Comparison of Lightweight and Traditional CNN Architectures in COVID-19 Detection from Lung X-Ray Images


Eryılmaz F., Karacan H.

3rd International Conference on Artificial Intelligence and Applied Mathematics in Engineering (ICAIAME 2021), Antalya, Turkey, 1 - 03 October 2021, pp.1-13

  • Publication Type: Conference Paper / Full Text
  • City: Antalya
  • Country: Turkey
  • Page Numbers: pp.1-13

Abstract

Tüm dünyayı etkisi altına alan korona virüs salgını yaklaşık iki yıldır sürmektedir. Solunum sistemine saldıran ve ileri vakalarda ölümle sonuçlanan bu virüse karşı mücadelede tüm ülkeler yetersiz kalmıştır. Bulaş oranının öngörülemeyen oranlarda artması ve ilk etapta herhangi bir ilaç, aşı ya da korucuyu madde bulunamaması nedeniyle ülkelerin sağlık alt yapısı bu yükü kaldıramamıştır. Sınırlı sayıda hastane, ekipman ve doktor olması nedeniyle hükümetler tıp öğrencileri, diş hekimleri, askerler ve polisleri hastalık teşhisi, takibi gibi alanlarda kullanmışlardır. Salgının ilerleyen günlerinde pasif ve mRna tabanlı aşılalar geliştirilmesine rağmen olası yan etkiler, virüse karşı etkinliği, ülkeler arası paylaşım, lojistik ve aşı karşıtlığı gibi konular kamuoylarında hala tartışılmaktadır. Her ülkenin salgın ile mücadele yöntemi farklı olmasına rağmen ortak ve geçerli kabul edilen metot ise hastalığın tespiti ve izolasyonudur. Hastalık tespiti ve izolasyonun başarı ile sağlanabilmesi için en kritik adım ise COVID-19 tanısının doğru konulmasıdır. Yeni bir sistem geliştirilmesi veya alt yapının kurulması kendine özgü bir çok risk barındırdığı için mevcut kabiliyetlerle bir çözüm üretmek oldukça önemlidir. Hemen hemen tüm tıp merkezlerinde bulunan ve standart ekipman olarak kabul edilen X-Ray görüntüleme cihazları mevcuttur. Gelişmiş ülkelerin test alt yapısının güçlendirilmesi, gelişmemiş ülkelerde ise mevcut sağlık alt yapısı ile test imkanını sunulması için X-Ray görüntüleri umut vaat etmektedir. İlgili çalışmanın amacı, evrişimsel sinir ağlarının X-Ray görüntülerini kullanarak COVID-19 ve diğer akciğer bulguları arasında sınıflandırma yapmak ve kriz anında destek alınan personel için mobil cihazlar vasıtasıyla hastalık tanısı koyma için olası çözümler araştırmaktadır. Bu amaçla; X-Ray görüntüleri kullanılarak COVID-19, Normal, Akciğer Opasitesi, Diğer Pnömoni etiketlerine göre MobileNetV2, NASNetMobile, Xception ve DenseNet121 CNN ağları kullanılarak sınıflandırma yapılmış ve sonuçlar karşılaştırılmıştır.