X-ray görüntülerinden COVID-19 tespiti için derin öğrenme tabanlı modellerin geliştirilmesi

Şiddetli akut solunum yolu sendromu koronavirüs 2'nin (SARS-CoV-2) neden olduğu Covid-19 salgını tüm dünyada hayatı durma noktasına getirdi ve binlerce can aldı. Bu ölümcül salgın ile mücadelede en önemli unsur erken teşhistir. Erken teşhisle enfekte olan kişi karantinaya alınarak bulaş hızı ve ölüm oranı düşürülebilir. Günümüzde Covid-19'un teşhisinde PCR (Polymerase Chain Reaction- Polimeraz Zincir Reaksiyonu) testlerinden ve akciğer X-ray görüntülerinden faydalanılmaktadır. PCR testlerinin sonuçlanması zaman alan bir süreç olması sebebiyle erken teşhiste X-ray görüntüleri hayati bir öneme sahiptir. Bu çalışmada Covid-19 teşhisinde uzmanlara yardımcı olabilmek amacıyla X-ray görüntülerinden bir teşhis metodolojisi tasarlanmıştır. Metodolojinin ilk aşamasında ön eğitimli SqueezeNet mimarisi ile X-ray görüntülerinden oluşan veri setinden öznitelikler çıkarılmıştır. İkinci aşamada çıkarılan özniteliklere en yakın bileşen analizi (neighborhood component analysis (NCA)) uygulanarak mevcut öznitelik setinden gürültülü olanlar elimine edilmiştir. Son aşamada ise, destek vektör makineleri ile gürültüden arındırılmış öznitelik seti üzerinde Covid-19 tespiti gerçekleştirilmiştir. Önerilen metodolojinin performans analizi 5 farklı veri seti üzerinde birden çok derin öğrenme mimarileri ve sınıflandırıcılar ile karşılaştırılarak yapılmıştır. Elde edilen sonuçlar incelendiğinde önerilen metodolojinin daha başarılı sonuçlar aldığı görülmüştür.