X-ray görüntüleri ile derin öğrenme teknikleri kullanılarak COVID-19 tespiti
COVID-19 detection using deep learning techniques with X-ray images
- Tez No: 910967
- Danışmanlar: DOÇ. DR. YASEMİN GÜLTEPE
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Kastamonu Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Malzeme Bilimi ve Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 82
Özet
COVID-19 salgını küresel refah ve halk sağlığı üzerinde yıkıcı bir etkiye sahiptir. Şu ana kadar dünya çapında 27 milyondan fazla doğrulanmış vaka bildirilmiştir. Doğrulanmış vaka sayısının artması ve COVID-19 varyasyonlarına yönelik zorluklar nedeniyle, COVID-19'u kontrol etmek ve tedavi etmek için sağlıklı ve enfekte hastaların zamanında ve doğru bir şekilde sınıflandırılması esastır. Bu tez çalışması, COVID-19 vakaların sınıflandırma sonuçlarına dayalı tahmin modeli için son teknolojik gelişmelere uygun X-Ray göğüs görüntüleri üzerinde VGG-16, Inception-V3, DenseNet-121, ResNet50 ve AlextNet olmak üzere beş farklı derin öğrenme algoritmalarının performansları değerlendirilmiştir. Tez çalışmasında, COVID-19, Normal ve Pneumonia (zatürre) olmak üzere üç sınıflandırmaya ayrılmış X-ışını görüntülerinden oluşan kapsamlı bir veri seti kullanılmıştır. Derin öğrenme modellerinin sağlamlığını artırmak için görüntü normalizasyonu ve artırma dahil olmak üzere kapsamlı ön işleme adımları kullanılmıştır. Her modelin veri seti üzerindeki başarısını ölçmek için doğruluk, kesinlik, duyarlılık ve F1-skoru dahil olmak üzere standart değerlendirme ölçütleri kullanılarak eğitimi ve doğrulanması yapılmıştır. Sonuçlar, ResNet50'nin COVID-19 tahmin etmede diğer yöntemlerden daha iyi performans gösterdiğini göstermektedir. Bu tez çalışması, derin öğrenmenin tıbbi görüntülemedeki potansiyelini, özellikle X-Ray görüntülerinden COVID-19'u tespit etmdeki potansiyeli vurgulanmıştır. Modellerin doğrulukları sağlık hizmetlerinin kalitesini artırmak, yetersiz uzmanların olduğu alanlarda iş yükünü hafifletmek ve tıbbi kararlar almak amacıyla tahmin çalışmalarında derin öğrenme teknolojilerinden yararlanma yönündeki devam eden çabalara katkıda bulunarak tıbbi görüntü sınıflandırmasında gelecekteki ilerlemeler için bir temel sağlayacaktır. Sonuçlar değerlendirildiğinde hastalığın tespiti, teşhisi ve tedavisi aşamalarında uzmanlara hızlı karar desteği sağlamak amacıyla derin öğrenme model seçiminin önemini vurgulayarak, ResNet50'in pratik tanı iş akışlarına entegre edilmesini önerilmektedir.
Özet (Çeviri)
The COVID-19 pandemic has had a devastating impact on global welfare and public health. More than 27 million confirmed cases have been reported worldwide to date. Due to the increasing number of confirmed cases and the challenges of COVID-19 variants, timely and accurate classification of healthy and infected patients is essential to control and treat COVID-19. This thesis study evaluated the performances of five different deep learning algorithms, namely VGG-16, Inception-V3, DenseNet-121, ResNet50 and AlextNet, on X-ray chest images suitable for the latest technological advances for the prediction model based on the classification results of COVID-19 cases. In the thesis study, a comprehensive dataset consisting of X-ray images divided into three classifications, namely COVID-19, Normal and Pneumonia, was used. Extensive preprocessing steps, including image normalization and augmentation, were used to increase the robustness of the deep learning models. Each model was trained and validated using standard evaluation metrics, including accuracy, precision, sensitivity and F1-score, to measure its success on the dataset. The results show that ResNet50 outperforms other methods in predicting COVID-19. This thesis study highlights the potential of deep learning in medical imaging, especially in detecting COVID-19 from X-Ray images. The accuracy of the models will contribute to the ongoing efforts to utilize deep learning technologies in predictive studies to improve the quality of healthcare, alleviate the workload in areas with insufficient specialists, and make medical decisions, thus providing a basis for future advances in medical image classification. When the results are evaluated, it is recommended that ResNet50 be integrated into practical diagnostic workflows, emphasizing the importance of deep learning model selection to provide rapid decision support to specialists in the detection, diagnosis, and treatment stages of the disease.
Benzer Tezler
- 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
BERİVAN ÖZAYDIN
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBatman ÜniversitesiElektrik-Elektronik Ana Bilim Dalı
DOÇ. DR. RAMAZAN TEKİN
- 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
- 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
- Deep feature transfer from deep learning models into machine learning algorithms to classify COVID-19 from chest X-ray images
Göğüs röntgeni görüntülerinden COVID-19 sınıflandırması yapmak amacıyla derin öğrenme modellerinden makine öğrenmesi algoritmalarına derin öznitelik aktarımı
OZAN GÜLDALİ
Yüksek Lisans
İngilizce
2021
Matematikİstanbul Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÜL İNAN
- Derin öğrenme ile covıd-19, beyaz kan hücreleri, tüberküloz ve kalp krizi riskinin analizi
Analysis of covid-19, white blood cells, tuberculosis and heart attack risk by using deep learning
ÖMER SEVİNÇ
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. İMAN ASKERBEYLİ
DOÇ. DR. MEHMET SERDAR GÜZEL