Derin öğrenmeye dayalı kulak zarı otoskop görüntüleri için tanısal bağımsız bir mobil uygulamanın geliştirilmesi, test edilmesi ve fizibilitesi

Kulak hastalıkları günlük hayatımızı olumsuz etkileyen sağlık problemleridir. Bu hastalıkların tanısı uzmanlar tarafından otoskop cihazı kullanılarak gözlem ile koyulmaktadır ve bu tanı sisteminin doğruluğu uzman bilgisine bağlıdır. Bu çalışma kapsamında kulak hastalık tanılarının derin öğrenme modelleri kullanılarak koyulması araştırılmıştır. Yapılan çalışmada Ear Imagery ve Tympanic membrane veri setleri kullanılmıştır. Ayrıca bu iki veri seti birleştirilerek ayrı bir veri seti oluşturulmuştur. Kullanılan veri setleri eğitim, doğrulama ve test işlemleri için sırasıyla %70, %10 ve %20 olarak ayrılmıştır. Derin öğrenme modeli olarak ResNet50, InceptionV3, InceptionResNetV2 ve Xception modelleri seçilmiştir. Ayrıca DenseNet201, EfficientNetB5 ve InceptionResNetV2 özellik çıkarıcı modeller ile BiLSTM ve ConvBiLSTM sınıflandırıcı modellerden hibrit modeller oluşturulmuştur. Çalışma kapsamında sınıflandırma başarısına etkiyi araştırmak için sıfırdan eğitim, öğrenme aktarımı, HSV ve LUV renk uzayları kullanılmıştır. Yapılan çalışma sonucunda en yüksek doğruluk başarısı DenseNet201-BiLSTM ve ResNet50 modellerinden elde edilmiştir.