Akademik Veri Yönetim Sistemi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Gazi Üniversitesi, Fen Bilimleri Enstitüsü, Türkiye
Tezin Onay Tarihi: 2023
Tezin Dili: Türkçe
Öğrenci: Buğra HATİPOĞLU
Asıl Danışman (Eş Danışmanlı Tezler İçin): İrfan Karagöz
Eş Danışman: Mikail İnal
Özet:
COVID-19 virüsü, sağlık ve ekonomi açısından dünyayı etkisi altına almış küresel bir sorundur. Yayılma hızı çok yüksektir. Bu yüzden erken ve doğru tespiti çok önemlidir. Enfekte olan hastalarda ölüme yol açan pnömoni gelişebilir. Pnömoni akciğerde tutuluma neden olur. Pnömoninin anatomik yerleşimine göre tutulum tipleri vardır. COVID-19 virüsü, akciğerlerde genel olarak interstisyel bir tutulum yapmaktadır. Bu da bize lobar tutulum yapan diğer hastalıklardan coronayı ayırabilme imkanı vermektedir. Bu çalışmada akciğer grafisi görüntülerinden COVID-19 pnömonisi, lobar pnömoni ve sağlıklı sınıflandırması yapılmaktadır. Sınıflandırma işlemi için bir derin öğrenme metodu olan ESA kullanılmıştır. Az katmanlı bir ESA modeli kullanılarak kısa sürede yüksek doğruluk elde edilmesi hedeflenmiştir. Modelin başarısını test edebilmek için VGG16 ve VGG19 modellerle karşılaştırma yapılmıştır. Karşılaştırma sonuçlarına göre eğitim süresi 25 kat kısalmıştır. Görüntülerin kalitesi model performansını doğrudan etkileyen faktörlerdendir. Çünkü hastalık tespitinde ayrıntıların önemi oldukça fazladır. Eğer görüntüler düşük kontrastlı olursa, hastalık tespitinde bazı detayları gözden kaçırmamıza neden olabilir. Bu tez çalışması kapsamında, tıbbi görüntülerdeki düşük kontrast problemi, CLAHE yöntemine uygulanan çeşitli filtrelerle iyileştirilmiş ve CNN modeli ile eğitilmiştir. Böylece, eğitim süresinin kısaltılmasının yanı sıra, modelin sınıflandırma doğruluğu da arttırılmıştır.
Anahtar Kelimeler : Derin Öğrenme, Evrişimsel Sinir Ağları, Görüntü İşleme