Diagnosing Covid-19 From X-RAY Images With Using Multi-Channel CNN Architecture
dc.authorid | 110138 | en_US |
dc.contributor.author | Yılmaz, Atınç | |
dc.date.accessioned | 2021-12-22T08:49:20Z | |
dc.date.available | 2021-12-22T08:49:20Z | |
dc.date.issued | 2021 | |
dc.department | İstanbul Beykent Üniversitesi | en_US |
dc.description.abstract | Yeni tip koronavirüs (Covid-19), hem insanlarda hem de hayvanlarda hastalığa sebep olan koronavirüs ailesinin bir üyesidir. Covid-19, Dünya Sağlık Örgütü tarafından pandemi olarak tanımlandırılan ve tüm dünyada salgınlaşarak insanlar için sonucu ölüme kadar gidebilecek riske sahiptir. Covid-19 tanısı konulabilmesi için şüpheli bireyden RT-PCR testi ile tanının doğrulanması gerekmektedir. Fakat bu testin sonuçlanması hem uzun zaman almakta hem de yanlış negatif sonuçlar ile çok sık karşılaşılabilmektedir. Covid-19 tanısı ne kadar erken ve doğru olursa, hayat kaybı risk oranı birey için o derece az olmaktadır. Derin öğrenme, özellikle tıp alanında son derece yüksek doğruluk ve hassasiyet gerektiren çeşitli karmaşık problemleri çözmek için çeşitli uygulamalarda yaygın olarak kullanılmıştır. Bu çalışmada, akciğer X-Ray görüntülerinden otomatik Covid-19 tanısı, önerilen çok kanallı CNN yöntemi kullanılarak yapılmaktadır. Hasta ve sağlıklı bireylerden elde edilen X-Ray görüntüleri çevrimiçi olarak üç ayrı veri tabanından elde edilmiştir. Sonuçları karşılaştırmak ve önerilen yöntemin verimliliğini ortaya koymak için tekrarlayan derin sinir ağları (SRN) mimarisi de aynı problem için uygulanmıştır. Ayrıca, çalışmanın performansını, doğruluğunu ve verimliliğini ortaya koymak için uygulanan yöntemler için doğruluk, hassasiyet analizi ve işlem sürelerinin ölçümleri yapılmıştır. Önerilen sistem ile PCR testi sonucu beklenmeden kısa sürede Covid-19 tanısı konarak, virüs vücutta etkisini ve hayati riski arttırmadan önlem alınması sağlanmaktadır. Bu çalışmada; tüm dünyada insan yaşamı için büyük bir risk olan Covid-19 ‘un erken tespiti için CNN'ye dayalı yeni bir yöntem önerilmektedir. Literatürdeki çalışmalardan farklı olarak, beş evrişim kanalına sahip olan çok kanallı CNN mimarisi sunumu ve bu kanalların ürettiği sonuçlar arasında en belirgin özellik filtrelerini seçmek için önerilen çok kanallı CNN mimarisinde kanal seçim formülü ortaya konmaktadır | en_US |
dc.identifier.citation | Journal of the Faculty of Engineering and Architecture of Gazi University 36:4 (2021) 1761-1773 | en_US |
dc.identifier.doi | 10.17341/gazimmfd.746883 | |
dc.identifier.issn | 1310-5132 | |
dc.identifier.scopus | 2-s2.0-85118164025 | en_US |
dc.identifier.scopusquality | N/A | en_US |
dc.identifier.trdizinid | 494894 | en_US |
dc.identifier.uri | https://search.trdizin.gov.tr/yayin/detay/494894 | |
dc.identifier.uri | https://doi.org/10.17341/gazimmfd.746883 | |
dc.identifier.wos | WOS:000692521900001 | en_US |
dc.identifier.wosquality | Q4 | en_US |
dc.indekslendigikaynak | Web of Science | en_US |
dc.indekslendigikaynak | Scopus | en_US |
dc.indekslendigikaynak | TR-Dizin | en_US |
dc.language.iso | tr | en_US |
dc.publisher | Gazi University | en_US |
dc.relation.publicationcategory | Makale - Uluslararası Hakemli Dergi - Kurum Öğretim Elemanı | en_US |
dc.subject | Covid-19 | en_US |
dc.subject | Önerilen çok kanallı CNN mimarisi | en_US |
dc.subject | Kanal seçimi | en_US |
dc.subject | Akciğer X-Ray | en_US |
dc.subject | Tanı | en_US |
dc.subject | Derin öğrenme | en_US |
dc.title | Diagnosing Covid-19 From X-RAY Images With Using Multi-Channel CNN Architecture | en_US |
dc.type | Article | en_US |
Dosyalar
Orijinal paket
1 - 1 / 1
Yükleniyor...
- İsim:
- 13 Diagnosing COVID-19 from X-Ray images with using multi-channel CNN architecture.pdf
- Boyut:
- 1.09 MB
- Biçim:
- Adobe Portable Document Format
- Açıklama:
Lisans paketi
1 - 1 / 1
Küçük Resim Yok
- İsim:
- license.txt
- Boyut:
- 1.44 KB
- Biçim:
- Item-specific license agreed upon to submission
- Açıklama: