DERİN ÖĞRENME YÖNTEMLERİ KULLANARAK EKG GÖRÜNTÜLERİNDEN COVID-19'UN TESPİT EDİLMESİ

Abstract

Tüm dünyayı etkisi altına alan ve 11 Mart 2020'de WHO tarafından küresel salgın olarak ilan edilen Covid-19 hastalığı başta akciğer ve kalp olmak üzere çoklu organ sistemlerini etkilemektedir. Hastalığın verdiği hasarlar ile ölümle sonuçlanabilen virüsün etkisini en aza indirmek için izolasyon ve tedavi sürecine erken başlanılması çok önemlidir. Hastalığın teşhisinde kullanılmak üzere geliştirilen yöntemlerin yanlış sonuçlar beraberinde uzun teşhis süresinin olmasından dolayı yeni yöntemlerin geliştirilmesi gerekmektedir. Yeni yöntem olarak elektrokardiyogram (EKG) sinyal görüntüleri kullanılarak Covid-19 durumu, Anormal kalp atışı, Miyokard enfarktüsü, Miyokard Enfarktüsü Öyküsü ve Normal bulgular tespit edilebilmektedir. Alanında uzman doktorlar tarafından geleneksel yöntemlerle yapılan hastalık tespitleri, insan hatasından kaynaklı kötü muamelelere yol açabilmektedir. Bu tez çalışmasında EKG ile teşhis yapılması için derin öğrenme yöntemleri kullanılmıştır. Bu çalışmanın amacı, EKG görüntüleri kullanılarak hastalıkların saptanmasında başarı oranı yüksek yeni bir yaklaşım önermek ve ayrıntılı test sonuçlarını analiz etmektir. Bu çalışmada 5 sınıf EKG görüntüleri içeren halka açık bir veri seti kullanılmıştır. EfficientNetB0 konvolüsyonel sinir ağı mimarisi kullanılarak eğitim ve test süreçleri gerçekleştirilmiştir. Daha sonra sonuçlar ayrıntılı olarak incelenmiş, grafikler çizilmiş ve sonuçlar literatürdeki diğer çalışmalarla karşılaştırılmıştır. Önerilen çok sınıflı sınıflandırma mimarisi, %99,13 doğruluk sunar. Elde ettiği başarı ile literatürdeki diğer çalışmalardan üstün olmuştur. Bu çalışma, EKG görüntülerinden tespit edilebilecek 5 farklı bulgunun hızlı ve güvenilir bir şekilde saptanmasına ve hastaların daha doğru tedavi edilmesine katkı sağlayacaktır. Anahtar Kelimeler: Covid-19, Sınıflandırma, EfficientNet, Elektrokardiyogram, EKG, Derin Öğrenme, Evrişimsel Sinir Ağı

The area to affect the whole world and declared as global sources by WHO on March 11, 2020, Covid-19 diseases mainly affect Multiple organ systems, mainly large and heart. Isolation and early initiation of treatment is essential to minimize exit damage and death during periods of time. Measurement methods to be used in instrument inspection should consist of new methods due to the long measurement end, along with incorrect results. Covid-19 status can be detected as Abnormal heartbeat, Myocardial infarction, History of Myocardial Infarction and Normal. Disease detections traditionally made by specialist doctors in the field can lead to ill-treatment caused by human error. In this thesis, deep learning methods were used to diagnose with ECG. The aim of this study is to propose a new approach with high success rate for the detection of diseases using ECG images and to analyze detailed test results. A publicly available dataset containing 5-class ECG images was used in this study. Training and testing processes were carried out using the EfficientNetB0 convolutional neural network architecture. Afterwards, the results were analyzed in detail, graphs were drawn and the results were compared with other studies in the literature. The proposed multi-class classification architecture offers 99.13% accuracy. With the success achieved, it was superior to other studies in the literature. This study will contribute to the rapid and reliable detection of 5 different findings that can be detected from ECG images and to more accurate treatment of patients. Keywords: Covid-19, Classification, EfficientNet, Electrocardiogram, ECG, Deep Learning, Convolutional Neural Network