Akciğer X-Ray Görüntülerinden COVID-19 Tespitinde Hafif ve Geleneksel Evrişimsel Sinir Ağ Mimarilerinin Karşılaştırılması

Abstract

Solunum sistemine etki eden ve ileri vakalarda ölüme neden olan korona virüs salgını yaklaşık iki yıldır devam etmektedir. Her ülkenin salgın ile mücadele yöntemi farklı olmasına rağmen ortak izlenen metot ise hastalığın tespiti ve izolasyonudur. Tespit ve izolasyon için en kritik adım ise COVID-19 tanısının doğru ve hızlı konulmasıdır. Akciğer X-Ray görüntülerinde virüse özgü bulgulara rastlanılması, bu verilerin hastalık teşhisinde kullanılabileceğini göstermektedir. İlgili çalışmanın amacı, makine öğrenmesi yöntemleri ile COVID-19 ve diğer akciğer hastalıklarına ait X-Ray görüntülerini işleyerek çoklu sınıflandırma yapmaktır. Bu sayede kriz anında tanı koyma ve izolasyon için yardım alınacak alanında uzman olmayan personele mobil cihazlar vasıtasıyla karar aşamasında destek sağlanması hedeflenmektedir. Bu amaçla: COVID-19, Normal, Akciğer Opasitesi, Diğer Pnömoni etiketlerine ait 11,293 X-Ray görüntüsünden oluşan veri seti MobileNetV2, NASNetMobile, Xception ve DenseNet121 CNN ağları kullanılarak sınıflandırılmış ve sonuçlar karşılaştırılmıştır. En başarılı sonuçlar DenseNet121 ve MobileNet ağları ile elde edilmiş olup sırası ile %92,16 ve %91,78 doğruluk oranıyla sınıflandırma gerçekleştirilmiştir.

Keywords

• evrişimsel sinir ağları
• koronavirüs
• covid-19
• transfer öğrenimi
• x-ray
• convolutional neural network
• coronavirus
• transfer learning
• x-ray