Tıbbi görüntü işleme ile akciğer grafisinde COVID-19 pozitif tespiti için veri madenciliği ve derin öğrenme yöntemlerinin performanslarının incelenmesi

Dünya Sağlık Örgütü (DSÖ), Mart 2020'de SARS-CoV-2'nin neden olduğu bulaşıcı bir salgın olan yeni koronavirüsü (COVID-19) pandemi olarak ilan etmiştir. Bu virüsten etkilenen tüm ülkelerde, enfekte olmuş ve ölen hastaların sayısı her geçen gün artmaktadır. Erken tanı virüsün yayılmasını azaltabileceğinden, akıllı tahmin ve tanı araçlarına sahip olmak önemlidir. Etkili tahmin modellerinin oluşturulması, virüsün yayılmasını önlemek için daha iyi sağlık stratejileri uygulanmasında yardımcı olabilir. Günümüzde tıbbi görüntüler yardımı ile birçok sağlık problemi tespitinde (beyin tümörü tespiti, meme kanseri tespiti, zatürre tespiti vb.) yapay zeka tabanlı çözümlerden yararlanılmaktadır. İçerisinde bulunduğumuz bu pandemi sürecinde de COVID-19'un tanı süresini kısaltmak ve doğru tanı oranını arttırmak için yapay zeka tabanlı birçok çalışma yapılmıştır. Bu çalışmada tıbbi görüntü işleme teknikleri kullanılarak akciğer grafileri sayısallaştırılmış ve beş farklı görüntü işleme yöntemi uygulanarak bu yöntemlerin akciğer grafilerini sınıflandırılma performansına etkisi incelenmiştir. Ayrıca bir derin öğrenme tekniği olan evrişimli sinir ağları ile öznitelik çıkarımı gerçekleştirilmiş ve görüntülerin DVM, RO, YSA klasik veri madenciliği yöntemleri ile sınıflandırılmasına olan etkisi karşılaştırılmıştır. Çalışmada açık erişimli COVID-19 Radiography veri setinden yararlanılmıştır. Bu veri setinde bulunan 3616 COVID-19, 6012 Non-COVID ve 10192 Normal akciğer grafisi için çalışma planlanmıştır. Görüntü işleme tekniklerinin akciğer grafilerini sınıflandırma performansına etkisi olduğu bulunmuştur. Evrişimli sinir ağı yöntemi ile öznitelikler çıkarıldıktan sonra klasik veri madenciliği yöntemleri ile elde edilen sınıflandırma performansları, sadece klasik veri madenciliği ile elde edilen sınıflandırma performanslarından daha iyi sonuçlar göstermiştir.