- Gümüşhane Üniversitesi Fen Bilimleri Dergisi
- IOCENS'21 Konferansı Ek Issue
- Automatic prediction of covid-19 from chest- computed tomography (CT) images using deep learning arc...
Automatic prediction of covid-19 from chest- computed tomography (CT) images using deep learning architectures
Authors : Veysel Türk, Hatice Çatal Reis, Serhat Kaya
Pages : 76-88
Doi:10.17714/gumusfenbil.1002738
View : 9 | Download : 2
Publication Date : 2022-09-30
Article Type : Research
Abstract :Makine öğrenmesi, son yıllarda hastalık tespiti ve segmentasyon araştırmalarında aktif olarak kullanılmaktadır. Son yıllarda insanlık, Koronavirus hastalığı 2019 (Covid-19) ile mücadele etmektedir. Göğüs-bilgisayarlı tomografi (BT) görüntüsü, olası Covid-19 hastalarını tespit etme de önemli bir araçtır. Bu çalışma, Derin Öğrenme (DÖ) algoritmaları kullanarak Covid-19 ve Covid-19 olmayan göğüs BT görüntülerini, sınıflandırmayı ve dört mimari kullanarak farklı parametrelerde başarılı sonuçlar elde edip edemeyeceğimizi araştırmayı amaçlamaktadır. Çalışma, kanıtlanmış pozitif Covid-19 CT görüntüleri üzerinde gerçekleştirildi ve görüntüler GitHub kamu platformundan elde edilmiştir. VGG16, VGG19, LeNet-5 ve MobileNet gibi dört farklı derin öğrenme mimarisi değerlendirildi. Performans değerlendirmelerinde ROC eğrisi, duyarlılık, doğruluk, F1-ölçütü, kesinlik ve RMSE kullanılmıştır. MobileNet modeli en iyi sonucu vermiştir sırasıyla; F1-ölçütü %95, doğruluk %95, kesinlik %100, duyarlılık %90, AUC %95 ve RMSE 0.23\'tür. En düşük performansı ise; F1-ölçütü %90, doğruluk %89, kesinlik %90, duyarlılık%90, AUC %89 ve RMSE 0.32 ile VGG19 modeli vermiştir. Algoritmaların performansları karşılaştırıldığında en yüksek doğruluk sırasıyla MobileNet, LeNet-5, VGG16 ve VGG19\'dan elde edilmiştir. Bu çalışma önerilen modeller çerçevesinde, Covid-19\'u tespit etmek için derin öğrenme modellerinin kullanışlılığını göstermiştir. Bu nedenle araştırma, Covid-19 tespit çalışmalarında Tıp ve Mühendislik literatürüne katkı sağlayabilir.Keywords : Covid-19, Derin öğrenme, LeNet-5, MobileNet, VGG16, VGG19