Yapay zeka ve görüntü işleme teknikleri kullanılarak Covid-19 tespiti ve sınıflandırılması
Covid-19 detection and classification using artificial intelligence and image processing techniques
- Tez No: 941665
- Danışmanlar: DOÇ. DR. PELİN GÖRGEL
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Sayısal görüntü işleme, Yapay zeka, Digital image processing, Artificial intelligence
- Yıl: 2025
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi-Cerrahpaşa
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Covid-19, bilindiği üzere son yıllarda ortaya çıkmış ölümcül olabilen ciddi bir akciğer solunum yolu hastalığıdır. Çıktığı andan itibaren birçok ülkede yayılmış ve yüksek sayıda ölüme sebep olmuştur. Hastalık yayılımının kolaylığı sebebiyle hızlı bir şekilde bulaşması, çabuk ilerlemesi ve öldürücülüğü erken teşhisin önemini artırmıştır. Hastalık görülmeye başladığı zamandan bu yana bu alanda birçok tıbbi çalışma yapılmıştır. Tıbbi çalışmaların yanı sıra yardımcı teşhis amaçlı bilgisayar destekli hastalık tespit ve sınıflandırma çalışmaları da ivme kazanmıştır. Bilgisayar destekli çalışmalar arasında laboratuvar verilerini kullanarak yapılan çalışmaların yanı sıra özellikle tıbbi görüntü kullanarak yapılan çalışmalar önem arz etmektedir. Bu tez çalışmasında; açık kaynaklardan alınarak oluşturulmuş, Covid-19, Normal ve Pnömoni özelliklerine sahip görüntülerden oluşan, karma bir veri seti kullanılarak bu görüntülerin sınıflandırılması hedeflenmiştir. Bu amaçla tez kapsamında Geliştirilmiş Swin Dönüştürücü Tabanlı Az-Atışlı Öğrenme isimli bir model geliştirilmiştir. Modelin performansı doğruluk, F1-skor, özgüllük, kesinlik, duyarlılık, negatif tahmin değeri, pozitif tahmin değeri, Kappa katsayısı, eğri alt alanı gibi metrikleri ile ölçülmüştür. Belirlenen performans metiklerine göre önerilen yöntemin literatürde bulunan klasik yöntemlerle karşılaştırılmasına da yer verilmiştir. Elde edilen bulgular, önerilen modelin diğer yöntemlere göre daha başarılı olduğunu göstermiştir. Bunun yanı sıra önerilen model az sayıda görüntü olması durumunda bile yüksek doğrulukta Covid-19 tespiti yaparak klinik uygulamalara entegre edilebileceğini ortaya koymaktadır.
Özet (Çeviri)
Covid-19, as is known, is a serious lung respiratory tract disease that has emerged in recent years and can be fatal. Since its emergence, it has spread in many countries and caused a high number of deaths. Due to the ease of disease spread, its rapid transmission, rapid progression and lethality, early diagnosis has increased the importance of. Many medical studies have been conducted in this field since the disease began to appear. In addition to medical studies, computer-aided disease detection and classification studies for auxiliary diagnostic purposes have also gained momentum. Among computer-aided studies, studies using laboratory data, as well as studies using medical images, are especially important. In this thesis study; It is aimed to classify these images using a mixed data set consisting of images with Covid-19, Normal and Pneumonia features obtained from open sources. For this purpose, a model called Enhanced Swin Transformer Based Few-Shot Learning was developed within the scope of the thesis. The performance of the model was measured with metrics such as accuracy, F1-score, specificity, precision, sensitivity, negative predictive value, positive predictive value, Kappa coefficient, and curve sub-area. According to the determined performance metrics, the comparison of the proposed method with the classical methods found in the literature is also included. The findings obtained show that the proposed model is more successful than other methods. In addition, the proposed model reveals that it can be integrated into clinical applications by detecting Covid-19 with high accuracy even in the case of a small number of images.
Benzer Tezler
- Gömülü sistem platformu üzerinde görüntü işleme tekniklerinin uygulanması
Image processing techniques on embedded system
SERTAÇ YAMAN
Doktora
Türkçe
2021
Elektrik ve Elektronik MühendisliğiFırat ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YAVUZ EROL
- Yapay zekâ tabanlı görüntü işleme yöntemleri ile COVID-19 tahmini
COVID-19 prediction with artificial intelligence based image processing methods
BURAK YAĞIN
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİnönü ÜniversitesiBiyoistatistik ve Tıp Bilişimi Ana Bilim Dalı
DOÇ. DR. EMEK GÜLDOĞAN
- Classification of chest X-rays by divergence-based convolutional neural network
Diverjans temelli evrişimsel ağ ile akciğer röntgen görüntülerinin sınıflandırılması
MUHAMMED NUR TALHA KILIÇ
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TAMER ÖLMEZ
- 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
- Tıbbi görüntü işleme ile akciğer grafisinde COVID-19 pozitif tespiti için veri madenciliği ve derin öğrenme yöntemlerinin performanslarının incelenmesi
Investigation of the performance of data mining and deep learning methods for COVID-19 positive detection in lung graph with medical image processing
FATMA GÜL KURT
Yüksek Lisans
Türkçe
2022
BiyoistatistikHacettepe ÜniversitesiBiyoistatistik Ana Bilim Dalı
DOÇ. DR. JALE KARAKAYA KARABULUT
- Lung diseases detection using deep learning
Derin öğrenme kullanarak akciğer hastalıklarının tespiti
ABDEL AZIZ KAMO MEGNA
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ OKATAN