A Novel Covid-19 Detection System Based on PSO and Hybrid Feature Using Support Vector Machines

Authors : Mehmet Fatih OZDEMIR, Davut HANBAY

Pages : 120-129

Doi:10.53070/bbd.1172671

View : 13 | Download : 12

Publication Date : 2022-10-10

Article Type : Research Paper

Abstract :Koronavirüsle ilk olarak Aralık 2019`da Çin`in Wuhan kentinde ortaya çıkmıştır. Bugüne kadar etkisini artırmaya devam ettirmiştir. Birçok kişinin ölümüne neden olan bu virüsün tespiti günümüzde büyük önem taşımaktadır. Bu hastalığın tespiti için birçok yaklaşım bulunmaktadır. Bu yaklaşımların en başarılılarında biri göğüs röntgeni görüntüleri kullanılarak koranavirüs hastalığının veya hastalarının tespitidir. Bu çalışmada, göğüs röntgeni görüntüleri kullanılarak normal, zatürre ve koranavirüs hastalarını sınıflandırmak için akıllı bir sistem önerilmiştir. Önerilen sistem dört aşamadan oluşmaktadır. İlk olarak, veri setindeki tüm görüntüler ön işleme tabi tutulmuştur. Daha sonra özellik çıkarımı için tek tip Yerel İkili Örüntü insert ignore into journalissuearticles values(LBP); ve DenseNet201 derin öğrenme modelleri kullanılmıştır. Etkili öznitelikleri seçmek için parçacık sürü optimizasyonu insert ignore into journalissuearticles values(PSO); algoritması kullanılmıştır. Belirlenen etkin özellikler, destek vektör makinesi insert ignore into journalissuearticles values(SVM); ile sınıflandırılmıştır. Performans kriteri olarak doğruluk ve AUC parametreleri kullanılmıştır. Sonuç olarak, doğruluk değeri 99.9% ve AUC değeri ise 1.00 olarak bulunmuştur. Veri seti ve önerilen model kodları verilen adreste herkese açık hale getirilmiştir: https://github.com/mfatiho/covid-detection-chest-xray
Keywords : Koronavirüs, Özellik Seçimi, LBP, DenseNet, SVM