Covid-19 hastalığının sınıflandırılmasında derin öğrenme modellerinin performanslarının karşılaştırılması

İlk olarak Aralık 2019'da Çin'in Wuhan kentinde ortaya çıkan yeni koronavirüs 2019 (Covid-2019) tüm ülkelerde hızla yayılarak pandemi haline geldi. Günlük yaşamda hem halk sağlığı hem de küresel ekonomi üzerinde çok yıkıcı bir etkiye neden olan bu salgın hastalığın daha fazla yayılmasını önlemek ve etkilenen hastaları hızla tedavi etmek için pozitif vakaları olabildiğince erken tespit etmek çok önemlidir. Covid-19 hastalığının tespitinde yapay zekâ temelli yardımcı teşhis araçları için radyoloji görüntüleme tekniklerine başvurulmaktadır. Akciğer X-ışını görüntüleri, Covid-19'u tespit etmenin olası yöntemlerinden biridir. Bu tez çalışmasında, Covid-19 tanısının olduğu iki farklı veriseti üzerinde önceden eğitilmiş derin öğrenme modelleri ile üç senaryo çerçevesinde deneysel çalışmalar gerçekleştirilmiştir. İlk veriseti iki sınıflı 1252 adet Covid-19 tanısı konmuş ve 1229 adet herhangi bir tanı konmamış bilgisayarlı tomografi görüntülerinden oluşmaktadır. İkinci veriseti, Covid-19, zatürre ve normal sınıfları içermekte olup her bir sınıfta 2313 X-ışını görüntüsü bulunmaktadır. İlk senaryodaki deneylerde orijinal önceden eğitilmiş derin öğrenme modelleri kullanılırken, ikinci senaryoda değiştirilmiş önceden eğitilmiş modeller kullanılmıştır. Son olarak, üçüncü senaryoda önceden eğitilmiş orijinal modellerden çıkarılan özellikler üzerinde geleneksel makine öğrenimi sınıflandırıcılarıyla deneyler yapıldı. Deneysel çalışmalarda, önceden eğitilmiş orijinal modellerin tam bağlı katmanlarında yapılan değişiklikler ile diğer senaryolara kıyasla daha yüksek doğruluklar elde edilmiş olup bu modeller içerisinden D_EfficientNetV2B0 iki sınıflı ve üç sınıflı verisetlerinde sırasıyla %98,99 ve %97,45 doğruluklar sunmuştur.