Akciğer bilgisayarlı tomografilerinden görüntü işleme ve derin öğrenme ile COVID-19 tespiti

Yeni koronavirüs hastalığı (COVID-19) SARS-CoV-2 virüsünün sebep olduğu bir salgın hastalıktır. Bulaşıcılığının çok yüksek olması sebebiyle hastalığın kontrol altına alınabilmesi için enfekte olmuş bireylerin hızlıca tespit edilip izole edilmesi gerekmektedir. Hastalığın tespit edilmesinde sıklıkla tercih edilen yöntem ters transkripsiyon-polimeraz zincir reaksiyonu (RT-PCR) testleridir. Bu testlerin sonuç verme sürelerinin uzunluğu ve başarım yüzdelerinin hastalığın evrelerine göre farklılık gösterebilmesi önemli dezavantajları olarak öne çıkmaktadır. Hastalığın erken evrelerinde hızlı ve doğru bir şekilde COVID-19 tanısı koyabilmek için tıbbi radyolojik görüntüleme yöntemleri de kullanılmaktadır. Bu yöntemler, hasta ile daha az temas gerektirdiğinden daha az bulaş riskine sahiptir. Özellikle, X-ışını (X-Ray) ve Bilgisayarlı Tomografi (BT) görüntüleri üzerinden derin öğrenme temelli yaklaşımlar ile COVID-19'un tespit edilmesini hedefleyen çalışmalar literatürde yoğun ilgi görmektedir. Bu çalışmada, akciğer BT görüntülerini içeren bir veri kümesi oluşturulmuştur. Bu veri kümesi üzerinde derin öğrenme temelli mimariler kullanılarak COVID-19'un tespiti gerçekleştirilmiştir. Derin öğrenme mimarileri kullanılırken iki farklı izlem takip edilmiştir. Birinci izlemde, Basit-CNN ve VGG16 mimarileri kullanılarak ağ derinliğinin başarım üzerindeki etkisi incelenmiştir. İkinci izlemde ise öğrenme aktarımı yönteminin derin öğrenme mimarilerinden VGG19, MobileNet ve DenseNet'in başarımları üzerindeki etkisi araştırılmıştır. Çalışmalar sonucunda DenseNet201 mimarisinin 0,99 test doğruluğu ile en yüksek başarıma sahip olduğu gözlemlenmiştir.