A CNN-based hybrid model to detect Coronavirus disease

Ebru ERDEM; Tolga AYDİN

doi:https://doi.org/10.31590/ejosat.936820

Makale detayları

A CNN-based hybrid model to detect Coronavirus disease

Yazarlar:

Ebru ERDEM | Tolga AYDİN

Yayıncı:

Osman SAĞDIÇ

Ana Başlıklar:

Uygulamalı fizik

Dergi:

European Journal of Science and Technology 2021 Vol. Issue 27, pp.66-73

Belge Tipi:

Makale

Yayın Tarihi:

11/2021

Belge Dili:

İngilizce

Document ID (Org No.):

2000916712

Sıklık:

Üç Aylık

eISSN:

2148-2683

DOI:

https://doi.org/10.31590/ejosat.936820

Anahtar kelimeler:

Özet:

 

In this paper, a hybrid classification technique for COVID-19 disease is proposed. The proposed model solves the two-class classification problem (covid, normal). In this study, we have presented hybrid models integrating superior deep learning and machine learning classifiers: Convolutional Neural Network (CNN) and Support Vector Machine (SVM), CNN and AdaBoost, CNN and K Nearest Neighborhood (kNN), CNN and Multilayer Perceptron (MLP), CNN and Naive Bayes (NB). In these models, CNN performs as a trainable deep feature extractor, and SVM, AdaBoost, kNN, MLP, NB behave as a recognizer. All experiments have been performed on COVID-CT and SARS-CoV-2 CT combined image datasets. As a result, proposed hybrid methods have been compared in terms of sensitivity, accuracy, precision, F1-score, AUC-score, specificity, FPR, FDR, and FNR. CNN+SVM, CNN+MLP, and CNN+kNN have achieved outperforming results according to the other models, respectively. Also, CNN+SVM performed the best (achieving 85.85% sensitivity, 85.86% precision, 85.86% accuracy, 85.85% F1-score, 85.85% AUC score, 86.47% specificity, 13.52% FPR, 13.86% FDR, and 14.76% FNR). When the results are examined, the proposed hybrid system is seen to be efficient to detect COVID-19. Also, the performance of the proposed hybrid system is better than the successful studies found on COVID-CT and SARS-CoV-2 CT combined image datasets in the literature.

 

Bu yazıda, COVID-19 hastalığı için hibrit bir sınıflandırma tekniği önerilmektedir. Önerilen model, iki sınıflı sınıflandırma problemini çözmektedir (covid, normal). Bu çalışmada, üstün derin öğrenme ve makine öğrenimi sınıflandırıcılarını entegre eden hibrit modeller sunduk: Evrişimsel Sinir Ağ (CNN) ve Karar Destek Makinesi (SVM), CNN ve AdaBoost, CNN ve K En Yakın Komşu (kNN), CNN ve Çok Katmanlı Algılayıcı ( MLP), CNN ve Naive Bayes (NB). Bu modellerde CNN, eğitilebilir bir derin özellik çıkarıcı olarak çalışır ve SVM, AdaBoost, kNN, MLP, NB bir tanıyıcı olarak davranır. Tüm deneyler, COVID-CT ve SARS-CoV-2 CT birleşik görüntü veri kümeleri üzerinde gerçekleştirilmiştir. Sonuç olarak, önerilen hibrit yöntemler duyarlılık, doğruluk, kesinlik, F1 puanı, AUC puanı, özgüllük, FPR, FDR ve FNR açısından karşılaştırılmıştır. CNN + SVM, CNN + MLP ve CNN + kNN, diğer modellere göre sırasıyla daha iyi performans gösteren sonuçlar elde etmiştir. Ayrıca, CNN + SVM en iyi performansı gösterdi (% 85,85 hassasiyet,% 85,86 kesinlik,% 85,86 doğruluk,% 85,85 F1 skoru,% 85,85 AUC skoru,% 86,47 özgüllük,% 13,52 FPR,% 13,86 FDR ve% 14,76 FNR) . Sonuçlar incelendiğinde, önerilen hibrit sistemin COVID-19'u tespit etmede etkili olduğu görülüyor. Ayrıca, önerilen hibrit sistemin performansı, literatürdeki COVID-CT ve SARS-CoV-2 CT birleşik görüntü veri kümelerinde bulunan başarılı çalışmalardan daha iyidir.

Makale detayları

A CNN-based hybrid model to detect Coronavirus disease

Yazarlar:

Ebru ERDEM | Tolga AYDİN

Yayıncı:

Osman SAĞDIÇ

Ana Başlıklar:

Uygulamalı fizik

Dergi:

European Journal of Science and Technology 2021 Vol. Issue 27, pp.66-73

Belge Tipi:

Makale

Yayın Tarihi:

11/2021

Belge Dili:

İngilizce

Document ID (Org No.):

2000916712

Sıklık:

Üç Aylık

eISSN:

2148-2683

DOI:

https://doi.org/10.31590/ejosat.936820

Covid-19

hibrit modeller

derin öğrenme

CNN

Sayı

Makale detayları

A CNN-based hybrid model to detect Coronavirus disease

Yazarlar: Ebru ERDEM | Tolga AYDİN

Yayıncı: Osman SAĞDIÇ

Ana Başlıklar: Uygulamalı fizik

Dergi: European Journal of Science and Technology 2021 Vol. Issue 27, pp.66-73

Belge Tipi: Makale

Yayın Tarihi: 11/2021

Belge Dili: İngilizce

Document ID (Org No.): 2000916712

Sıklık: Üç Aylık

eISSN: 2148-2683

DOI: https://doi.org/10.31590/ejosat.936820

Covid-19

hibrit modeller

derin öğrenme

CNN

Sayı

Yazarlar:

Ebru ERDEM | Tolga AYDİN

Yayıncı:

Osman SAĞDIÇ

Ana Başlıklar:

Uygulamalı fizik

Dergi:

European Journal of Science and Technology 2021 Vol. Issue 27, pp.66-73

Belge Tipi:

Makale

Yayın Tarihi:

11/2021

Belge Dili:

İngilizce

Document ID (Org No.):

2000916712

Sıklık:

Üç Aylık

eISSN:

2148-2683

DOI:

https://doi.org/10.31590/ejosat.936820