Derin öğrenme ile radyolojik görüntüler üzerinden COVID-19 tespiti
COVID-19 detection in radiological images with deep learning
- Tez No: 871959
- Danışmanlar: DOÇ. DR. ÖZKAN İNİK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Tokat Gaziosmanpaşa Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 85
Özet
Yeni Koronavirüs Hastalığı (COVID-19)dünya genelinde yayılım gösteren RNA tipi bir virüstür. İlk kez 2019 yılı Aralık ayında Çin'in Vuhan kentinde görülen COVID-19 hızlı bir şekilde yayılarak kısa sürede tüm dünya ülkelerinde görülmeye başlandı. Birçok ülke bu durumdan sağlık, ekonomik, sosyolojik ve psikolojik olarak olumsuz etkilenmiştir. Hastalığın teşhis konulmasında solunum yolu enfeksiyonları, ateş, öksürme, nefes darlığı gibi belirtiler önem arz etmektedir. 2019 yılından beri yaşanılan olumsuzlukları en aza indirmek için birçok yöntem üzerinde çalışılmıştır. Hastalığın insanlarda bıraktığı hasarı en aza indirmek için yapılacak en önemli işlem bir an önce, semptom taşıyanlara teşhis koyabilmektir. Belirtilen şüphelerle hastaneye başvuran hastalarda teşhis konulması için genellikle ilk uygulanan işlem, PCR'dır. Laboratuvar testlerinin, Röntgen ve Bilgisayarlı Tomografi görüntülerinin uzun zaman dilimlerinde sonuçlanması araştırmacıları başka teşhis yöntemlerine yönlendirmiştir. Bu tez çalışmasında hekimlere, Bilgisayarlı Tomografi (BT) görüntüleri üzerinden hastalığın tespiti için yardımcı olabilecek bir model tasarlanmıştır. Derin öğrenme temeline dayanan bu model COVID-19 pozitif (enfekte olmuş), COVID-19 negatif (sağlıklı) göğüs BT görüntüleri üzerinden sınıflandırma metoduyla hastalığı tespit etmeyi amaçlamaktadır. BT görüntülerinde oluşan buzlu cam diye tabir edilen pnömoni görülmesi teşhis işlemini hızlandırmaktadır. Tez çalışmasında kullanılan veri seti Tokat Gaziosmanpaşa Üniversitesi 23-KAEK-033 proje numaralı ve 83116987-092 sayılı etik kurul kararına göre alınan izinler neticesinde deneysel çalışmalar gerçekleştirilmiştir. Veri seti Tokat Gaziosmanpaşa Üniversitesi Araştırma ve Uygulama Hastanesi'nde muayene olan kişilerin BT görüntülerinden oluşmaktadır. Veri seti, ilgili poliklinik tarafından COVID-19 pozitif teşhisi girilmiş hastaların ve sağlıklı kişilerin BT görüntüleri üzerinden oluşturulmuştur. Elde edilen Bt görüntülerinden oluşturulan veri setinde ilk olarak dcm formatındaki görüntüler çalışma için daha uygun olan jpg formatına dönüştürüldü. Uzantıları düzenlenen görseller ile COVID-19 pozitif, COVID-19 negatif şeklinde iki klasör halinde sınıflar oluşturuldu. İsimleri karmaşık ve anlamsız yapılar olan görsellerde yeniden isimlendirme yapıldı. Veri işleme için hazır hale getirilen veri setinde AlexNet, Densenet201, GoogleNet, ResNet-50, Vgg16, EfficientNet gibi derin öğrenme modelleri ve önerilen model üzerinde eğitimler gerçekleştirilerek elde edilen başarı oranları üzerinde karşılaştırmalar yapılmıştır. Test verisi üzerinde Alexnet modeli ile % 88,81, DenseNet201 modeli ile % 86,16, EfficientNet modeli ile % 98,31, GoogleNet modeli ile % 95,52, Resnet-50 modeli ile % 94,02, VGG-16 modeli ile % 92,53 başarı oranı elde edilmiştir. Önerilen ESA modeline ait karışıklık matrisi incelendiğinde 375 COVID-19 pozitif hastasının 372'si doğru sınıflandırılmış 3'ü ise hatalı sınıflandırılmıştır. 375 sağlıklı örneğin 372'si doğru sınıflandırılmış 3'ü COVID-19 pozitif olarak hatalı sınıflandırılmıştır. Önerilen ESA modeli ile % 99,20 başarı oranı elde edilmiştir ve COVID-19 tespiti için etkili ve başarılı bir model önerilmiştir.
