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: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Batman Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 66
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
- COVID-19 hastalığının derin öğrenme yöntemleri kullanılarak tespiti
Detection of COVID-19 disease using deep learning methods
HÜSEYİN YAŞAR
Doktora
Türkçe
2022
Elektrik ve Elektronik MühendisliğiKonya Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT CEYLAN
- Sagittal posture analysis using wearable vivaldi antenna
Giyilebilir vivaldi anten kullanarak sagital postür değerlendirmesi
İLKE KAYA
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. TUBA YILMAZ ABDOLSAHEB
- Evrişimsel sinir ağları ile akciğer x-ray görüntülerinden COVID-19 tespiti ve hibrit model önerisi
COVID-19 detection from chest x-ray images and hybrid model recommendation with convolutional neural networks
FURKAN ERYILMAZ
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DOÇ. DR. HACER KARACAN
- Panoramik X-ray diş görüntülerinde diş bölgesinin ve dişlerin makine öğrenimi ve derin öğrenme ile bölütlenmesi
Segmentation of teeth region and teeth boundaries via machine learning and deep learning in panoramic X-ray dental images
ALİ GÜVEN
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTOBB Ekonomi ve Teknoloji ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. İMAM ŞAMİL YETİK
- CDS incefilmlerinin farklı alt tabanlar üzerinde CBD yöntemiyle büyütülmesi ve yapısal, optik, fotoelektik özelliklerinin araştırılması
The investigation of structural, optical and optoelectronical properties of CDS thin films which are deposited on different substrates by CBD method
GÖKHAN BARİKAN
Yüksek Lisans
Türkçe
2013
Fizik ve Fizik MühendisliğiKafkas ÜniversitesiFizik Ana Bilim Dalı
PROF. DR. MEVLÜT KARABULUT