Automatic prediction of covid-19 from chest- computed tomography (CT) images using deep learning architectures

Authors : Veysel TÜRK, Hatice ÇATAL REİS, Serhat KAYA

Pages : 76-88

Doi:10.17714/gumusfenbil.1002738

View : 19 | Download : 10

Publication Date : 2022-09-30

Article Type : Research Paper

Abstract :Makine öğrenmesi, son yıllarda hastalık tespiti ve segmentasyon araştırmalarında aktif olarak kullanılmaktadır. Son yıllarda insanlık, Koronavirus hastalığı 2019 insert ignore into journalissuearticles values(Covid-19); ile mücadele etmektedir. Göğüs-bilgisayarlı tomografi insert ignore into journalissuearticles values(BT); görüntüsü, olası Covid-19 hastalarını tespit etme de önemli bir araçtır. Bu çalışma, Derin Öğrenme insert ignore into journalissuearticles values(DÖ); algoritmaları kullanarak Covid-19 ve Covid-19 olmayan göğüs BT görüntülerini, sınıflandırmayı ve dört mimari kullanarak farklı parametrelerde başarılı sonuçlar elde edip edemeyeceğimizi araştırmayı amaçlamaktadır. Çalışma, kanıtlanmış pozitif Covid-19 CT görüntüleri üzerinde gerçekleştirildi ve görüntüler GitHub kamu platformundan elde edilmiştir. VGG16, VGG19, LeNet-5 ve MobileNet gibi dört farklı derin öğrenme mimarisi değerlendirildi. Performans değerlendirmelerinde ROC eğrisi, duyarlılık, doğruluk, F1-ölçütü, kesinlik ve RMSE kullanılmıştır. MobileNet modeli en iyi sonucu vermiştir sırasıyla; F1-ölçütü %95, doğruluk %95, kesinlik %100, duyarlılık %90, AUC %95 ve RMSE 0.23\`tür. En düşük performansı ise; F1-ölçütü %90, doğruluk %89, kesinlik %90, duyarlılık%90, AUC %89 ve RMSE 0.32 ile VGG19 modeli vermiştir. Algoritmaların performansları karşılaştırıldığında en yüksek doğruluk sırasıyla MobileNet, LeNet-5, VGG16 ve VGG19\`dan elde edilmiştir. Bu çalışma önerilen modeller çerçevesinde, Covid-19\`u tespit etmek için derin öğrenme modellerinin kullanışlılığını göstermiştir. Bu nedenle araştırma, Covid-19 tespit çalışmalarında Tıp ve Mühendislik literatürüne katkı sağlayabilir.
Keywords : Covid 19, Derin öğrenme, LeNet 5, MobileNet, VGG16, VGG19