X-ray görüntüleri ile derin öğrenme teknikleri kullanılarak COVID-19 tespiti

Abstract

COVID-19 salgını küresel refah ve halk sağlığı üzerinde yıkıcı bir etkiye sahiptir. Şu ana kadar dünya çapında 27 milyondan fazla doğrulanmış vaka bildirilmiştir. Doğrulanmış vaka sayısının artması ve COVID-19 varyasyonlarına yönelik zorluklar nedeniyle, COVID-19’u kontrol etmek ve tedavi etmek için sağlıklı ve enfekte hastaların zamanında ve doğru bir şekilde sınıflandırılması esastır. Bu tez çalışması, COVID-19 vakaların sınıflandırma sonuçlarına dayalı tahmin modeli için son teknolojik gelişmelere uygun X-Ray göğüs görüntüleri üzerinde VGG-16, Inception-V3, DenseNet-121, ResNet50 ve AlextNet olmak üzere beş farklı derin öğrenme algoritmalarının performansları değerlendirilmiştir. Tez çalışmasında, COVID-19, Normal ve Pneumonia (zatürre) olmak üzere üç sınıflandırmaya ayrılmış X-ışını görüntülerinden oluşan kapsamlı bir veri seti kullanılmıştır. Derin öğrenme modellerinin sağlamlığını artırmak için görüntü normalizasyonu ve artırma dahil olmak üzere kapsamlı ön işleme adımları kullanılmıştır. Her modelin veri seti üzerindeki başarısını ölçmek için doğruluk, kesinlik, duyarlılık ve F1-skoru dahil olmak üzere standart değerlendirme ölçütleri kullanılarak eğitimi ve doğrulanması yapılmıştır. Sonuçlar, ResNet50’nin COVID19 tahmin etmede diğer yöntemlerden daha iyi performans gösterdiğini göstermektedir. Bu tez çalışması, derin öğrenmenin tıbbi görüntülemedeki potansiyelini, özellikle X-Ray görüntülerinden COVID-19’u tespit etmdeki potansiyeli vurgulanmıştır. Modellerin doğrulukları sağlık hizmetlerinin kalitesini artırmak, yetersiz uzmanların olduğu alanlarda iş yükünü hafifletmek ve tıbbi kararlar almak amacıyla tahmin çalışmalarında derin öğrenme teknolojilerinden yararlanma yönündeki devam eden çabalara katkıda bulunarak tıbbi görüntü sınıflandırmasında gelecekteki ilerlemeler için bir temel sağlayacaktır. Sonuçlar değerlendirildiğinde hastalığın tespiti, teşhisi ve tedavisi aşamalarında uzmanlara hızlı karar desteği sağlamak amacıyla derin öğrenme model seçiminin önemini vurgulayarak, ResNet50’in pratik tanı iş akışlarına entegre edilmesini önerilmektedir.