COVID-19 Diagnosis Using Deep Learning

Gür Emre GÜRAKSIN; Sezin BARIN; Esra ÖZGÜL; Furkan KAYA

doi:https://doi.org/10.29130/dubited.866124

Makale detayları

COVID-19 Diagnosis Using Deep Learning

Yazarlar:

Gür Emre GÜRAKSIN | Sezin BARIN | Esra ÖZGÜL | Furkan KAYA

Yayıncı:

Duzce University

Ana Başlıklar:

Uygulamalı fizik

Dergi:

Duzce University Journal of Science and Technology 2021 Vol.9 Issue 3, pp.8-23

Belge Tipi:

Makale

Yayın Tarihi:

5/2021

Belge Dili:

İngilizce

Document ID (Org No.):

2000945491

Sıklık:

Üç Aylık

eISSN:

2148-2446

DOI:

https://doi.org/10.29130/dubited.866124

Anahtar kelimeler:

Özet:

 

The coronavirus, which appeared in Wuhan city of China and named COVID-19 , spread rapidly and caused the death of many people. Early diagnosis is very important to prevent or slow the spread. The first preferred method by clinicians is real-time reverse transcription-polymerase chain reaction (RT-PCR). However, expected accuracy values cannot be obtained in the diagnosis of patients in the incubation period. Therefore, common lung devastation in COVID-19 patients were considered and radiological lung images were used to diagnose. In this study, automatic COVID-19 diagnosis was made from posteroanterior (PA) chest X-Ray images by deep learning method. In the study, using two different deep learning methods, classification was made with different dataset combinations consisting of healthy, COVID, bacterial pneumonia and viral pneumonia X-ray images. The results show that the proposed deep learning-based system can be used in the clinical setting as a supplement to RT-PCR test for early diagnosis.

 

Çin’in Wuhan şehrinde ortaya çıkan ve COVID-19 olarak adlandırılan koronovirüsü dünyanın çok büyük bir kısmını etkisi altına alarak hızla yayılmış ve birçok insanın ölümüne yol açmıştır. Yayılmanın önlenmesi veya yavaşlatılması için erken teşhis oldukça önemlidir. Klinisyenler tarafından ilk tercih edilen yöntem gerçek zamanlı ters transkripsiyon-polimeraz zincir reaksiyonu (RT-PCR) olmaktadır. Ancak kuluçka dönemindeki hastaların teşhisinde beklenen doğruluk değerleri elde edilememektedir. Bu nedenle COVID-19 hastalarında ortak olarak görülen akciğer hasarları göz önüne alınmış ve radyolojik akciğer görüntüleri teşhis koymak için kullanılmıştır. Bu çalışmada posteroanterior(PA) göğüs X-Ray görüntülerinden derin öğrenme yöntemi ile otomatik COVID-19 teşhisi yapılmıştır. Çalışmada iki farklı derin öğrenme yöntemi kullanılarak, sağlıklı,covid,bacterial pneumonia ve viral pneumonia X-ray görüntüleri bulunan sınıflardan oluşan farklı veriseti kombinasyonları ile sınıflandırma yapılmıştır. Elde edilen sonuçlar önerilen derin öğrenme tabanlı sistemin erken teşhis için RT-PCR testini destekleyici olarak klinik ortamda kullanılabileceğini göstermektedir.

Makale detayları

COVID-19 Diagnosis Using Deep Learning

Yazarlar:

Gür Emre GÜRAKSIN | Sezin BARIN | Esra ÖZGÜL | Furkan KAYA

Yayıncı:

Duzce University

Ana Başlıklar:

Uygulamalı fizik

Dergi:

Duzce University Journal of Science and Technology 2021 Vol.9 Issue 3, pp.8-23

Belge Tipi:

Makale

Yayın Tarihi:

5/2021

Belge Dili:

İngilizce

Document ID (Org No.):

2000945491

Sıklık:

Üç Aylık

eISSN:

2148-2446

DOI:

https://doi.org/10.29130/dubited.866124

Derin Öğrenme

COVID-19

GoogleNet

AlexNet

X-ray Görüntüleme

Sayı

Makale detayları

COVID-19 Diagnosis Using Deep Learning

Yazarlar: Gür Emre GÜRAKSIN | Sezin BARIN | Esra ÖZGÜL | Furkan KAYA

Yayıncı: Duzce University

Ana Başlıklar: Uygulamalı fizik

Dergi: Duzce University Journal of Science and Technology 2021 Vol.9 Issue 3, pp.8-23

Belge Tipi: Makale

Yayın Tarihi: 5/2021

Belge Dili: İngilizce

Document ID (Org No.): 2000945491

Sıklık: Üç Aylık

eISSN: 2148-2446

DOI: https://doi.org/10.29130/dubited.866124

Derin Öğrenme

COVID-19

GoogleNet

AlexNet

X-ray Görüntüleme

Sayı

Yazarlar:

Gür Emre GÜRAKSIN | Sezin BARIN | Esra ÖZGÜL | Furkan KAYA

Yayıncı:

Duzce University

Ana Başlıklar:

Uygulamalı fizik

Dergi:

Duzce University Journal of Science and Technology 2021 Vol.9 Issue 3, pp.8-23

Belge Tipi:

Makale

Yayın Tarihi:

5/2021

Belge Dili:

İngilizce

Document ID (Org No.):

2000945491

Sıklık:

Üç Aylık

eISSN:

2148-2446

DOI:

https://doi.org/10.29130/dubited.866124