ÖNCEDEN EĞİTİLMİŞ DERİN AĞLAR İLE GÖĞÜS RÖNTGENİ GÖRÜNTÜLERİ KULLANARAK PNÖMONİ SINIFLANDIRILMASI

Authors : Mehmet Bilal ER

Pages : 193-204

Doi:10.36306/konjes.794505

View : 39 | Download : 13

Publication Date : 2021-03-02

Article Type : Research Paper

Abstract :Pnömoni, bakterilerin, virüslerin veya mantarların neden olabileceği bir akciğer enfeksiyonudur. Enfeksiyon, akciğerlerin hava keselerinin iltihaplanmasına ve sıvı veya irin ile dolmasına neden olur. Ciddi ve hayatı tehdit eden bir hastalık olabilir. Dünya genelinde her yıl pnömoni nedeniyle çok sayıda kişi ölmektedir. Pnömoninin erken tespiti ve tedavisi, ölüm oranlarını önemli ölçüde azaltabilmektedir. Bu nedenle, bu araştırmada pnömoniyi tespit etmek için röntgen görüntüleri kullanarak önceden eğitilmiş derin öğrenme modellerine dayanan yöntem önerilmektir. Göğüs röntgen görüntülerini pnömoni ve pnömoni olmayan iki sınıfta sınıflandırmak için çeşitli önceden eğitilmiş Evrişimsel Sinir Ağları özellik çıkarıcı olarak kullanılmıştır. Önceden eğitilmiş derin öğrenme modelleri olarak AlexNet, VGG16, ResNet (ResNet18, ResNet50, ResNet101) modelleri tercih edilmiştir. Bu modellerden elde edilen özellikler birleştirilerek hibrit özellik vektörü elde edilmiştir. Sınıflandırıcı olarak Destek Vektör Makineleri (DVM) ve derin öğrenme modellerinin son katmanında bulunan Softmax kullanılmıştır. Deneyler literatürde yaygın kullanılan veri seti üzerinde yapılmıştır. En yüksek sınıflandırma başarısı %98,32 olarak hibrit özellik vektöründen elde edilmiştir.
Keywords : Pnömoni, Evrişimsel sinir ağlar, AlexNet, ResNet, VGG16

ORIGINAL ARTICLE URL