Akademik Veri Yönetim Sistemi
6th International Symposium on Global Pandemics and Multidisciplinary Covid-19 Studies, Ankara, Türkiye, 24 Kasım - 26 Aralık 2023, ss.133-141
COVID-19
salgını tüm dünyada insanların sağlığını etkilemektedir. Teyit edilen vaka ve
ölüm sayısı her geçen gün artmaya devam ettiğinden, temel amaç pozitif vakaları
en kısa sürede tespit etmek ve onlara gerekli tedaviyi sağlamaktır. Hastalığın
tespitinde en çok tercih edilen yöntem ters transkripsiyon-polimeraz zincir
reaksiyonu (RT-PCR) testleridir. Bu testlerin sonuçlarının uzunluğu ve başarı
yüzdesinin hastalığın evrelerine göre farklılık gösterebilmesi önemli
dezavantajlar olarak öne çıkmaktadır. Göğüs röntgenleri ve bilgisayarlı
tomografi (BT) gibi görüntüleme verilerinin kullanılmasının COVID-19'un hızlı
bir şekilde teşhis edilmesinde faydalı olacağı kanıtlanmıştır. Bilgisayarlı
Tomografi çok sayıda görüntü sağladığından, bu görsel özellikleri tanımak zor
olacak ve radyologlar için çok fazla zaman alacaktır, bu nedenle derin öğrenme
(DL) modelleri de dahil olmak üzere otomatik tanı teknolojileri son zamanlarda
BT taramalarında COVID19 taraması için kullanılmaktadır. Derin öğrenme,
bilgisayar destekli hastalık tespiti çalışmalarında kullanılan yöntemlerin
başında gelmektedir. Tıbbi görüntülerin görsel analizini yaparak hastalığın
teşhis edilmesine radyologlara yardımcı olmaktadır. Özellikle, konvolüsyonel
sinir ağları bilgisayarlı görme, nesne tanıma gibi görevlerde çok yüksek
başarım performansına sahip derin öğrenme ağlarından biridir. Dolayısıyla tıbbi
görüntüler üzerinde tespit ve sınıflandırma çalışmalarında da oldukça popüler
hale gelmiştir. Tıbbi görüntü uygulamalarında sınırlı sayıda verilerle de
yüksek başarılar elde edebilmek önemlidir çünkü verilerin toplaması ve
etiketlemesi etik kurul izinleri gibi prosedürler gerektirir. Bu nedenle
sınırlı veri ile CNN eğitimi gerçekleştirilirken, eğitilmiş bir modelin
bilgisini başka bir veri kümesini öğrenmek için kullanan transfer öğrenme
yöntemi kullanılmaktadır. Bu araştırmada, transfer öğrenme ile geliştirilmiş
hibrit CNN modeli ile yerel bir hastane arşivinden toplanan yeni bir göğüs BT
veri kümesi üzerinde COVID-19 tespiti gerçekleştirilmiştir. Deneysel çalışma
sonuçları, önceden eğitilmiş InceptionResnetV2 mimarisinin 0,99'luk bir
doğruluk elde ettiğini ortaya koyarak COVİD-19 hastalarını tespit etmek ve
izlemek için önerilen modelin başarısını kanıtlamıştır.