Makine öğrenme algoritmalarıyla akciğer X-ray görüntü özniteliklerini kullanarak pnömoni tespiti ve sınıflandırılması

Pnömoni insan sağlığını tehdit eden ve erken teşhis edilmediğinde ölüme yol açabilen bir hastalıktır. Bu çalışmada akciğer X-ray görüntülerinden makine öğrenimi yöntemleri kullanılarak pnömoni tespiti gerçekleştirilmiştir. Veri seti 1-5 yaş arası çocuklara ait akciğer X-ray görüntülerinden oluşmaktadır. Pnömoni tespiti için yeni bir yaklaşım sunulmaktadır. İlk adımda akciğer X-ray görüntüleri üzerine bir dizi ön işleme adımı gerçekleştirilmiştir. Bu adımlar Histogram Eşitleme, Mask R-CNN(Maske Bölge Tabanlı Evrişimli Sinir Ağı) ve Otsu Eşikleme adımlarıdır. Ardından birinci dereceden ve ikinci dereceden dokusal öznitelikler çıkarılmıştır. SMOTE(Sentetik Azınlık Aşırı Örnekleme Tekniği) yöntemi kullanılarak eğitim verilerinde sınıflar arasındaki dengesizlik giderilmiştir. Son adımda makine öğrenimi sınıflandırma modelleri kullanılarak sınıflandırma gerçekleştirilmiştir. Bu sınıflandırma modelleri Çok Katmanlı Algılayıcı, Destek Vektör Makinesi, Lojistik Regresyon ve K-En Yakın Komşu modelleridir. Sınıflandırma modelleri birbirleri ile karşılaştırılmıştır. Sonuçlara göre Çok Katmanlı Algılayıcı 0,95833 doğruluk oranı, 0,95978 kesinlik oranı, 0,95833 duyarlılık oranı, 0,95856 F1-Skor ve 0,98566 AUC(Eğri Altındaki Alan) Skor ile diğer sınıflandırma algoritmalarına göre en iyi performansı göstermiştir. Ayrıca sınıflandırma modelleri literatürde bulunan önceki çalışmalar ile de karşılaştırılmıştır. Elde edilen sonuçlara göre önerilen Çok Katmanlı Algılayıcı modeli, doğruluk oranı, F1-Skor ve AUC Skor açısından literatürdeki diğer çalışmalardan daha üstün performans göstermiştir.