Dergiler / Veri Bilimi / 2021 / Cilt: 4 - Sayı: 2

Derin Evrişimli Sinir Ağları Kullanarak Akciğer X-Ray Görüntülerinden COVID-19 Tespiti

Sayfa
1–8
Yayın Tarihi
2021-08-19
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)

Deneysel çalışmalarda, önerilen derin ESA modeli ile doğruluk değeri en yüksek %96 bulunmuştur.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:COVID-19 salgını, dünya çapında büyük bir güvenlik ve sağlık tehdidi haline gelmiştir.
📊
Temel Bulgular & Veri:Tipik akciğer X-ray görüntüleri şüpheli vakaların erken taranmasına yardımcı olabilse de, çeşitli viral pnömoni (zatürre) görüntüleri COVID-19 ile benzerdir ve benzer özellikler içermektedir.
💡
Sonuç & Katkı:Deneysel çalışmalarda, önerilen derin ESA modeli ile doğruluk değeri en yüksek %96 bulunmuştur.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Derin öğrenme · ESA · X-Ray

Özet

COVID-19 salgını, dünya çapında büyük bir güvenlik ve sağlık tehdidi haline gelmiştir. Tipik akciğer X-ray görüntüleri şüpheli vakaların erken taranmasına yardımcı olabilse de, çeşitli viral pnömoni (zatürre) görüntüleri COVID-19 ile benzerdir ve benzer özellikler içermektedir. Dolayısıyla radyologların diğer benzer akciğer hastalıklarını COVID-19’dan ayırt etmesi zordur. Bu bağlamda, COVID-19 semptomlarının viral pnömoniye benzer olması, yanlış tanılara yol açabilmektedir. Bu çalışmada akciğer X-ray görüntülerinden COVID-19’un derin evrişimli sinir ağları (ESA) kullanılarak tespiti yapılmıştır. Çalışmada bir derin ESA modeli sunulmuş olup, açık erişimli veri kümesi üzerinde deneysel çalışmalar gerçekleştirilmiştir. Bu veri kümesinde, COVID-19, Normal ve Viral Pnömoni olmak üzere üç sınıfa ait toplam 3886 görüntü bulunmaktadır. Bu veri kümesini kullanarak, önerilen ESA modelinin doğruluğu üzerine performans değerlendirmeleri yapılmış olup ayrıca sonuçlar VGG19, Inception V3 ve ResNet50 gibi derin ESA tabanlı diğer popüler modeller ile karşılaştırılmıştır. Deneysel çalışmalarda, önerilen derin ESA modeli ile doğruluk değeri en yüksek %96 bulunmuştur.

🔖

Bu Makaleye Atıf Yap

BOZKURT, F., YAĞANOĞLU, M. (2021). Derin Evrişimli Sinir Ağları Kullanarak Akciğer X-Ray Görüntülerinden COVID-19 Tespiti. Veri Bilimi, Cilt: 4 - Sayı: 2, 1–8. https://ajindex.com/articles/821844

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (13)

  1. Organization W. H., "Global COVID-19 report," March 25,2020 2020
  2. Medicine J. H. U., Coronavirus COVID-19 Global Cases by the Center for Systems Science and Engineering (CSSE) at Johns Hopkins University (JHU), accessed on Jan. 2021. [Online]. Available:
  3. News A. J., India's poor testing rate may have masked coronavirus cases. accessed on Mar. 2020. [Online]. Available:
  4. Chowdhury, M. E., Rahman, T., Khandakar, A., Mazhar, R., Kadir, M. A., Mahbub, Z. B.,. & Islam, M. T., “Can AI help in screening viral and COVID-19 pneumonia?”, IEEE Access, 8, 132665-132676, 2020
  5. Mangal, A., Kalia, S., Rajgopal, H., Rangarajan, K., Namboodiri, V., Banerjee, S., & Arora, C., “CovidAID: COVID-19 detection using chest X-ray”, arXiv preprint arXiv:2004.09803, 2020
  6. El Asnaoui, K., & Chawki, Y., “Using X-ray images and deep learning for automated detection of coronavirus disease”, Journal of Biomolecular Structure and Dynamics, 1-12, 2020
  7. Apostolopoulos, I. D., & Mpesiana, T. A., “Covid-19: automatic detection from x-ray images utilizing transfer learning with convolutional neural networks”, Physical and Engineering Sciences in Medicine, 43(2), 635-640, 2020
  8. Abbas, A., Abdelsamea, M. M., & Gaber, M. M., “Classification of COVID-19 in chest X-ray images using DeTraC deep convolutional neural network”, Applied Intelligence, 51(2), 854-864, 2021
  9. Rahimzadeh, M., & Attar, A., “A modified deep convolutional neural network for detecting COVID-19 and pneumonia from chest X-ray images based on the concatenation of Xception and ResNet50V2”, Informatics in Medicine Unlocked, 19, 100360, 2020
  10. Narin, A., Kaya, C., & Pamuk, Z., “Automatic detection of coronavirus disease (covid-19) using x-ray images and deep convolutional neural networks”, arXiv preprint arXiv:2003.10849, 2020
  11. Majeed, T., Rashid, R., Ali, D., & Asaad, A., “Covid-19 detection using cnn transfer learning from x-ray images”, medRxiv, 2020
  12. Rafi, T. H., “An ensemble deep transfer-learning approach to identify COVID-19 cases from chest X-ray images”, In 2020 IEEE Conference on Computational Intelligence in Bioinformatics and Computational Biology (CIBCB) (pp. 1-5). IEEE, 2020
  13. Hemdan, E. E. D., Shouman, M. A., & Karar, M. E., “Covidx-net: A framework of deep learning classifiers to diagnose covid-19 in x-ray images”, arXiv preprint