Atıf Sayısı
24
Görüntüleme
31
İndirme
12
COVID-19 salgını tüm dünyada hızla yayılarak küresel bir pandemi haline gelmiştir. Bu salgın, günlük yaşamda hem halk sağlığı hem de küresel ekonomi üzerinde yıkıcı bir etkiye sahip olmuştur. Bu salgının daha fazla yayılmasını önlemek ve etkilenen hastaları hızla tedavi etmek için pozitif vakaları olabildiğince erken tespit etmek çok önemlidir. COVID-19 enfeksiyonunun hızlı bir şekilde ve yüksek doğrulukta teşhisini sağlayan herhangi bir yardımcı araç uzmanlar için faydalıdır. Bu anlamda, X-Ray tomografik görüntüleme COVID-19 teşhisinde kolay erişilebilir alternatif bir araçtır. Radyoloji görüntüleme teknikleri kullanılarak elde edilen son bulgular, bu tür görüntülerin COVID-19 virüsü hakkında çarpıcı bilgiler içerdiğini göstermektedir. Radyolojik görüntülemeyle birlikte gelişmiş yapay zekâ ve makine öğrenmesi tekniklerinin uygulanması, bu hastalığın doğru tespiti için yardımcı olabilir. X-ray görüntüleri şüpheli vakaların erken tespitine yardımcı olabilse de, çeşitli viral ve bakteriyel pnömoni (zatürre) görüntüleri COVID-19 ile benzerdir ve benzer özellikler içermektedir. Dolayısıyla radyologların viral ve bakteriyel pnömoni gibi benzer akciğer hastalıklarını COVID-19’dan ayırt etmesi zordur. Bu bağlamda, COVID-19 semptomlarının viral pnömoniye benzer olması, yanlış tanılara yol açabilmektedir. Bu çalışmada, kurulan farklı modeller ile akciğer X-Ray görüntülerini COVID-19, normal ve viral pnömoni (zatürre) hastalar olarak sınıflandırabilen derin öğrenme tekniklerinin bir karşılaştırması yapılmıştır. Bu çalışmada, 11 farklı derin öğrenme tekniği üzerinde çalışılmıştır. Günümüzde popüler olan evrişimli sinir ağları tabanlı farklı tekniklerin aynı veri kümesi üzerinde deneysel çalışmaları yapılarak her bir tekniğin performans değerlendirmesi yapılmış ve en iyi tahminleme yöntemi belirlenmiştir. Yapılan deneysel çalışmalarda, en yüksek doğruluk değeri %97.17 ile DenseNet121 modeli ile elde edilmiştir.
The COVID-19 epidemic has rapidly spread around the world and has become a global pandemic. This epidemic has had a devastating effect on both public health and the global economy in everyday life. It is important to prevent more spread of this epidemic and to detect positive cases as early as possible to treat the affected patients quickly. COVID-19 is useful for any assistant vehicle specialists that can quickly and accurately diagnose the infection. In this sense, X-ray tomographic imaging is an easy-to-access alternative tool in the diagnosis of COVID-19. The latest findings obtained using radiological imaging techniques show that such images contain amazing information about the COVID-19 virus. The application of advanced artificial intelligence and machine learning techniques along with radiological imaging can help to correctly detect this disease. Though X-ray images can help early detection of suspicious cases, various viral and bacterial pneumonia (sugar) images are similar to COVID-19 and contain similar features. Therefore, it is difficult for radiologists to distinguish similar lung diseases such as viral and bacterial pneumonia from COVID-19. In this context, the similarity of COVID-19 symptoms to viral pneumonia can lead to misdiagnosis. In this study, a comparison of deep learning techniques that can classify lung X-ray images as COVID-19, normal and viral pneumonia (sugar) patients. In this study, 11 different deep learning techniques have been studied. Today popular evolutionary nerve networks have made experimental studies on the same data set of different techniques, each technique has been performed and the best method of prediction has been determined. In the experimental studies, the highest accuracy value was achieved with the DenseNet121 model with 97.17%.
COVID-19 has spread rapidly all over the world and has become a global pandemic. This epidemic has a devastating impact on both public health and the global economy in everyday life. Detecting positive cases as early as possible is crucial to prevent the further spread of this epidemic and to treat affected patients quickly. Any tool that provides a fast and highly accurate diagnosis of COVID-19 infection is useful to experts. In this context, X-Ray tomographic imaging is an easily accessible alternative tool in the diagnosis of COVID-19. Recent developments using radiology imaging techniques show that such images contain interesting information about the COVID-19. The application of advanced artificial intelligence and machine learning techniques combined with radiological imaging can assist to accurate detection of this disease. Although X-Ray images can help to diagnose suspected cases early, various viral and bacterial pneumonia images are similar to COVID-19 and include similar features. Therefore, it is difficult for radiologists to distinguish similar lung diseases like viral and bacterial pneumonia from COVID-19. In this context, the similarity of COVID-19 symptoms to viral pneumonia can lead to misdiagnosis. In this study, deep learning techniques that can classify chest X-Ray images as COVID-19, normal and viral pneumonia are compared. In this study, 11 different deep learning techniques have been studied. Experimental studies of different techniques based on convolutional neural networks, which are popular today, have been studied on the same dataset to evaluate the performance of each technique and the best prediction method has been determined. In experimental studies, the highest accuracy value is obtained with the DenseNet121 model with 97.17%.
Alan : Fen Bilimleri ve Matematik; Mühendislik
Dergi Türü : Uluslararası
Makale Detay 
Atıf Yapanlar
Benzer Makaleler
PDF Görüntüle
Dergi Bilgisi
Eseri Dinleyin
Bu Sayfayı Yazdırın
Paylaş
Mendeley
