Utilizing the Ensemble of Deep Learning Approaches to Identify Monkeypox Disease

Sedat Örenç; Emrullah Acar; Mehmet Siraç Özerdem

Makale detayları

Utilizing the Ensemble of Deep Learning Approaches to Identify Monkeypox Disease

Yazarlar:

Sedat Örenç | Emrullah Acar | Mehmet Siraç Özerdem

Yayıncı:

Dicle University

Dergi:

Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi Vol.13 Issue 4, pp.685-691

Belge Tipi:

Makale

Yayın Tarihi:

3/2023

Belge Dili:

İngilizce

Document ID (Org No.):

2001281813

pISSN:

1309-8640

Anahtar kelimeler:

Özet:

 Recently, the monkeypox disease spreads to many countries rapidly and it becomes a serious health problem. In addition, this disease affects the quality of a persons life. Therefore, it is crucial to decrease the spread rate with the quick determination of the disease. In order to identify monkeypox rapidly, deep learning models are used. They are named EfficientNetB3, ResNet50, and InceptionV3 respectively. According to the results of the three models, ResNet50 is the best model when they compare aspects of performance. The accuracy of ResNet50 sets 94.00. There are four parameters that are used to evaluate the performance of the models. There are called precision, recall, f1-score, and support. These models demonstrate that monkeypox can be classified with high precision. Therefore these models can be used for the future of the work.

 Recently, the monkeypox disease spreads to many countries rapidly and it becomes a serious health problem. In addition, this disease affects the quality of a persons life. Therefore, it is crucial to decrease the spread rate with the quick determination of the disease. In order to identify monkeypox rapidly, deep learning models are used. They are named EfficientNetB3, ResNet50, and InceptionV3 respectively. According to the results of the three models, ResNet50 is the best model when they compare aspects of performance. The accuracy of ResNet50 sets 94.00. There are four parameters that are used to evaluate the performance of the models. There are called precision, recall, f1-score, and support. These models demonstrate that monkeypox can be classified with high precision. Therefore these models can be used for the future of the work.

 Recently, the monkeypox disease spreads to many countries rapidly and it becomes a serious health problem. In addition, this disease affects the quality of a persons life. Therefore, it is crucial to decrease the spread rate with the quick determination of the disease. In order to identify monkeypox rapidly, deep learning models are used. They are named EfficientNetB3, ResNet50, and InceptionV3 respectively. According to the results of the three models, ResNet50 is the best model when they compare aspects of performance. The accuracy of ResNet50 sets 94.00. There are four parameters that are used to evaluate the performance of the models. There are called precision, recall, f1-score, and support. These models demonstrate that monkeypox can be classified with high precision. Therefore these models can be used for the future of the work.

 Son zamanlarda maymun çiçeği hastalığı birçok ülkeye hızla yayılmakta ve ciddi bir sağlık sorunu haline gelmektedir. Ayrıca bu hastalık kişinin yaşam kalitesini de etkiler. Bu nedenle hastalığın hızlı tespiti ile yayılma hızının düşürülmesi büyük önem taşımaktadır. Maymun çiçek hastalığını hızlı bir şekilde tespit edebilmek için derin öğrenme modelleri kullanılmaktadır. Bunlar sırasıyla EfficientNetB3, ResNet50 ve InceptionV3 olarak adlandırılır. Üç modelin sonuçlarına göre, ResNet50, performans yönlerini karşılaştırdıklarında en iyi modeldir. ResNet50nin doğruluğu 94.00dür. Modellerin performansını değerlendirmek için kullanılan dört parametre vardır. Kesinlik, geri çağırma, f1 puanı ve destek denir. Bu modeller, maymun çiçeğinin yüksek hassasiyetle sınıflandırılabileceğini göstermektedir. Bu nedenle bu modeller işin geleceği için kullanılabilir.

Makale detayları

Utilizing the Ensemble of Deep Learning Approaches to Identify Monkeypox Disease

Yazarlar:

Sedat Örenç | Emrullah Acar | Mehmet Siraç Özerdem

Yayıncı:

Dicle University

Dergi:

Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi Vol.13 Issue 4, pp.685-691

Belge Tipi:

Makale

Yayın Tarihi:

3/2023

Belge Dili:

İngilizce

Document ID (Org No.):

2001281813

pISSN:

1309-8640

Monkeypox

EfficientNetB3

Resnet50

InceptionV3

Deep Learning

Monkeypox

EfficientNetB3

ResNet50

InceptionV3

Sayı

Makale detayları

Yazarlar: Sedat Örenç | Emrullah Acar | Mehmet Siraç Özerdem

Yayıncı: Dicle University

Dergi: Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi Vol.13 Issue 4, pp.685-691

Belge Tipi: Makale

Yayın Tarihi: 3/2023

Belge Dili: İngilizce

Document ID (Org No.): 2001281813

pISSN: 1309-8640

Sayı

Yazarlar:

Sedat Örenç | Emrullah Acar | Mehmet Siraç Özerdem

Yayıncı:

Dicle University

Dergi:

Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi Vol.13 Issue 4, pp.685-691

Belge Tipi:

Makale

Yayın Tarihi:

3/2023

Belge Dili:

İngilizce

Document ID (Org No.):

2001281813

pISSN:

1309-8640