Abstract
En ölümcül akciğer hastalıklarından üçü olan COVID-19, tüberküloz ve zatürre, rutin olarak göğüs röntgeni (GR) taramaları kullanılarak tespit edilmektedir. Son teknolojik gelişmeler, otomatik teşhis için bilgisayar destekli sistemlerde yeni bir çağ başlatmakta ve önemli faydalar sunmaktadır. Bu çalışma, bu hastalıkları GR'lerden ayırt etmek için tasarlanmış üç aşamalı yeni bir derin öğrenme modeli önermektedir. Modelin ilk aşamasında, derinlemesine ayrılabilir evrişim, geleneksel evrişim ve tam bağlı katmanlar dahil olmak üzere derin özellikleri çıkarmak için bir Evrişimsel Sinir Ağı (ESA) kullanılmaktadır. İkinci aşamada, daha yüksek sınıflandırma başarısı elde etmek için Destek Vektör Makineleri (DVM) sınıflandırıcısı kullanılarak tekrar bir eğitim sürecinden geçirilmektedir. Bu sayede farklı katmanlardan alınan derin özelliklerden daha fazla yararlanılmaktadır. Üçüncü aşamada ise model test edilmektedir. Deneysel çalışmalarda dört sınıftan oluşan GR veri kümesi üzerinde testler gerçekleştirilmiştir. Bu veri kümesi COVID-19, Pnömoni, Normal ve Tüberküloz sınıflarını içermektedir. Kapsamlı deneysel çalışmalar sonucunda önerilen model %99,30 ortalama doğruluk sonucuna ulaşmıştır. Diğer yandan sınıf bazlı sonuçlarda COVID-19 ve Tüberküloz için %100, Normal ve Pnömoni vakaları için ise %98,60 doğruluk oranına ulaşmıştır. Bu sonuçlar COVID-19 ve Tüberküloz sınıflandırması için önerilen modelin çok etkili olduğu görülmektedir. Ayrıca deneysel çalışmaların ikinci bölümünde, önerilen model sonuçları, mevcut modeller ile karşılaştırılmış ve üstün başarılar elde ettiği görülmüştür.
Publisher
International Journal of Informatics Technologies