Kullanım Kılavuzu
Neden sadece 3 sonuç görüntüleyebiliyorum?
Sadece üye olan kurumların ağından bağlandığınız da tüm sonuçları görüntüleyebilirsiniz. Üye olmayan kurumlar için kurum yetkililerinin başvurması durumunda 1 aylık ücretsiz deneme sürümü açmaktayız.
Benim olmayan çok sonuç geliyor?
Birçok kaynakça da atıflar "Soyad, İ" olarak gösterildiği için özellikle Soyad ve isminin baş harfi aynı olan akademisyenlerin atıfları zaman zaman karışabilmektedir. Bu sorun tüm dünyadaki atıf dizinlerinin sıkça karşılaştığı bir sorundur.
Sadece ilgili makaleme yapılan atıfları nasıl görebilirim?
Makalenizin ismini arattıktan sonra detaylar kısmına bastığınız anda seçtiğiniz makaleye yapılan atıfları görebilirsiniz.
  Atıf Sayısı 5
 Görüntüleme 35
 İndirme 6
Derin Öğrenme ve Sınıflandırma Yaklaşımları ile BT görüntülerinden Covid-19 Tespiti
2021
Dergi:  
Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi
Yazar:  
Özet:

İlk olarak Çin ülkesinin Wuhan eyaletinde, Aralık 2019 tarihinde görülen ve oldukça bulaşıcı bir hastalık olan yeni tip koronavirüs (Covid-19), sadece birkaç ay içerisinde tüm dünyaya yayılmış ve bir pandemi haline gelmiştir. Covid-19, dünya ekonomik yapısını, insanların dini, siyasi, sosyal yaşamını, halk sağlığı yapısını, insanların günlük yaşam yapısını değiştirmiş ve milyonlarca insanı işsiz bırakmıştır. Bu salgınla mücadele etmenin öncelikli yolu, enfekte olan kişinin mümkün olan en kısa sürede teşhis edilmesi ve onun sağlıklı bireylerden uzaklaştırılmasıdır. Şu anda, dünya çapında koronavirüs hastalarını tespit etmek için Ters Transkripsiyon-Polimeraz Zincir Reaksiyonu (TT-PZR) kullanılmaktadır. Ancak Dünya Sağlık Örgütü’nce (DSÖ), TT-PZR’nin erken evre vakalarının tespitinde düşük duyarlılık ve düşük özgüllükten mustarip olduğu vurgulanmıştır. Son araştırmalar göstermiştir ki, göğüs Bilgisayarlı Tomografi (BT) taraması görüntüleri, koronavirüs vakalarını belirlemede yararlı bir rol oynamaktadır. Bu çalışmada, Covid-19 vakalarının sınıflandırma sonuçlarına dayalı tahmin modeli için son teknolojik gelişmelere uygun birçok sınıflandırma algoritmaları ile birlikte Evrişimli Sinir Ağı (ESA) performansları karşılaştırılmıştır. Sonuç, önerilen ESA modelinin, diğer gelişmiş sınıflandırma algoritmalarından daha iyi performans gösterdiği ve %98.1 doğruluk elde ettiği vurgulanmıştır.

Anahtar Kelimeler:

Detection of Covid-19 from IT images with deep learning and classification approaches
2021
Yazar:  
Özet:

First, the new type of coronavirus (Covid-19), which was seen in December 2019 in China’s state of Wuhan, has spread throughout the world in just a few months and has become a pandemic. Covid-19 has changed the world’s economic structure, people’s religious, political, social life, public health structure, people’s daily life structure and left millions of people unemployed. The primary way to fight this epidemic is to diagnose the infected person as soon as possible and remove him from healthy individuals. Currently, reverse transcription-polymerase chain reaction (TT-PZR) is used to detect coronavirus patients worldwide. However, according to the World Health Organization (WHO), TT-PZR has been emphasized to be low sensitivity and low personality in the detection of early stages. Recent research has shown that computer tomography (BT) screening images play a useful role in determining cases of coronavirus. This study compared the performance of the Evolutionary Neural Network (ESA) along with many classification algorithms for the predictive model based on the classification results of the Covid-19 cases, according to the latest technological developments. The result emphasized that the recommended ESA model performed better than other advanced classification algorithms and obtained 98.1% accuracy.

Anahtar Kelimeler:

2021
Yazar:  
Atıf Yapanlar
Dikkat!
Yayınların atıflarını görmek için Sobiad'a Üye Bir Üniversite Ağından erişim sağlamalısınız. Kurumuzun Sobiad'a üye olması için Kütüphane ve Dokümantasyon Daire Başkanlığı ile iletişim kurabilirsiniz.
Kampüs Dışı Erişim
Eğer Sobiad Abonesi bir kuruma bağlıysanız kurum dışı erişim için Giriş Yap Panelini kullanabilirsiniz. Kurumsal E-Mail adresiniz ile kolayca üye olup giriş yapabilirsiniz.
Benzer Makaleler








Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi

Alan :   Mühendislik

Dergi Türü :   Ulusal

Metrikler
Makale : 807
Atıf : 2.051
Quarter
Mühendislik Temel Alanı
Q2
41/114

Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi