Covid19 Tanısı: X-Işını ve Kan Ölçüm Verileri Arasında Karşılaştırmalı Yaklaşım

Basit Öğe Kaydı
dc.contributor.authorÖztaş, Ali Emre
dc.contributor.authorBoncukcu, Dorukhan
dc.contributor.authorÖzteke, Ege
dc.contributor.authorDemir, Mahir
dc.contributor.authorMirici, Nihal Arzu
dc.contributor.authorMutlu, Pınar
dc.date.accessioned2025-01-27T19:37:21Z
dc.date.available2025-01-27T19:37:21Z
dc.date.issued2022
dc.departmentÇanakkale Onsekiz Mart Üniversitesi
dc.description.abstractCovid-19 virüsü dünya üzerinde büyük bir etki bırakmıştır ve yayılmaya devam etmektedir. Daha fazla yayılmasını engellemek için koronavirüs hastalarına erken tanı koymak oldukça önemlidir. Her ne kadar akciğer X-Işını görüntüsü tanısı ile çözüm en hızlı ve en kolay yöntem olsa da ortalama bir radyoloğun X-Işını verilerini kullanarak tanı koymadaki doğruluğu tamamen mesleki deneyimine dayanmaktadır. Yani, daha deneyimsiz radyologların hata yapma olasılığı daha fazladır. Bu nedenle tutarlı sonuçlar verebilen bir yapay zekâ modeli üretilmesi istenmektedir. Çalışmamızda göğüs X-Işını görüntüleri ve sıradan kan ölçüm verileri kullanılarak sınıflandırma yapılmış ve sonuçları karşılaştırılmıştır. X-Işını verileri hem açık kaynak çalışmalardan hem de yerel bir hastaneden anonim olarak toplanmıştır ve yaklaşık 7200 görüntüye sahiptir. Kan ölçümü sonuçları da yine aynı yerel hastaneden toplanmıştır. Göğüs X-Işını verilerinin tanısı için yaygın olarak kullanılan evrişimsel sinir ağı algoritmalarından ResNet, SqueezeNet, DenseNet ve VGG kullanılmıştır. Sonuçlar, SqueezeNet modelinin daha yüksek AUC değeri vermesiyle birlikte, diğer algoritmaların da %85 üstünde bulma ve tutturma değeri sağladığını göstermektedir. Covid-19’un kan ölçümlerinden tanısı için ise çok katmanlı yapay sinir ağı ve destek vektör makinası kullanılmıştır. Kan ölçüm verileri kullanarak sınıflandırma kısıtlı bir veri kümesi üzerinde yapılmış olsa da yapay sinir ağı ve destek vektör makinası için doğruluk oranları sırasıyla %76 ve %82 olarak bulunmuştur. Genelleme yapılırsa X-Işını yoluyla tanının kan ölçümü yoluyla yapılan tanıdan daha uygulanabilir olduğu ve Covid tanısında yapay zekânın insanlardan daha doğru sonuç çıkardığı sonucuna ulaşılmıştır.
dc.identifier.doi10.54525/tbbmd.1038234
dc.identifier.endpage103
dc.identifier.issn1305-8991
dc.identifier.issn2618-5997
dc.identifier.issue2
dc.identifier.startpage95
dc.identifier.trdizinid1144228
dc.identifier.urihttps://doi.org/10.54525/tbbmd.1038234
dc.identifier.urihttps://search.trdizin.gov.tr/tr/yayin/detay/1144228
dc.identifier.urihttps://hdl.handle.net/20.500.12428/17202
dc.identifier.volume15
dc.indekslendigikaynakTR-Dizin
dc.language.isotr
dc.relation.ispartofTBV Bilgisayar Bilimleri ve Mühendisliği Dergisi
dc.relation.publicationcategoryMakale - Ulusal Hakemli Dergi - Kurum Öğretim Elemanı
dc.rightsinfo:eu-repo/semantics/openAccess
dc.snmzKA_TRD_20250125
dc.subjectTıbbi İnformatik
dc.subjectBilgisayar Bilimleri
dc.subjectYazılım Mühendisliği
dc.subjectGörüntüleme Bilimi ve Fotoğraf Teknolojisi
dc.subjectTemel Sağlık Hizmetleri
dc.subjectSağlık Bilimleri ve Hizmetleri
dc.subjectYoğun Bakım
dc.subjectTıp
dc.subjectRadyoloji
dc.subjectNükleer Tıp
dc.subjectTıbbi Görüntüleme
dc.subjectTıbbi Laboratuar Teknolojisi
dc.titleCovid19 Tanısı: X-Işını ve Kan Ölçüm Verileri Arasında Karşılaştırmalı Yaklaşım
dc.typeArticle

Dosyalar

Koleksiyon

TR-Dizin İndeksli Yayınlar Koleksiyonu