Derin Öğrenme Mimari Yapısını Esas Alan Hibrit Yaklaşım Kullanılarak Radyolojik Görüntülerden COVID-19 Teşhisi ve Tahmin Edilmesi

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Van Yüzüncü Yıl Üniversitesi, Mühendislik Fakültesi, Bilgisayar Mühendisliği Bölümü, Türkiye

Tezin Onay Tarihi: 2022

Tezin Dili: Türkçe

Öğrenci: Seyfullah URUT

Danışman: Recep Özdağ

Özet:

SARS-CoV-2 virüsü kaynaklı yeni bir Korona virüs hastalığı olan ve etkisini tüm dünyada göstermeye devam eden COVID-19 pandemisi resmi olarak toplamda 623 milyondan fazla vaka sayısına ulaşarak 6.5 milyondan fazla insanın ölümüne sebep olmuştur. Bu virüsün insan vücudunda yaptığı tahribatlar sonucunda, özellikle akciğercideki deformasyon belirgin hale gelmiştir. Bu tezde, derin öğrenme mimarileri olan Evrişimsel Sinir Ağı (Convolutional Neural Network - CNN) ile Tekrarlayan Sinir Ağı (Recurrent Neural Network- RNN) kullanarak akciğer Bilgisayarlı Tomografi (Computed Tomography - CT) ve Enerjik Yüksek Frekanslı Elektromanyetik Radyasyon (Energetic High-Frequency Electromagnetic Radiation - X-Ray) görüntülerinden COVID-19’un teşhisi ve tahmin edilmesi amaçlanmıştır. Bu amaçla tez kapsamında öncelikle CNN mimarisi esas alınarak pozitif COVID-19, negatif COVID-19 ile akciğer iltihabı vakalarından oluşan ve toplam 9150 adet olan akciğer X-Ray ve CT radyolojik görüntülerden özellik çıkarımı gerçekleştirilmiştir. Sonrasında ise RNN mimarisi olan Uzun Kısa Süreli Bellek (Long Short-Term Memory ˗ LSTM) modeli esas alınarak görüntülerin sınıflandırması gerçekleştirilmiştir. Tasarlanan hibrit (CNN+LSTM) mimarisi ile test görüntülerinin sınıflandırılmasında %93’lük bir doğruluğa ulaşılmıştır. Bu tezde, radyolojik görüntülerden Pozitif COVID-19’un sınıflandırılmasında RNN-LSTM modeli ile farklı bir hibrit mimari yapı tasarlanarak; hem literatüre katkı sağlanmış, hem de Pozitif COVID-19 vakalarının teşhisi ve tahmin edilmesi sürecinde Radyologların hızlı ve doğru karar vermelerine yardımcı olunmuştur.