COVID-19 pandemisi ölümcül salgınlardan biridir. Hastalığın daha fazla yayılmasını azaltmak için yapay zekâya dayalı alternatif test yöntemleri değerlendirilmiştir. Viral bakteriyel zatürre (pnömoni) ile göğüs X-Ray görüntüleri COVID-19 hakkında önemli bilgiler sağlar. Bir yapay zekâ sistemi, radyologların bu göğüs röntgeni görüntülerinden COVID-19'u tespit etmesine yardımcı olabilir. Çekişmeli Üretici Ağlar (Generative Adversarial Networks-GANs) görüntü veri kümesinin genişletilmesi, yüksek çözünürlüklü görüntü elde etme, bir görüntüdeki desenin başka bir görüntüye transfer edilmesi gibi alanlarda kullanılır. Bu çalışmada, literatürde verilen göğüs X-Ray görüntüleri üzerinden COVID-19 tespiti yapan güncel çalışmalar kapsamlı olarak tartışılmıştır. Ayrıca bu çalışmalarda kullanılan veri kümelerinin özellikleri, GAN ile sentetik görüntülerin üretimi ve transfer öğrenme mimarileri üzerinde durulmuştur. Çalışma, göğüs X-Ray görüntüleri üzerinde COVID-19 tespiti yapan diğer çalışmalar için karşılaştırmalı bir rapor sağlamayı amaçlamaktadır.
The pandemic related to the COVID-19 is one of the deadly epidemics. To reduce the further spread of the disease the alternative testing methods based on artificial intelligence have been evaluated. The chest X-Ray images with viral bacterial pneumonia provide remarkable information about COVID-19. An artificial intelligence system can help radiologists to detect COVID-19 from these chest X-Ray images. Generative Adversarial Networks (GANs) are used in areas such as expanding the image dataset (image augmentation), obtaining high-resolution images, transferring a pattern from one image to another. In this paper, the current studies which detect COVID-19 from the chest X-Ray images have been comprehensively discussed. Moreover, the properties of the datasets used in these studies, generating synthetic images with GAN and transfer learning approaches have been emphasized. This paper aims to provide a comprehensive report for other studies which detect COVID-19 from the chest X-Ray images.
Field : Mimarlık, Planlama ve Tasarım; Mühendislik
Journal Type : Uluslararası
Relevant Articles | Author | # |
---|
Article | Author | # |
---|