimlendirilen hibrit yaklaşım transfer modellerinden elde edilen derin öznitelikler ve klasik makine öğrenimi yöntemlerinden oluşan sınıflandırıcılar kullanılarak teşhis işlemi gerçekleştirmektedir. Önerilen yaklaşımı test etmek için 10.192 Normal, 6012 Akciğer Opaklığı (COVID Dışı akciğer enfeksiyonu), 1345 Viral Pnömoni ve 3616 COVID-19 (Hasta) toplamda 21.165 X-ray görüntüsünden oluşan veri seti kullanılmıştır. Önerilen yaklaşım ile en yüksek başarı DenseNet201 TÖ (Transfer Öğrenme) modellerine ait derin öznitelikler ve İstifleme topluluk öğrenme yöntemiyle elde edildiği görülmüştür. Dört, üç ve iki sınıfa sahip veri seti ile yapılan deneysel çalışmalarda sırasıyla test doğruluğu %90,17, %94,99 ve %94,93 olarak elde edilmiştir. Ayrıca sistemin tüm TÖ modellerinde elde edilen doğruluk değerlerini değişen miktarlarda arttırdığı görülmüştür. Bu tez çalışması kapsamında elde edilen sonuçlara göre, önerilen DeepFeat-E isimli hibrit sistemin alt solunum yolu enfeksiyon hastalıkların teşhisinde hızlı ve güvenilir bir şekilde kullanılabileceğini göstermiştir.
Özet (Çeviri)
Declared as a pandemic disease, COVID-19 is one of the lower respiratory tract infectious diseases that has affected the lives of millions of people and caused a major epidemic. Corona virus is also considered as the COVID-19 epidemic. It is one of the most acute and severe viruses of recent years worldwide. Despite the development of virus vaccines, the rates of COVID-19 cases are increasing rapidly around the world. It is seen that artificial intelligence techniques are also used for the diagnosis of COVID-19 and other lower respiratory tract diseases. Especially deep learning techniques produce faster and more successful results than classical PCR testing and manual interpretation of X-ray images. Methods such as deep structured learning, interpretive learning, and transferred learning, also known as deep learning, are artificial neural network-based methods. In this study, COVID-19 and other lower respiratory tract infections were diagnosed using X-ray images with an ensemble hybrid model based on 9 different deep learning methods. The hybrid approach called DeepFeat-E performs diagnosis using deep features obtained from transfer models and classifiers consisting of classical machine learning methods. A dataset of 21,165 X-ray images in total of 10,192 Normal, 6012 Lung Opacity (Non-COVID lung infection), 1345 Viral Pneumonia and 3616 COVID-19 (Patients) were used to test the proposed approach. With the proposed approach, it was seen that the highest success was obtained with the deep features and Stacking ensemble learning method of DenseNet201 TL(Transfer Learning) models. In experimental studies with datasets with four, three and two classes, the test accuracy was 90.17%, 94.99% and 94.93%, respectively. In addition, it was observed that the system increased the accuracy values obtained in all DR models by varying amounts. According to the results obtained within the scope of this thesis study, it has been shown that the proposed DeepFeat-E hybrid system can be used quickly and reliably in the diagnosis of lower respiratory tract infectious diseases.
Benzer Tezler
- Doğuştan kalça çıkıklı hastalarda kalça patolojilerinin bilgisayarlı tomografi ile değerlendirilmesi
Başlık çevirisi yok
NECDET ŞÜKRÜ ALTUN
Tıpta Uzmanlık
Türkçe
1987
Ortopedi ve TravmatolojiGazi ÜniversitesiOrtopedi ve Travmatoloji Ana Bilim Dalı
PROF.DR. ORHAN ASLANOĞLU
- Makro besin elementlerinin (NPK) İzmir'de Mayıs ayında açığa dikilen 4-6 cm çevre büyüklüğündeki Gladiolus cinsine ait“hunting song”ve“Novalüx”kültür çeşitlerinin yumrularının gelişmeleri üzerine etkileri
Başlık çevirisi yok
TAHA ALİ AMEN
Yüksek Lisans
Türkçe
1985
ZiraatEge ÜniversitesiPeyzaj Mimarlığı Ana Bilim Dalı
DOÇ. DR. ADNAN HATİPOĞLU
- Izgara ve altlık üstünde barındırılan ile de france X kıvırcık (Fl) ve merinos kuzularının entansif besideki performansları
Başlık çevirisi yok
ÜMRAN ŞAHAN
Yüksek Lisans
Türkçe
1987
Veteriner HekimliğiUludağ ÜniversitesiZootekni Ana Bilim Dalı
PROF. DR. ERDOĞAN TUNCEL
- Kömürdeki piritin giderilmesi ve çözünürleştirme kinetiğinin incelenmesi
Başlık çevirisi yok
YAVUZ ONGANER