Özet (Çeviri)
New Coronavirus Disease (COVID-19) is an RNA type virus that is spreading worldwide. COVID-19, which was first seen in Wuhan, China, in December 2019, spread rapidly and soon began to be seen in all countries of the world. Many countries were negatively affected by this situation in terms of health, economy, sociology and psychology. Symptoms such as respiratory tract infections, fever, cough, and shortness of breath are important in diagnosing the disease. Many methods have been worked on to minimize the negativities experienced since 2019. The most important precaution to be taken to minimize the damage caused by the disease to people is to diagnose those who show symptoms as soon as possible. PCR is usually the first procedure performed to diagnose patients who apply to the hospital with the mentioned suspicions. Laboratory examinations, X-ray and Computed Tomography images take a long time, which has led researchers to other diagnostic methods. In this thesis study, a model that can help physicians detect the disease through Computed Tomography (CT) images has been designed. This model, based on deep learning, aims to detect the disease by classifying COVID-19 positive (infected) and COVID-19 negative (healthy) chest CT images. Seeing ground glass pneumonia on CT images speeds up the diagnosis process. The data set used in the thesis study was carried out as a result of the permissions obtained according to the ethics committee decision of Tokat Gaziosmanpaşa University project number 23-KAEK-033 and number 83116987-092. The data set consists of CT images of people examined at Tokat Gaziosmanpaşa University Research and Application Hospital. The data set was created from CT images of patients and healthy people diagnosed as COVID-19 positive by the relevant polyclinic. In the data set created from the obtained BT images, the images in dcm format were first converted to jpg format, which is more suitable for the study. With the images whose extensions were edited, classes were created in two folders: Covid-19 positive and Covid-19 negative. Images with complex and meaningless names have been renamed. In the dataset prepared for data processing, comparisons were made on deep learning models such as AlexNet, Densenet201, GoogleNet, ResNet-50, Vgg16, EfficientNet and the success rates obtained by training on the proposed model. The result in the test data; This rate was 88.81 percent with the Alexnet model, 86.16 percent with the DenseNet201 model, 98.31 percent with the EfficientNet model, 95.52 percent with the GoogleNet model, 94.02 percent with the Resnet-50 model and 94.02 percent with the Resnet-50 model. A success rate of 92.53% was achieved with the VGG-16 model. When the confusion matrix of the proposed ESA model was examined, it was seen that 372 of 375 COVID-19 positive patients were classified correctly and 3 were classified incorrectly. Of the 375 healthy samples, 372 were correctly classified and 3 were incorrectly classified as COVID-19 positive. A 99.20% success rate was achieved with the proposed ESA model, and an effective and successful model was proposed for COVID-19 detection.
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
- Akciğer bilgisayarlı tomografilerinden görüntü işleme ve derin öğrenme ile COVID-19 tespiti
COVID-19 detection with image processing and deep learning from lungs computed tomography
FEYZANUR BANU DEMİR
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiBursa Uludağ ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERSEN YILMAZ
- Tomografi görüntülerinden akciğer hastalıklarının tespiti amaçlı bir derin öğrenme modelinin geliştirilmesi
Development of deep learning model for detection of lung diseases from tomography images
GÖKHAN KARABAĞ
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiAkdeniz ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞÜKRÜ ÖZEN
- 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
- COVID-19 vakalarının tespiti için derin öğrenme tekniklerinin uygulanması
Application of deep learning techniques for detection of COVID-19 cases
HAFİZE ARDUÇ
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErzurum Teknik ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YAŞAR DAŞDEMİR