Derin öğrenme yöntemleri ile CXR görüntülerinden COVID-19/zatürre/normal sınıflandırması ve U-net tabanlı COVID-19 bölütlemesi

2019 yılının Aralık ayında Çin'de ortaya çıkan koronavirüs isimli Covid-19 hastalığı, tüm dünyada kısa sürede pandemi haline gelmiştir. Özellikle akciğerlere verdiği hasarlar ile ölümle sonuçlanabilen bu virüsün teşhisi için Transkripsiyon Polimeraz Zincir Reaksiyonu (RT-PCR) testinin yanlış negatifler üretmesi ve teşhis süresinin uzun olması yeni alternatifler aramaya sebep olmuştur. Bu nedenle göğüs görüntülerinin Bilgisayarlı Tomografi veya CXR görüntüleme tekniklerinden elde edilen verilerle göğüs görüntülerinden teşhis sağlanması için uygun araçlar olmuştur. Bu araçlar ile teşhis sağlanması Covid-19 ve Zatürre hastalığının enfeksiyonlu bölgesinin belirlenmesi için derin öğrenme çalışmaları önerilmiştir. Bu tez çalışmasında segmentasyon ve sınıflandırma olarak iki aşamalı bir sistem önerilmiştir. Segmentasyon işleminde etiketli verilerden segmente edilen enfekte bölgeler belirlenmiştir. Sınıflandırıcı aşamasında ise VGG16, ResNet50 ve InceptionV3 isimli üç farklı derin öğrenme modeli kullanılarak Covid-19/Zatürre/Normal sınıflandırması gerçekleştirilmiştir. Çalışma sonucunda %95 segmentasyon doğruluğu elde edilmiştir. Sınıflandırıcı modelleri sırasıyla %99, %90 ve %98 doğruluk elde edilmiştir.