DERİN ÖĞRENME TABANLI MODELLERLE AKCİĞER X-RAY GÖRÜNTÜLERİNDEN COVID-19 TESPİTİ

Hacı Ömer Dokumacı

doi:10.17780/ksujes.1395468

TR EN

DERİN ÖĞRENME TABANLI MODELLERLE AKCİĞER X-RAY GÖRÜNTÜLERİNDEN COVID-19 TESPİTİ

Abstract

COVID-19 dünya çapında milyonlarca insanı enfekte etmiştir ve önemli hastalık ve ölümlere neden olmuştur. Akciğer röntgeni (CXR), COVID-19 hastalığını izlemek için hızlı ve etkili bir yöntemdir. CXR taramasından COVID-19 teşhisi zor olabilir ve deneyimli radyologlar bile her durumda kesin bir teşhis koyamayabilir. Bu çalışmada, çeşitli CNN tabanlı modellerin performansını değerlendirmek için COVID-19, akciğer opaklığı ve viral pnömonisi olan hastaların X-ışını görüntülerinden oluşan bir veri seti kullanıldı. Değiştirilmiş bir ConvNext’le, 4 yönlü sınıflandırmada COVID-19 görüntülerinde %98,1 doğruluk ve %97,8 kesinlik elde edildi. ConvNext, COVID-19 teşhisi için kullanılan en son tekniklere göre iyi bir performans sergilemektedir. Bu çalışmada ortaya konulan yöntem, klinisyenleri COVID-19 hastalarını taramada destekleyebilir. Böylece bu hastalar için daha hızlı tedavi ve daha iyi sağlık sonuçları mümkün olabilir.

Keywords

References

Apostolopoulos, I. D. & Mpesiana, T. A. (2020). 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.
Arias-Garzo´n, D., Alzate-Grisales, J.A., Orozco-Arias, S., Arteaga-Arteaga, H.B., Bravo-Ortiz, M.A., MoraRubio, A., vd. (2021). COVID-19 detection in X-ray images using convolutional neural networks. Mach Learn Appl, 6, 100138.
Chowdhury, M.E., Rahman, T., Khandakar, A., Mazhar, R., Kadir, M.A., Mahbub, Z.B., Islam, K.R., Khan, M.S., Iqbal, A., Emadi, N.A., vd. (2020). Can AI help in screening viral and covid-19 pneumonia?. https://arxiv.org/abs/2003.13145.
Gorbalenya, A. E., Baker, S. C., Baric, R. S., De Groot, R. J., Drosten, C., Gulyaeva, A. A & Ziebuhr, J. (2020). The species severe acute respiratory syndrome-related coronavirus: Classifying 2019-nCoV and naming it SARS-CoV-2. Nat Microbiol; 5, 536–44.
He, K., Zhang, X., Ren, S., & Sun, J. (2015). Deep Residual Learning for Image Recognition. https://arxiv.org/abs/1512.03385.
Khan, A. I., Shah, J. L. & Bhat, M. M. (2020). CoroNet: A deep neural network for detection and diagnosis of COVID-19 from chest x-ray images. Computer Methods & Programs in Biomedicine, 196(26), 105581.
Kucirka, L. M., Lauer, S. A., Laeyendecker, O., Boon, D. & Lessler, J. (2020). Variation in false-negative rate of reverse transcriptase polymerase chain reaction-based SARS-CoV-2 tests by time Since exposure. Annals of Internal Medicine, 173(4), 262–267.
Liu, Z., Mao, H., Wu, C., Feichtenhofer, C., Darrell, T., & Xie, S. (2022). A ConvNet for the 2020s. https://arxiv.org/abs/2201.03545.

Minaee, S., Kafieh, R., Sonka, M., Yazdani, S., & Jamalipour Soufi, G. (2020). Deep-COVID: Predicting COVID-19 from chest X-ray images using deep transfer learning. Med Image Anal, 65, 101794.
Ozturk, T., Talo, M., Yildirim, E.A., Baloglu, U.B., Yildirim, O., & Rajendra Acharya, U. (2020). Automated detection of COVID-19 cases using deep neural networks with X-ray images. Computers in Biology and Medicine, 121, 103792.
Phelan, A. L., Katz, R. & Gostin, L. O. (2020). The novel coronavirus originating in Wuhan, China: Challenges for global health governance. JAMA, 323(8), 709– 710.
Rahman, T., Khandakar, A., Qiblawey, Y., Tahir, A., Kiranyaz, S., Kashem, S.B.A., Islam, S.T., Maadeed, S.A., Zughaier, S.M., Khan, M.S., & Chowdhury, M.E. (2021). Exploring the Effect of Image Enhancement Techniques on COVID-19 Detection Using Chest X-ray Images. Computers in Biology and Medicine, 132, 104319.
Sethy, P.K., Behera, S.K., Ratha, P.K., & Biswas P. (2020). Detection of coronavirus Disease (COVID-19) based on Deep Features and Support Vector Machine. Int J Math Eng Manag Sci, 5(4), 643-651.
Tan, M., & Le, Q.V. (2019). EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks. https://arxiv.org/abs/1905.11946.
Umer, M., Ashraf, I., Ullah, S., Mehmood, A., & Choi, G.S. (2022). Covinet: A convolutional neural network approach for predicting covid-19 from chest x-ray images. Journal of Ambient Intelligence and Humanized Computing, 13(1), 535–547.
Wang, C., Horby, P. W., Hayden, F. G. & Gao, G. F. (2020) A novel coronavirus outbreak of global health concern. Lancet (London, England), 395(10223), 470– 473.
Wang, L., Lin Z. Q., & Wong, A. (2020). Covid-net: A tailored deep convolutional neural network design for detection of covid-19 cases from chest x-ray images. Scientific Reports, 10(1), 1–12.
Wang, L., Lin, Z.Q., & Wong, A. (2020). COVID-Net: a tailored deep convolutional neural network design for detection of COVID-19 cases from chest X-ray images. Sci Rep, 10(1), 19549.
Xie, S., Girshick, R., Dollár, P., Tu, Z., & He, K. (2016). Aggregated Residual Transformations for Deep Neural Networks. https://arxiv.org/abs/1611.05431.

