Geri Dön

X-ray görüntülerinden alt solunum yolu enfeksiyonlarının teşhisinde transfer öğrenme yöntemleri ve topluluk öğrenmeye dayalı yeni bir yaklaşım

A new approach based on transfer learning methods and ensemble learning in the diagnosis of lower respiratory tract infections from X-ray images

PDF İndir

  1. Tez No: 808024
  2. Yazar: BERİVAN ÖZAYDIN
  3. Danışmanlar: DOÇ. DR. RAMAZAN TEKİN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: COVID 19, COVID 19
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Batman Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Pandemik hastalık olarak ilan edilen COVID-19, milyonlarca insanın hayatını etkilemiş ve büyük bir salgına neden olan bir alt solunum yolu enfeksiyon hastalıklarından biridir. Corona virüsü, COVID-19 salgını olarak da kabul edilmektedir. Dünya çapında son yılların en akut ve şiddetli virüslerinden biridir. 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 ensemble 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.

Özet (Çeviri)

Declared as a pandemic disease, COVID-19 is one of the lower respiratory tract infectious diseases that has affected the lives of millions of people and caused a major epidemic. Corona virus is also considered as the COVID-19 epidemic. It is one of the most acute and severe viruses of recent years worldwide. Despite the development of virus vaccines, the rates of COVID-19 cases are increasing rapidly around the world. It is seen that artificial intelligence techniques are also used for the diagnosis of COVID-19 and other lower respiratory tract diseases. Especially deep learning techniques produce faster and more successful results than classical PCR testing and manual interpretation of X-ray images. Methods such as deep structured learning, interpretive learning, and transferred learning, also known as deep learning, are artificial neural network-based methods. In this study, COVID-19 and other lower respiratory tract infections were diagnosed using X-ray images with an ensemble hybrid model based on 9 different deep learning methods. The hybrid approach called DeepFeat-E performs diagnosis using deep features obtained from transfer models and classifiers consisting of classical machine learning methods. A dataset of 21,165 X-ray images in total of 10,192 Normal, 6012 Lung Opacity (Non-COVID lung infection), 1345 Viral Pneumonia and 3616 COVID-19 (Patients) were used to test the proposed approach. With the proposed approach, it was seen that the highest success was obtained with the deep features and Stacking ensemble learning method of DenseNet201 TL(Transfer Learning) models. In experimental studies with datasets with four, three and two classes, the test accuracy was 90.17%, 94.99% and 94.93%, respectively. In addition, it was observed that the system increased the accuracy values obtained in all DR models by varying amounts. According to the results obtained within the scope of this thesis study, it has been shown that the proposed DeepFeat-E hybrid system can be used quickly and reliably in the diagnosis of lower respiratory tract infectious diseases.

Benzer Tezler

  1. Tez No

    748652

    BT görüntülerinde akciğer pnömonisi ile ilişkili 13. jenerasyon hava ve damar yollarının segmentasyonuna imkan sağlayacak onkolojik bulguların sayısal olarak değerlendirilmesi

    Quantitative evaluation of oncological findings related to pulmonary pneumonia on CT images to allow segmentation of 13th generation airways and pulmonar vessels

    NUR EKENEL

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    OnkolojiEge Üniversitesi

    Temel Onkoloji Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖZKAN DOĞANAY

  2. Tez No

    983160

    2022-2024 yılları arasında Respiratuar Sinsityal Virüs (RSV)' e bağlı alt solunum yolu enfeksiyonu tanısıyla hastaneye yatan 1 ay-18 yaş arası çocuk hastaların laboratuvar ve klinik bulgularının değerlendirilmesi

    Evaluation of laboratory and clinical findings of children aged 1 month to 18 years hospitalized with a diagnosis of lower respiratory tract infection due to Respiratory Syncytial Virus (RSV) between 2022-2024 years

    PELİN SARI

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2025

    Çocuk Sağlığı ve HastalıklarıSağlık Bilimleri Üniversitesi

    Çocuk Sağlığı ve Hastalıkları Ana Bilim Dalı

    PROF. DR. AYŞE KARAASLAN

  3. Tez No

    747494

    COVID-19 hastalığının derin öğrenme yöntemleri kullanılarak tespiti

    Detection of COVID-19 disease using deep learning methods

    HÜSEYİN YAŞAR

    Doktora

    Türkçe

    Türkçe

    2022

    Elektrik ve Elektronik MühendisliğiKonya Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MURAT CEYLAN

  4. Tez No

    878616

    Sagittal posture analysis using wearable vivaldi antenna

    Giyilebilir vivaldi anten kullanarak sagital postür değerlendirmesi

    İLKE KAYA

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Fizyoterapi ve Rehabilitasyonİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TUBA YILMAZ ABDOLSAHEB

  5. Tez No

    331286

    Akciğer kanseri radyoterapi (RT) planlamasında gross tümör volüm GTV) konumunun belirlenmesinde BT-simülatör ile dinamik MRG görüntülerinin korelasyonu

    Correlation of CT simulator images with the dynamic MRI images in determining the position of gross tumor volume (GTV) in lung cancer radiotherapy (RT) planning

    SEVECEN SEYHUN NASIR

    Yüksek Lisans

    Türkçe

    Türkçe

    2012

    Fizik ve Fizik MühendisliğiDokuz Eylül Üniversitesi

    Fizik Ana Bilim Dalı

    YRD. DOÇ. DR. AYŞEGÜL YURT

Geri Dön