Transfer Öğrenme Mimarileri Kullanılarak Bilgisayarlı Tomografi Görüntülerinden Covid-19'un Yüksek Doğrulukla Sınıflandırılması

Abstract

Covid-19 virüsü 2019 yılından beri milyonlarca kişinin ölümüne neden olmuştur. Enfekte vaka oranını mümkün oldukça düşük tutmak amacıyla, virüsü tespit etmek ve hasta kişileri teşhis etmek için, çeşitli testler kullanılmıştır. Yapay zekâ, PCR testi gibi geleneksel yöntemlerden daha iyi performans göstererek, tıbbi görüntülerde virüsü tespit etmede kullanılan yöntemlerden biri olarak etkinliğini kanıtlamıştır. Bu çalışmada, halka açık iki farklı veri seti üzerinde derin öğrenme yaklaşımı ile Covid-19 sınıflandırması yapmak üzere VGG19, ResNet50, EfficientNetB0, DenseNet201 ve Xception transfer öğrenme mimarileri kullanılmıştır. Önerilen çalışmada daha yüksek doğruluklar elde etmek için modellerin hiper parametreleri üzerinde ince ayarlar yapılmıştır. Önerilen modellerin kullanılmasıyla en iyi sınıflandırma doğrulukları, birinci veri setinde VGG19 ile %98.04 ve ikinci veri setinde ResNet50 ile %99.62 olarak elde edilmiştir. Her iki veri setinin test kümelerinde VGG19 ve DenseNet201 modelleri güncel literatür yöntemleriyle kıyaslanabilir doğruluklara erişmiştir. İkinci veri setinin sınıflandırma sonuçları, bu makalede kullanılan modellerin ortalama %99.51 ile diğer literatür yöntemlerinden daha yüksek doğruluklara ulaştığını göstermiştir.