Akademik Veri Yönetim Sistemi
Uluslararası Bilişim Kongresi, Batman, Türkiye, 17 - 19 Şubat 2022, ss.523-530
Etkisini tüm dünya üzerinde sürdüren COVID-19 pandemisi dünya genelinde 5 milyondan fazla insanın ölümüne sebeb olmuştur. Bu virusün insan vücudunda yaptığı tahribatlar sonucunda, özellikle akciğerideki deformasyon daha da belirgin hale gelmiştir. Birçok ülkede aşı çalışmaları devam etse de, ortaya çıkan yeni varyantların yayılmasına engel olamamıştır. Bu çalışmadaki amacımız; insan akciğer röntgen görüntülerinden COVID-19 teşhisinin derin öğrenme algoritması olan tekrarlayan sinir ağ metodu (Recurrent Neural Network- RNN) mimari tabanını kullanarak tahmin edilmesi ve böylece klinik tedavide hastaya erken müdahale edilebilmesidir. RNN görüntü, yazı, konuşma, zamana bağlı çeşitli sensör veya istatiksel veriler gibi belli bir sıra ile gelen verilerin yapısını sınıflandırmada sıklıkla kullanılır. Veri seti olarak 576 adet pozitif ve 1583 adet negatif görüntü içeren akçiğer görüntüleri kullanılmıştır. RNN tabanını kullanarak; yaklaşık %97’lik tahmin oranını ile DENSENET metoduyla elde edildi. RESNET metoduyla %87’lik bir oran çıktı. Tahminler gösterdi ki, RNN tabanlı DENSENET yönetmiyle yapılan sınıflandırma yöntemi diğer metotladan daha başarılı sonuçlar vermiştir.