DERİN ÖĞRENME KULLANARAK TIBBİ GÖRÜNTÜLERDE COVID-19 VE ZATÜRRE TESPİTİ

Abstract

ÖZET

Covid-19 virüsü dünya çapında bir pandemi olarak yayıldı. Bilim insanları bu sorunları azaltmak ve çözüm bulmak için büyük çaba sarf ettiler. Tespit için kullanılan Ters Transkripsiyon-Polimeraz Zincir Reaksiyonu (RT-PCR) testinin başarı oranı düşük olması ve testi temin etmek için gereken süre nedeniyle, derin öğrenme modelleri, hastalığın teşhisinde yardımcı tespit yöntemi olarak birçok alanda başarıyla kullanılmış ve X-Işını, akciğer röntgeni görüntülerinde enfekte ve normal bireyleri belirlemek için kullanılmıştır. Covid-19 semptomları zatürreye benzediği için hastalığın tespiti için birçok derin öğrenme modeli önerilmiştir. Bu çalışmada dört farklı genel veri seti kullanılarak hem X-Işını hem de BT görüntüleri üzerinde Covid-19 ve pnömoni hastalığı tespiti yapılmaktadır. Hastalıkların tespiti için sade ve güçlü bir Evrişimsel Sinir Ağı modelinin kullanılması amaçlanmaktadır. Modelin veri seti özelliklerinden bağımsız olarak başarılı bir sınıflandırma gerçekleştirdiğini göstermek için X-Işını ve BT görüntülerine RGB, HSV ve CIE LAB renk uzayı dönüşümleri uygulanmıştır. Röntgen görüntülerinde ikili sınıflandırma (Covid-19-zatürre) doğruluk oranı %98.7, %98.4. BT görüntülerinde ikili sınıflandırma (Covid-19- zatürre) doğruluk oranı %97,6, %99,4'tür. Hassasiyet, Kesinlik, Spesifiklik, F1 Değeri ve Ortalama Kare Hatası metrikleri her model için hesaplanır. Ayrıca modelin başarı oranı 5 kat çapraz doğrulama ile kanıtlanmıştır.

ABSTRACT

The Covid-19 virus has spread as a worldwide pandemic. Scientists have made great efforts to reduce these problems and find solutions. Due to the low success rate of the Reverse Transcription-Polymerase Chain Reaction (RT-PCR) test used for detection and the time required to provide the test, deep learning models have been successfully used in many areas as an auxiliary detection method in the diagnosis of the disease, and X-Ray is used in lung X-ray images. used to identify infected and normal individuals. Because Covid-19 symptoms are similar to pneumonia, many deep learning models have been proposed for the detection of the disease. In this study, Covid-19 and pneumonia disease detection is performed on both X-ray and CT images using four different general data sets. It is aimed to use a simple and powerful Convolutional Neural Network model for the detection of diseases. RGB, HSV and CIE LAB color space transformations are applied to X-ray and CT images to show that the model performs successful classification regardless of data set properties. Binary classification (Covid-19-pneumonia) accuracy rate in X-ray images is 98.7%, 98.4%. Binary classification (Covid-19-pneumonia) accuracy rate in CT images is 97.6%, 99.4%. Precision, Recall, Specificity, F1score, and Mean Squared Error metrics are calculated for each model. In addition, the success rate of the model has been proven by 5-fold cross validation.