Details

Primary Language

Turkish

Subjects

Deep Learning, Modelling and Simulation

Journal Section

Research Article

Authors

Hacı Ömer Dokumacı ^*
0000-0003-4032-0669
Türkiye

Publication Date

June 3, 2024

Submission Date

November 24, 2023

Acceptance Date

November 30, 2023

Published in Issue

Year 2024 Volume: 27 Number: 2

DOI

https://doi.org/10.17780/ksujes.1395468

IZ

https://izlik.org/JA98UE67NY

Cite

RIS / Bibtex

APA

Dokumacı, H. Ö. (2024). DERİN ÖĞRENME TABANLI MODELLERLE AKCİĞER X-RAY GÖRÜNTÜLERİNDEN COVID-19 TESPİTİ. Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi, 27(2), 481-487. https://doi.org/10.17780/ksujes.1395468

AMA

1.Dokumacı HÖ. DERİN ÖĞRENME TABANLI MODELLERLE AKCİĞER X-RAY GÖRÜNTÜLERİNDEN COVID-19 TESPİTİ. KSU J. Eng. Sci. 2024;27(2):481-487. doi:10.17780/ksujes.1395468

Chicago

Dokumacı, Hacı Ömer. 2024. “DERİN ÖĞRENME TABANLI MODELLERLE AKCİĞER X-RAY GÖRÜNTÜLERİNDEN COVID-19 TESPİTİ”. Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi 27 (2): 481-87. https://doi.org/10.17780/ksujes.1395468.

EndNote

Dokumacı HÖ (June 1, 2024) DERİN ÖĞRENME TABANLI MODELLERLE AKCİĞER X-RAY GÖRÜNTÜLERİNDEN COVID-19 TESPİTİ. Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi 27 2 481–487.

IEEE

[1]H. Ö. Dokumacı, “DERİN ÖĞRENME TABANLI MODELLERLE AKCİĞER X-RAY GÖRÜNTÜLERİNDEN COVID-19 TESPİTİ”, KSU J. Eng. Sci., vol. 27, no. 2, pp. 481–487, June 2024, doi: 10.17780/ksujes.1395468.

ISNAD

Dokumacı, Hacı Ömer. “DERİN ÖĞRENME TABANLI MODELLERLE AKCİĞER X-RAY GÖRÜNTÜLERİNDEN COVID-19 TESPİTİ”. Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi 27/2 (June 1, 2024): 481-487. https://doi.org/10.17780/ksujes.1395468.

JAMA

1.Dokumacı HÖ. DERİN ÖĞRENME TABANLI MODELLERLE AKCİĞER X-RAY GÖRÜNTÜLERİNDEN COVID-19 TESPİTİ. KSU J. Eng. Sci. 2024;27:481–487.

MLA

Dokumacı, Hacı Ömer. “DERİN ÖĞRENME TABANLI MODELLERLE AKCİĞER X-RAY GÖRÜNTÜLERİNDEN COVID-19 TESPİTİ”. Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi, vol. 27, no. 2, June 2024, pp. 481-7, doi:10.17780/ksujes.1395468.

Vancouver

1.Hacı Ömer Dokumacı. DERİN ÖĞRENME TABANLI MODELLERLE AKCİĞER X-RAY GÖRÜNTÜLERİNDEN COVID-19 TESPİTİ. KSU J. Eng. Sci. 2024 Jun. 1;27(2):481-7. doi:10.17780/ksujes.1395468

DERİN ÖĞRENME TABANLI MODELLERLE AKCİĞER X-RAY GÖRÜNTÜLERİNDEN COVID-19 TESPİTİ

Abstract

Keywords

DETECTION OF COVID-19 FROM CHEST X-RAY IMAGES WITH DEEP LEARNING BASED MODELS

Abstract

Keywords

References

Details

Primary Language

Subjects

Journal Section

Authors

Publication Date

Submission Date

Acceptance Date

Published in Issue

DOI

IZ

Cite