Covid-19 hastalığının sınıflandırılmasında derin öğrenme modellerinin performanslarının karşılaştırılması
Comparison of the performances of deep learning models in classification of Covid-19 disease
- Tez No: 837295
- Danışmanlar: DOÇ. DR. KEMAL AKYOL
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Kastamonu Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 74
Özet
İlk olarak Aralık 2019'da Çin'in Wuhan kentinde ortaya çıkan yeni koronavirüs 2019 (Covid-2019) tüm ülkelerde hızla yayılarak pandemi haline geldi. Günlük yaşamda hem halk sağlığı hem de küresel ekonomi üzerinde çok yıkıcı bir etkiye neden olan bu salgın hastalığın daha fazla yayılmasını önlemek ve etkilenen hastaları hızla tedavi etmek için pozitif vakaları olabildiğince erken tespit etmek çok önemlidir. Covid-19 hastalığının tespitinde yapay zekâ temelli yardımcı teşhis araçları için radyoloji görüntüleme tekniklerine başvurulmaktadır. Akciğer X-ışını görüntüleri, Covid-19'u tespit etmenin olası yöntemlerinden biridir. Bu tez çalışmasında, Covid-19 tanısının olduğu iki farklı veriseti üzerinde önceden eğitilmiş derin öğrenme modelleri ile üç senaryo çerçevesinde deneysel çalışmalar gerçekleştirilmiştir. İlk veriseti iki sınıflı 1252 adet Covid-19 tanısı konmuş ve 1229 adet herhangi bir tanı konmamış bilgisayarlı tomografi görüntülerinden oluşmaktadır. İkinci veriseti, Covid-19, zatürre ve normal sınıfları içermekte olup her bir sınıfta 2313 X-ışını görüntüsü bulunmaktadır. İlk senaryodaki deneylerde orijinal önceden eğitilmiş derin öğrenme modelleri kullanılırken, ikinci senaryoda değiştirilmiş önceden eğitilmiş modeller kullanılmıştır. Son olarak, üçüncü senaryoda önceden eğitilmiş orijinal modellerden çıkarılan özellikler üzerinde geleneksel makine öğrenimi sınıflandırıcılarıyla deneyler yapıldı. Deneysel çalışmalarda, önceden eğitilmiş orijinal modellerin tam bağlı katmanlarında yapılan değişiklikler ile diğer senaryolara kıyasla daha yüksek doğruluklar elde edilmiş olup bu modeller içerisinden D_EfficientNetV2B0 iki sınıflı ve üç sınıflı verisetlerinde sırasıyla %98,99 ve %97,45 doğruluklar sunmuştur.
Özet (Çeviri)
The new coronavirus 2019 (Covid-2019), which first appeared in Wuhan, China in December 2019, spread rapidly in all countries and became a pandemic. It is very important to detect positive cases as early as possible in order to prevent the further spread of this epidemic, which has a devastating impact on both public health and the global economy in daily life, and to treat affected patients quickly. Radiology imaging techniques are used for artificial intelligence-based auxiliary diagnostic tools in the detection of Covid-19 disease. Lung X-ray images are one of the possible methods of detecting Covid-19. In this thesis, experimental studies were carried out within the framework of three scenarios with pre-trained deep learning models on two different datasets with Covid-19 diagnosis. The first dataset consists of two-classes computed tomography images of 1252 diagnosed with Covid-19 and 1229 undiagnosed. The second dataset includes Covid-19, pneumonia, and normal classes which have 2313 X-ray images in each class. In the first scenario, the original pre-trained deep learning models were used in the experiments, while in the second scenario, modified pre-trained models were used. Finally, experiments with traditional machine learning classifiers were conducted on the features extracted by original pre-trained models in the third scenario. In the experimental studies, higher accuracies were obtained with the changes made in the fully connected layers of the original pre-trained models compared to the other scenarios, and among these models, D_EfficientNetV2B0 provided 98,99% and 97,45% accuracies in two-class and three-class datasets, respectively.
Benzer Tezler
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- 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
- 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
EMRE ÜSTÜNDAĞ
Yüksek Lisans
Türkçe
2022
BiyoistatistikAfyon Kocatepe Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. ENGİN TAŞ
- X-ray görüntüleri ile derin öğrenme teknikleri kullanılarak COVID-19 tespiti
COVID-19 detection using deep learning techniques with X-ray images
SABAH BASHIR SALEM RASHED
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKastamonu ÜniversitesiMalzeme Bilimi ve Mühendisliği Ana Bilim Dalı
DOÇ. DR. YASEMİN GÜLTEPE
- 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