Öksürük akustik sinyallerinde geleneksel ve derin öznitelikler yardımıyla COVID-19 tespiti

Milyonlarca insanın muzdarip olduğu COVID-19 salgını kısa sürede tüm dünyayı etkisi altına aldı. Bulaşma oranı yüksek olan bu virüs, insanların solunum sistemini doğrudan etkiliyor. Nefes almada zorluk, öksürük, ateş gibi belirtiler sık görülürken, ileri durumlarda hastaneye yatış ve ölümcül sonuçlar görülebilir. Bu nedenle salgınla mücadelede en önemli konu COVID19(+) erken tespit etmek ve COVID-19(+) olanları diğer insanlardan izole etmektir. RT-PCR testinin yanı sıra görüntüleme yöntemleri ile COVID-19(+) olanlar tespit edilebiliyor. Tezde önemli semptomlardan biri olan öksürük akustik verileri ile COVID-19(+) hastalarının tespit edilmesi amaçlandı. Bu verilere dayanarak, deneysel mod ayrıştırma (DMA) ve ayrık dalgacık dönüşümü (ADD) kullanılarak geleneksel öznitelik çıkarma yöntemlerinden öznitelikler elde edilmiştir. Önceden eğitilmiş ResNet50 ve önceden eğitilmiş MobileNet modelleri kullanılarak derin öznitelikler elde edildi. Elde edilen tüm özniteliklere ReliefF algoritması ile öznitelik seçimi uygulanmıştır. Bu durumda en yüksek doğruluk değeri %98,4 ve F1-skoru değeri %98,6 olaraksaptanmıştır. Derin özniteliklerin kullanıldığı diğer çalışmada ise skalogram görüntüleri kullanılarak ResNet50 ve MobileNet'ten elde edilen öznitelikler kullanılmıştır. Seçilen öznitelikler için ReliefF algoritması kullanılarak en yüksek performans %97,8 doğruluk ve %98,0 F1 skoru olarak destek vektör makineleri-kübik ile bulunmuştur. Geleneksel öznitelik yaklaşımları ile elde edilen özniteliklerin derin özniteliklere göre daha yüksek performans gösterdiği tespit edilmiştir. Lineer olmayan ölçümler arasında en fazla ayırt edici özelliğin yaklaşık entropi ölçümü olduğu belirlendi. Sonuçlara göre mobil ve bilgisayar tabanlı uygulamalardan kolaylıkla elde edilebilen öksürük akustik verileri ile oldukça başarılı bir çalışma sunulmaktadır. Bir kişinin bile doğru tespit edilmesinin önemli olduğu bu salgın döneminde bu çalışmanın bir karar destek sistemi olarak faydalı olacağını tahmin ediyoruz.