COVID-19 Prediction from Chest X-Ray Images using Transfer Learning

Kaan BIÇAKCI; Volkan TUNALI

doi:https://doi.org/10.29130/dubited.878779

Makale detayları

COVID-19 Prediction from Chest X-Ray Images using Transfer Learning

Yazarlar:

Kaan BIÇAKCI | Volkan TUNALI

Yayıncı:

Duzce University

Ana Başlıklar:

Uygulamalı fizik

Dergi:

Duzce University Journal of Science and Technology 2021 Vol.9 Issue 4, pp.1395-1407

Belge Tipi:

Makale

Yayın Tarihi:

7/2021

Belge Dili:

İngilizce

Document ID (Org No.):

2000945461

Sıklık:

Üç Aylık

eISSN:

2148-2446

DOI:

https://doi.org/10.29130/dubited.878779

Anahtar kelimeler:

Özet:

 

The COVID-19 pandemic has been affecting our lives in many ways, not only the healthcare systems in the countries but the whole societies worldwide. Meantime, a considerable number of studies have been conducted and lots of medical techniques have been tried to overcome the pandemic. In this work, making use of real-world images, we applied Convolutional Neural Networks to chest X-ray images to predict whether a patient has the COVID-19 virus or not. Initially, we used transfer learning to fine tune a number of pre-trained ResNet, VGG, and Xception models, which are very well-known architectures due to their success in image processing tasks. While the achieved performance with these models was encouraging, we ensembled three models to obtain more accurate and reliable results. Finally, our ensemble model outperformed all other models with an F-Score of 97%.

 

COVID-19 salgını, sadece ülkelerdeki sağlık sistemlerini değil, dünya çapında tüm toplumları birçok şekilde etkilemektedir. Bu süreçte, pandeminin üstesinden gelmek için önemli sayıda çalışma yapılmış ve birçok tıbbi teknik denenmiştir. Bu çalışmada, gerçek görüntülerden yararlanarak, bir hastada COVID-19 virüsünün olup olmadığını tahmin etmek için Evrişimsel Sinir Ağlarını göğüs röntgeni görüntülerine uyguladık. Başlangıçta, görüntü işleme alanındaki başarıları nedeniyle çok iyi bilinen mimariler olan bir dizi önceden eğitilmiş ResNet, VGG, ve Xception modellerini elimizdeki probleme uygun olarak yeniden eğitmek üzere Transfer Öğrenme kullandık. Bu modellerle ulaşılan performans tatmin edici olsa da daha isabetli ve güvenilir sonuçlar elde etmek amacıyla üç ayrı modeli bir araya getiren bir topluluk modeli oluşturduk. Son olarak, topluluk modelimiz %97'lik bir F-Skoru ile diğer tüm modellerden daha iyi performans gösterdi.

Makale detayları

COVID-19 Prediction from Chest X-Ray Images using Transfer Learning

Yazarlar:

Kaan BIÇAKCI | Volkan TUNALI

Yayıncı:

Duzce University

Ana Başlıklar:

Uygulamalı fizik

Dergi:

Duzce University Journal of Science and Technology 2021 Vol.9 Issue 4, pp.1395-1407

Belge Tipi:

Makale

Yayın Tarihi:

7/2021

Belge Dili:

İngilizce

Document ID (Org No.):

2000945461

Sıklık:

Üç Aylık

eISSN:

2148-2446

DOI:

https://doi.org/10.29130/dubited.878779

Göğüs Röntgeni

COVID-19

Viral Pnömoni

Derin Öğrenme

Transfer Öğrenme

Topluluk Öğrenmesi

Sayı

Makale detayları

COVID-19 Prediction from Chest X-Ray Images using Transfer Learning

Yazarlar: Kaan BIÇAKCI | Volkan TUNALI

Yayıncı: Duzce University

Ana Başlıklar: Uygulamalı fizik

Dergi: Duzce University Journal of Science and Technology 2021 Vol.9 Issue 4, pp.1395-1407

Belge Tipi: Makale

Yayın Tarihi: 7/2021

Belge Dili: İngilizce

Document ID (Org No.): 2000945461

Sıklık: Üç Aylık

eISSN: 2148-2446

DOI: https://doi.org/10.29130/dubited.878779

Göğüs Röntgeni

COVID-19

Viral Pnömoni

Derin Öğrenme

Transfer Öğrenme

Topluluk Öğrenmesi

Sayı

Yazarlar:

Kaan BIÇAKCI | Volkan TUNALI

Yayıncı:

Duzce University

Ana Başlıklar:

Uygulamalı fizik

Dergi:

Duzce University Journal of Science and Technology 2021 Vol.9 Issue 4, pp.1395-1407

Belge Tipi:

Makale

Yayın Tarihi:

7/2021

Belge Dili:

İngilizce

Document ID (Org No.):

2000945461

Sıklık:

Üç Aylık

eISSN:

2148-2446

DOI:

https://doi.org/10.29130/dubited.878779