Derin Öğrenme Yöntemleriyle Çapraz Veri Seti Değerlendirmesi Altında COVID-19 Tespiti

Authors : Yahya DOĞAN

Pages : 813-823

Doi:10.29109/gujsc.1210343

View : 54 | Download : 51

Publication Date : 2023-09-27

Article Type : Research Paper

Abstract :COVID-19 salgını tüm dünyayı etkilemiş ve son yüz yılın en şiddetli rahatsızlıklarından biri haline gelmiştir. Yüksek bulaşıcılığı nedeniyle, COVID-19’un erken aşamada tespiti ve enfekte olan hastaların diğerlerinden izole edilmesi pandemiyi kontrol etmede en önemli aşamalardan biridir. Revers-Transkriptaz Polimeraz Zincir Reaksiyonu insert ignore into journalissuearticles values(RT-PCR); enfekte olan hastaları teşhis etmek için kullanılan en yaygın yöntemdir; ancak, bu yöntem zaman alıcı ve yoğun emek gerektirmektedir. Yakın zamanda, COVID-19’un hızlı tespiti için bilgisayarlı tomografi görüntüleri kullanılarak yapılan derin öğrenme tabanlı birçok çalışma mevcuttur. Bu çalışmalarda, enfekte olan hastalar hızlı ve yüksek doğruluk oranları insert ignore into journalissuearticles values(>%97); ile tespit edilebilmektedir. Fakat bu kapsamda hazırlanan veri setleri incelendiğinde, verilerin genellikle aynı ülke veya aynı ildeki hastanelerden elde edildiği gözlenmektedir. Bu durum, kurulan modelin etnik bağımlılığa sahip olmasına ve farklı veri setlerinde aynı performansı göstermemesine neden olabilir. Bu çalışmada, çapraz veri değerlendirmesi insert ignore into journalissuearticles values(eğitim ve test için farklı veri setleri); altında güncel derin öğrenme modellerinin performansı deneysel olarak incelenmiştir. İncelenen modeller arasında en yüksek tespit skoru %71.47 ile ResNet50 modeli kullanılarak elde edilmiştir. Ayrıca, eğitilen ResNet50 modelinin görüntünün sınıfına insert ignore into journalissuearticles values(Covid/Non-Covid); karar verirken odaklandığı alanları göstermek için Grad-CAM sonuçları sağlanmıştır.
Keywords : COVID 19, derin öğrenme, evrişimsel sinir ağları