SUBMISSIONS

SUBMISSION DETAIL

Ahmet SAYGILI
 


Keywords:



ÖNCEDEN EÐÝTÝLMÝÞ VGG16 DERÝN EVRÝÞÝMLÝ SÝNÝR AÐI KULLANARAK COVID-19 SINIFLANDIRMASI
 
2020 yýlý mart ayýnda Dünya Saðlýk Örgütü tarafýndan küresel salgýn olarak ilan edilen ve korona virüs ailesinden bir tür olan COVID-19 virüsü tüm dünyayý etkisine almýþ ciddi rahatsýzlýklara hatta ölümlere yol açabilen bir virüstür. Bu virüsün erken taný ve tedavisi için tüm dünya seferberlik halinde çalýþmaktadýr. COVID-19 hastalýðýnýn erken taný ve tedavisinde radyolojik görüntülemelerin kullanýlmasý hem hýzlý hem de maliyeti düþük bir yöntemdir. Bu nedenle radyolojik görüntülemeler üzerinden COVID-19 tanýsý koymaya çalýþan çok sayýda çalýþma gerçekleþtirilmektedir. Bizim gerçekleþtirdiðimiz bu çalýþmada da VGG16 derin evriþimli sinir aðlarý ile COVID-19 sýnýflandýrmasý yapýlmaktadýr. VGG16 1000 farklý sýnýfa ait 14 milyon görüntü kullanýlarak haftalarca eðitilmiþ evriþimli bir sinir aðý modelidir. Çalýþmamýzda da bu önceden eðitilmiþ derin sinir aðý modelinin veri artýrýmý uygulanmýþ ve uygulanmamýþ modellerine göre bilgisayarlý tomografi (BT) görüntüleri yardýmýyla COVID-19 verilerinin hasta ve saðlýklý olarak sýnýflandýrýlmasý iþlemi gerçekleþtirilmiþtir. Elde edilen sonuçlarýn performans deðerlendirilmesinde doðruluk, duyarlýlýk, özgüllük, negatif tahmin deðeri ve pozitif tahmin deðeri olmak üzere beþ farklý metrik kullanýlmýþtýr. Veri artýrýmý yapýlmýþ versiyon ile elde edilen performans yüzdeleri sýrasýyla 90.34, 88.83, 91.87, 88.98, 91.76’dýr. Veri artýrýmý yapýlmadan elde edilen sonuçlar ise 96.51, 93.88, 99.19,94.09,99.16’dýr. Elde edilen sonuçlar ýþýðýnda mevcut sistemin saðlýk çalýþanlarýna, erken taný ve tedaviye destek olabilecek nitelikte olduðunu söylemek mümkündür. Gelecekte mevcut çalýþmanýn farklý derin öðrenme mimarileri ile karþýlaþtýrýlmalý olarak gerçeklenmesi hedeflenmektedir.

Anahtar Kelimeler: COVID-19, Derin Öðrenme, VGG16, Görüntü Ýþleme, Evriþimli Sinir Aðlarý