Dergiler / Mühendislik Bilimleri ve Tasarım Dergisi / 2022 / Cilt: 10 - Sayı: 1

ÇEKİŞMELİ ÜRETİCİ AĞLAR VE TRANSFER ÖĞRENİMİ KULLANILARAK GÖĞÜS X-RAY GÖRÜNTÜLERİNDEN COVID-19 TESPİTİ ÜZERİNE BİR DERLEME

A SURVEY ON COVID-19 DETECTION FROM CHEST X-RAY IMAGES USING GENERATIVE ADVERSIAL NETWORKS AND TRANSFER LEARNING

Sayfa
328–340
Yayın Tarihi
2022-10-19
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Çalışma, göğüs X-Ray görüntüleri üzerinde COVID-19 tespiti yapan diğer çalışmalar için karşılaştırmalı bir rapor sağlamayı amaçlamaktadır.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:COVID-19 pandemisi ölümcül salgınlardan biridir.
📊
Temel Bulgular & Veri:Hastalığın daha fazla yayılmasını azaltmak için yapay zekâya dayalı alternatif test yöntemleri değerlendirilmiştir.
💡
Sonuç & Katkı:Çalışma, göğüs X-Ray görüntüleri üzerinde COVID-19 tespiti yapan diğer çalışmalar için karşılaştırmalı bir rapor sağlamayı amaçlamaktadır.
🔬Tür:Literatür & Derleme Çalışması
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:COVID-19 Tespiti · Göğüs X-Ray Görüntüleri · Makine Öğrenmesi

Özet

COVID-19 pandemisi ölümcül salgınlardan biridir. Hastalığın daha fazla yayılmasını azaltmak için yapay zekâya dayalı alternatif test yöntemleri değerlendirilmiştir. Viral bakteriyel zatürre (pnömoni) ile göğüs X-Ray görüntüleri COVID-19 hakkında önemli bilgiler sağlar. Bir yapay zekâ sistemi, radyologların bu göğüs röntgeni görüntülerinden COVID-19'u tespit etmesine yardımcı olabilir. Çekişmeli Üretici Ağlar (Generative Adversarial Networks-GANs) görüntü veri kümesinin genişletilmesi, yüksek çözünürlüklü görüntü elde etme, bir görüntüdeki desenin başka bir görüntüye transfer edilmesi gibi alanlarda kullanılır. Bu çalışmada, literatürde verilen göğüs X-Ray görüntüleri üzerinden COVID-19 tespiti yapan güncel çalışmalar kapsamlı olarak tartışılmıştır. Ayrıca bu çalışmalarda kullanılan veri kümelerinin özellikleri, GAN ile sentetik görüntülerin üretimi ve transfer öğrenme mimarileri üzerinde durulmuştur. Çalışma, göğüs X-Ray görüntüleri üzerinde COVID-19 tespiti yapan diğer çalışmalar için karşılaştırmalı bir rapor sağlamayı amaçlamaktadır.

Abstract

The pandemic related to the COVID-19 is one of the deadly epidemics. To reduce the further spread of the disease the alternative testing methods based on artificial intelligence have been evaluated. The chest X-Ray images with viral bacterial pneumonia provide remarkable information about COVID-19. An artificial intelligence system can help radiologists to detect COVID-19 from these chest X-Ray images. Generative Adversarial Networks (GANs) are used in areas such as expanding the image dataset (image augmentation), obtaining high-resolution images, transferring a pattern from one image to another. In this paper, the current studies which detect COVID-19 from the chest X-Ray images have been comprehensively discussed. Moreover, the properties of the datasets used in these studies, generating synthetic images with GAN and transfer learning approaches have been emphasized. This paper aims to provide a comprehensive report for other studies which detect COVID-19 from the chest X-Ray images.

🔖

Bu Makaleye Atıf Yap

PEHLİVANOĞLU, M. K., ARABACI, U. K. (2022). ÇEKİŞMELİ ÜRETİCİ AĞLAR VE TRANSFER ÖĞRENİMİ KULLANILARAK GÖĞÜS X-RAY GÖRÜNTÜLERİNDEN COVID-19 TESPİTİ ÜZERİNE BİR DERLEME. Mühendislik Bilimleri ve Tasarım Dergisi, Cilt: 10 - Sayı: 1, 328–340. https://ajindex.com/articles/583413

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (7)

  1. Actualmed COVID-19 Chest X-ray Dataset Initiative, https://github.com/agchung/Actualmed-COVID-chestxray-dataset, 2020. Ahmed A., et al. Pneumonia Sample X-Rays, GitHub, 2019. https://www.kaggle.com /ahmedali2019/pneumonia-sample-xrays. Ahmed S., Yap M.H., et al. 2020. medRxiv.07.11.20149112; doi: https://doi.org/10.1101/2020.07.11.20149112
  2. Apostolopoulos I. D., Mpesiana T. A., 2020. Covid-19: automatic detection from x-ray images utilizing transfer learning with convolutional neural 15 networks, Physical and Engineering Sciences in Medicine, vol. 43, pp.635–640.
  3. Bozkurt, F. 2021. Derin Öğrenme Tekniklerini Kullanarak Akciğer X-Ray Görüntülerinden COVID-19 Tespiti. Avrupa Bilim ve Teknoloji Dergisi, vol. 24, pp. 149-156.
  4. Bozkurt, F. and Bayram, E. 2021. Local Binary Pattern Based COVID-19 Detection Method Using Chest X-Ray Images. 29th Signal Processing and Communications Applications Conference (SIU), pp. 1-4, doi: 10.1109/SIU53274.2021.9477796. Bustos A., Pertusa A. 2020. Padchest: A large chest x-ray image dataset with multi-label annotated reports. Medical Image Analysis, page 101797. Chest Imaging, https://threadreaderapp.com/thread/1243928581983670272.html, 2021. Chest Imaging, https://twitter.com/ChestImaging/status/1243928581983670272, 2021.
  5. Chouhan, V., Singh, S.K., et al. 2020 A novel transfer learning based approach for pneumonia detection in chest X-ray images. Appl. Sci. 10, 559. Chowdhury, M.E.H., et al., 2020. Can AI Help in Screening Viral and COVID-19 Pneumonia?. IEEE Access, vol. 8, pp. 132665-132676.arXiv preprint arXiv:2003.13145. Cohen J. P., Morrison P., et al. 2020. Covid-19 image data collection: Prospective predictions are the future. arXiv preprint arXiv:2006.11988, 2020. Covid Data Save Lives, https://www.hmhospitales.com/coronavirus/covid-data-save-lives/english-version, 2020. COVID-19 CT scans, https://www.kaggle.com/andrewmvd/covid19-ct-scans, 2020. COVID-19 Image Repository, https://github.com/ml-workgroup/covid-19-image-repository, 2020. COVID-19 X rays, https://www.kaggle.com/andrewmvd/convid19-x-rays, 2020. COVID-19-AR, https://wiki.cancerimagingarchive.net/pages/viewpage.action?pageId=70226443, 2020. COVID-chestxray-dataset, https://github.com/agchung/Figure1-COVID-chestxray-dataset, 2020.
  6. Das, A.K., Ghosh, S., Thunder, S. et al. 2021. Automatic COVID-19 detection from X-ray images using ensemble learning with convolutional neural network. Pattern Anal Applic (2021). https://doi.org/10.1007/s10044-021-00970-4
  7. Dilbag S, K