COVID-19 enfeksiyon tespiti için yeni bir ince ayar mekanizmasına sahip mobilenet tabanlı CNN modeli

Aralık 2019'da Çin'in Wuhan kentinde ortaya çıkan COVID-19 adlı yeni bir koronavirüs, dünya çapında hızla yayılması ve ciddi akut solunum sendromuna neden olması nedeniyle çok tehlikeli bir hal aldı. Ocak 2022'de bildirildiği üzere, virüs dünya çapında 349.641.119 kişiye bulaştı ve 5.592.266'dan fazla ölüme neden oldu. Birkaç farklı teşhis yöntemi olmasına rağmen, polimeraz zincir reaksiyonu (PCR), COVID-19 patojeninin laboratuvar teşhisi için ana standart olarak kabul edilir. Ancak test sonuçları birkaç saat ile iki gün arasında elde edilmesi erken müdahalenin önündeki en büyük engeldir. Bu yüzden araştırmacılar, hastalığı teşhis etme süresini kısaltmak için röntgen görüntülerini kullanan alternatif yöntemlere odaklandılar. Bu çalışma, göğüs röntgeni görüntülerini kullanarak COVID-19 hastalığını saptamak için yeni ince ayar mekanizmalarına sahip bir derin aktarım öğrenme yaklaşımı önermektedir. Model, MobileNetV2 mimarisine dayanmaktadır. Önerilen modeli değerlendirmek için, üç sınıf içeren halka açık iki veritabanından birleştirilmiş bir veri seti kullandık: normal, COVID-19 ve pnömoni X-ray görüntüleri. Yaklaşımımızda, sınıflandırma doğruluğunu artırmak için bir klasik ve iki yeni ince ayar mekanizması önerdik ve beş kat çapraz doğrulama ile 3 sınıflı sınıflandırmada ortalama %95.62, %96.10 ve %97.61 doğruluk oranlarına ulaştık. Ayrıca üçüncü modelimiz, toplam ince ayar işlemlerinin %81.92'sini azalttı ve daha iyi sonuçlar elde etti. Sayısal sonuçlar, önerilen yaklaşımın, karmaşık ön işleme adımları olmaksızın ham veriler kullanıldığında umut verici sonuçlar elde ettiğini göstermektedir.