COVID-19 Vakalarının Tespiti için Derin Öğrenme Tekniklerinin Uygulanması

Abstract

Yeni Koronavirüs Hastalığı (COVID-19), ateş, öksürük, nefes darlığı gibi solunum yolu enfeksiyon belirtileri gösteren bir grup hastada yapılan araştırmalar sonucunda ortaya çıkan yeni bir virüstür. Hızlı teşhis yöntemleri ile hastalığın yayılmasını önlemek ve pozitif vakaları erken tespit etmek çok önemlidir. COVID-19 teşhisi için kullanılan en yaygın test tekniği, gerçek zamanlı tersine test tekniği olan RT-PCR'dir. Ancak, patolojik laboratuvar testlerinin uzun sürmesi ve yanlış test sonuçları, araştırmacıları farklı alanlara yöneltmiştir. Radyolojik görüntüleme, çeşitli akciğer hastalıklarının tespitinde yararlı olduğu gibi COVID-19 hastalığını izlemek için de kullanılmaya başlanmıştır. Radyolojik görüntüleme ile birlikte derin öğrenme tekniklerinin uygulanması bu hastalığın doğru tespitinde oldukça önemlidir. Bu çalışmada, COVID-19 X-Ray veri seti kullanılarak temel füzyon fonksiyonlarının topluluk öğrenme algoritmaları üzerindeki sınıflandırma performansına etkisi araştırılmıştır. Farklı derin öğrenme modellerini birleştirmek için iki farklı topluluk modeli oluşturulmuştur; ENS-1 ve ENS-2. Bu topluluk modellerinde Max, Mode, Sum, Mean ve Product gibi temel füzyon fonksiyonları test edilmiştir. Elde edilen değerler incelendiğinde Max ve Product temel füzyon fonksiyonlarının sınıflandırma performansı üzerinde olumlu bir etkiye sahip olduğu görülmektedir. Çoklu sınıflandırmada, hem ENS-1 hem de ENS-2 için Max işlevi sırasıyla %85 ve %86 doğruluk oranıyla öne çıkmaktadır. Product fonksiyonu, ikili sınıflandırmada %99 ile en yüksek performansı elde etmiştir. Sonuçlar, füzyon yöntemlerinin ikili sınıflandırmada daha iyi sınıflandırma performansı elde edebileceğini göstermektedir.

The New Coronavirus Disease (COVID-19) is a new virus that emerged as a result of research in a group of patients who showed respiratory tract infection symptoms such as fever, cough, and shortness of breath. It is very important to prevent the spread of the disease with rapid diagnosis methods and to detect positive cases early. The most common testing technique used for diagnosing COVID-19 is RT-PCR, which is a real-time reverse testing technique. However, the long duration of pathological laboratory tests and inaccurate test results have led researchers to different fields. Radiological imaging has begun to be used to monitor COVID-19 disease as well as being useful in detecting various lung diseases. The application of deep learning techniques together with radiological imaging is very important in the correct detection of this disease. In this study, the effect of basic fusion functions on the classification performance of ensemble learning algorithms was investigated using the COVID-19 X-Ray dataset. Two different ensemble models were created to combine different deep learning models; ENS-1 and ENS-2. In these ensemble models, basic fusion functions such as Max, Mode, Sum, Mean and Product have been tested. When the obtained values are examined, it is seen that the Max and Product basic fusion functions have a positive effect on the classification performance. In multiclassification, the Max function for both ENS-1 and ENS-2 stands out with %85 and %86 accuracy, respectively. Product function achieved the highest performance with %99 in binary classification. The results show that fusion methods can achieve better classification performance in binary classification.