SUBMISSIONS

SUBMISSION DETAIL

Ahmet SAYGILI
 


Keywords:



ÖNCEDEN EĞİTİLMİŞ VGG16 DERİN EVRİŞİMLİ SİNİR AĞI KULLANARAK COVID-19 SINIFLANDIRMASI
 
2020 yılı mart ayında Dünya Sağlık Örgütü tarafından küresel salgın olarak ilan edilen ve korona virüs ailesinden bir tür olan COVID-19 virüsü tüm dünyayı etkisine almış ciddi rahatsızlıklara hatta ölümlere yol açabilen bir virüstür. Bu virüsün erken tanı ve tedavisi için tüm dünya seferberlik halinde çalışmaktadır. COVID-19 hastalığının erken tanı ve tedavisinde radyolojik görüntülemelerin kullanılması hem hızlı hem de maliyeti düşük bir yöntemdir. Bu nedenle radyolojik görüntülemeler üzerinden COVID-19 tanısı koymaya çalışan çok sayıda çalışma gerçekleştirilmektedir. Bizim gerçekleştirdiğimiz bu çalışmada da VGG16 derin evrişimli sinir ağları ile COVID-19 sınıflandırması yapılmaktadır. VGG16 1000 farklı sınıfa ait 14 milyon görüntü kullanılarak haftalarca eğitilmiş evrişimli bir sinir ağı modelidir. Çalışmamızda da bu önceden eğitilmiş derin sinir ağı modelinin veri artırımı uygulanmış ve uygulanmamış modellerine göre bilgisayarlı tomografi (BT) görüntüleri yardımıyla COVID-19 verilerinin hasta ve sağlıklı olarak sınıflandırılması işlemi gerçekleştirilmiştir. Elde edilen sonuçların performans değerlendirilmesinde doğruluk, duyarlılık, özgüllük, negatif tahmin değeri ve pozitif tahmin değeri olmak üzere beş farklı metrik kullanılmıştır. Veri artırımı yapılmış versiyon ile elde edilen performans yüzdeleri sırasıyla 90.34, 88.83, 91.87, 88.98, 91.76’dır. Veri artırımı yapılmadan elde edilen sonuçlar ise 96.51, 93.88, 99.19,94.09,99.16’dır. Elde edilen sonuçlar ışığında mevcut sistemin sağlık çalışanlarına, erken tanı ve tedaviye destek olabilecek nitelikte olduğunu söylemek mümkündür. Gelecekte mevcut çalışmanın farklı derin öğrenme mimarileri ile karşılaştırılmalı olarak gerçeklenmesi hedeflenmektedir.

Anahtar Kelimeler: COVID-19, Derin Öğrenme, VGG16, Görüntü İşleme, Evrişimli Sinir Ağları