Göğüs röntgen görüntülerini kullanarak derin transfer öğrenme yöntemleriyle COVID-19 tespiti

Abstract

Çin Wuhan kentinde 17 Kasım 2019 tarihinde ilk kez ortaya çıkan Koronavirüs (Covid-19) kısa sürede tüm dünyayı etkisi altına almıştır. Koronavirüsler, tarihte birçok varyantı olan virüslerdir. Bazı hastalarda hafif nezle gibi etkileri olurken bazı hastalara bulaşan varyasyonlarında ölümcül sonuçlara neden olmaktadır. Covid-19 virüsü fiziksel temas ve hava yoluyla çok hızlı bir şekilde enfekte olmaktadır. Covid-19 tanısında bilinen üç yöntem kullanılmaktadır. PZR (Polimeraz Zincir Reaksiyonu) testi, kan testi ve akciğer tomografisi tanı için kullanılan yöntemlerdir. PZR (Polimeraz Zincir Reaksiyonu) testi, ağız ve burundan test çubukları ile alınan sürüntü ile tespit edilmektedir. Bilgisayarlı tomografi görüntülerini anlamak ve sınıflandırmak, Covid-19 tanısı için son derece önemlidir. Birçok vaka sınıflandırma çalışması, özellikle dengesiz ve yetersiz veriler olmak üzere birçok sorunla karşı karşıyadır. Büyük verileri analiz etmek için etkili bir araç olarak ortaya çıkan Derin Öğrenme, bilgisayarları eğitmek için karmaşık algoritmalar ve yapay sinir ağları kullanır, böylece tıpkı bir insan beyninin yaptığı gibi deneyimlerden öğrenebilir, verileri/görüntüleri sınıflandırabilir ve tanıyabilirler. Derin Öğrenme içinde, Evrişimli Sinir Ağı (CNN), görüntü/nesne tanıma ve sınıflandırma için yaygın olarak kullanılan bir tür yapay sinir ağıdır. Derin Öğrenme böylece bir CNN kullanarak bir görüntüdeki nesneleri tanır. Bu çalışmada radyoloji göğüs görüntülerden oluşan bir veri seti üzerinde ResNet50, VGG16, VGG19 ve DenseNet derin öğrenme yöntemleri kullanılarak Covid-19 vakasını tespit etmek amaçlanmıştır. Önerilen bu modeller ile yapılan deneysel çalışmamız sonucunda ResNet50 modelinde maksimum %0,91 ile %0,99 doğruluk oranı elde edilmiştir. Sonuç olarak, Covid19 hastalığını tespit etmek için röntgen görüntülerinin kullanımı sağlık çalışanlarının iş yükünü hafifleteceği gibi hasta ile temasta bulunmadan bilgisayarlı sistemlerle hastalık tespitinin daha kolay olacağı öngörülmektedir. Bu alanda çalışmalar desteklendiği takdirde teorikte olduğu gibi pratikte de başarı elde edilecektir.