Prediction of COVID-19 using recurrent neural networks
Yenilenen sinir ağları kullanarak COVID-19 vakalarının tahmini
- Tez No: 826493
- Danışmanlar: DOÇ. DR. BAHA ŞEN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Ankara Yıldırım Beyazıt Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 155
Özet
COVID-19 salgını, küresel sağlık sektörü, hükümetler ve toplumlar için birçok zorluk oluşturan dünya çapında bir sağlık sorununa neden oldu çünkü pandeminin yönetimi ve kontrolü büyük ölçüde hastalığın yayılması ve ciddiyetine ilişkin doğru tahminlere bağlı. Bu tez, Uni-LSTM, Bi-LSTM ve DNN'ler gibi derin öğrenme modellerinin COVID-19 tahmini için uygulanmasını araştırmaktadır. Çeşitli ülkelerden vakalar, hastaneye yatışlar ve ölümler gibi gerçek verileri toplar ve inceler. Derin öğrenme modelleri, sonuçları Doğruluk, Kesinlik, Geri Çağırma ve F1 puanı gibi metriklere dayalı olarak karşılaştırarak verileri eğitir ve değerlendirir. Çalışmanın bulguları, Bi-LSTM'nin hastalığın yayılımını ve ciddiyetini doğru bir şekilde tahmin etmede diğer modellerden daha iyi performans gösterdiğini göstermektedir.Bi-LSTM algoritmasında Bidirectional LSTM algoritmasında doğruluk oranı %95.38, R-Squared değeri %99.81 olarak görülmüştür. Bu çalışma, göğüs röntgeni görüntülerinde Covid-19'u ve bulunamayan oluşumları tanımak için derin öğrenmeye dayalı bir yaklaşım kullanılmasını önermektedir. COVID-19 tahmini için LSTM ve DNN sistemlerinin uygulanmasına ışık tutuyor. Doğru ve güvenilir tahminlere ulaşmada veri kalitesinin ve miktarının önemini vurgular. Eğitilmiş modellerin sınıflandırma performansı, yukarıdaki metrikler kullanılarak değerlendirildi.
Özet (Çeviri)
The COVID-19 pandemic has caused a worldwide health problem that has presented a lot of difficulties to the global healthcare sector, governments, and societies since management and control of the pandemic depend heavily on accurate estimates of the disease's spread and severity. This thesis investigates the application of deep learning models, such as Uni-LSTM, Bi-LSTM, and DNNs, for COVID-19 prediction. It gathers and examines actual data from various nations, such as figures for cases, hospitalizations, and fatalities. Deep learning models train and evaluate the data, comparing the results based on metrics like Accuracy, Precision, Recall and F1 score. The study's findings demonstrate that Bi-LSTM outperforms other models in accurately predicting the spread and severity of the disease. In the Bidirectional LSTM algorithm, the accuracy rate was 95.38% and the R-Squared value was 99.81%. This study recommends using a deep learning-based approach to recognize Covid-19 and no-finding occurrences in chest X-ray images. It sheds light on applying LSTM and DNN systems for COVID-19 prediction. It emphasizes the significance of data quality and quantity in achieving accurate and trustworthy predictions. The classification performance of the trained models was evaluated using the above metrics.
Benzer Tezler
- COVİD-19 pandemisi etkisindeki havayolu yolcu talebinin yapay zeka kullanılarak tahmin edilmesi
Prediction of airline passenger demand affected by the COVID-19 pandemic using artificial intelligence
NALAN YÜCE
- Makine öğrenimi tabanlı COVID-19 teşhis ve tahmin sistemi: Çeşitli öğrenme algoritmalarının performans analizi ve ilgili hastalıkların sınıflandırılması
Machine learning-based COVID-19 diagnosis and prediction system: Performance analysis of various learning algorithms and classification of related diseases
AHMED JADDOA ENAD AL-MAMOORI
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKırşehir Ahi Evran Üniversitesiİleri Teknolojiler Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA AKSU
- Uzun kısa süreli bellek ile altın fiyatı tahmini
Gold price forecasting using long short-term memory
SİNA BİRECİK
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜLAY ÖKE GÜNEL
- Derin öğrenme mimari yapısını esas alan hibrit yaklaşım kullanılarak radyolojik görüntülerden Covid-19 teşhisi ve tahmin edilmesi
Diagnosis and prediction of Covid-19 from radiologicalimages using a hybrid approach based on deep learningarchitectural structure
SEYFULLAH URUT
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolVan Yüzüncü Yıl ÜniversitesiYapay Zeka ve Robotik Ana Bilim Dalı
DOÇ. DR. RECEP ÖZDAĞ
- Arıma ve derin öğrenme modelleri kullanılarak Türkiye'deki COVID-19 vaka ve vefat sayılarının tahmini
Forecasting of COVID-19 confirmed and death cases in Turkey using arima and deep learning models
FATEMA NUSRAT
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖMER KAAN BAYKAN