COVID-19 vakalarının tespiti için derin öğrenme tekniklerinin uygulanması

Yeni Koronavirüs Hastalığı (COVID-19), ateş, öksürük, nefes darlığı gibi solunum yolu enfeksiyon belirtileri gösteren bir grup hastada yapılan araştırmalar sonucunda ortaya çıkan yeni bir virüstür. Hızlı teşhis yöntemleri ile hastalığın yayılmasını önlemek ve pozitif vakaları erken tespit etmek çok önemlidir. COVID-19 teşhisi için kullanılan en yaygın test tekniği, gerçek zamanlı tersine test tekniği olan RT-PCR'dir. Ancak, patolojik laboratuvar testlerinin uzun sürmesi ve yanlış test sonuçları, araştırmacıları farklı alanlara yöneltmiştir. Radyolojik görüntüleme, çeşitli akciğer hastalıklarının tespitinde yararlı olduğu gibi COVID-19 hastalığını izlemek için de kullanılmaya başlanmıştır. Radyolojik görüntüleme ile birlikte derin öğrenme tekniklerinin uygulanması bu hastalığın doğru tespitinde oldukça önemlidir. Bu çalışmada, COVID-19 X-Ray veri seti kullanılarak temel füzyon fonksiyonlarının topluluk öğrenme algoritmaları üzerindeki sınıflandırma performansına etkisi araştırılmıştır. Farklı derin öğrenme modellerini birleştirmek için iki farklı topluluk modeli oluşturulmuştur; ENS-1 ve ENS-2. Bu topluluk modellerinde Max, Mode, Sum, Mean ve Product gibi temel füzyon fonksiyonları test edilmiştir. Elde edilen değerler incelendiğinde Max ve Product temel füzyon fonksiyonlarının sınıflandırma performansı üzerinde olumlu bir etkiye sahip olduğu görülmektedir. Çoklu sınıflandırmada, hem ENS-1 hem de ENS-2 için Max işlevi sırasıyla %85 ve %86 doğruluk oranıyla öne çıkmaktadır. Product fonksiyonu, ikili sınıflandırmada %99 ile en yüksek performansı elde etmiştir. Sonuçlar, füzyon yöntemlerinin ikili sınıflandırmada daha iyi sınıflandırma performansı elde edebileceğini göstermektedir.