1 sonuçlar
Arama Sonuçları
Listeleniyor 1 - 1 / 1
Öğe X-Ray görüntülerinden alt solunum yolu enfeksiyonlarının teşhisinde transfer öğrenme yöntemleri ve topluluk öğrenmeye dayalı yeni bir yaklaşım(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2023-07-07) Özaydın, Berivan; Tekin, RamazanGünümüzde virüslerin neden olduğu hastalıklar büyük salgınlara neden olarak milyonlarca insanın hayatını etkilemektedirler. Bu virüslerin neden olduğu hastalıklardan bazıları alt solunum yolu enfeksiyonları olup bunlar arasında COVID-19 salgını Corona virüsün neden son yılların en akut ve şiddetli virüslerinden birisidir. Virüs aşıları geliştirilmesine rağmen dünya genelinde COVID-19 vaka oranları hızla artmaktadır. COVID-19 ve diğer alt solunum yolları hastalıkların teşhisi için yapay zekâ tekniklerinin de kullanıldığı görülmektedir. Özellikle derin öğrenme teknikleri klasik PCR testi ve X-ray görüntülerin manuel yorumlanmasına göre daha hızlı ve başarılı sonuçlar üretmektedir. Derin öğrenme olarak da bilinen derin yapılandırılmış öğrenme, yorumlamalı öğrenme, aktarılmış öğrenme gibi metotlar yapay sinir ağı tabanlı yöntemlerdir. Bu çalışmada 9 farklı transfer derin öğrenme metodu tabanlı topluluk sınıflandırıcılı hibrit bir model ile X-ray görüntüleri kullanılarak COVID-19 ve diğer alt solunum yolu enfeksiyonu hastalıkların teşhisi gerçekleştirilmiştir. DeepFeat-E olarak isimlendirilen hibrit yaklaşım transfer modellerinden elde edilen derin öznitelikler ve klasik makine öğrenimi yöntemlerinden oluşan sınıflandırıcılar kullanılarak teşhis işlemi gerçekleştirmektedir. Önerilen yaklaşımı test etmek için 10.192 Normal, 6012 Akciğer Opaklığı (COVID Dışı akciğer enfeksiyonu), 1345 Viral Pnömoni ve 3616 COVID-19 (Hasta) toplamda 21.165 X-ray görüntüsünden oluşan veri seti kullanılmıştır. Önerilen yaklaşım ile en yüksek başarı DenseNet201 TÖ (Transfer Öğrenme) modellerine ait derin öznitelikler ve İstifleme topluluk öğrenme yöntemiyle elde edildiği görülmüştür. Dört, üç ve iki sınıfa sahip veri seti ile yapılan deneysel çalışmalarda sırasıyla test doğruluğu %90,17, %94,99 ve %94,93 olarak elde edilmiştir. Ayrıca sistemin tüm TÖ modellerinde elde edilen doğruluk değerlerini değişen miktarlarda arttırdığı görülmüştür. Bu tez çalışması kapsamında elde edilen sonuçlara göre, önerilen DeepFeat-E isimli hibrit sistemin alt solunum yolu enfeksiyon hastalıkların teşhisinde hızlı ve güvenilir bir şekilde kullanılabileceğini göstermiştir.
