DERİN ÖĞRENME YÖNTEMLERİ KULLANARAK BİLGİSAYARLI TOMOGRAFİ GÖRÜNTÜLERİNDEN COVİD-19'UN TESPİT EDİLMESİ

Abstract

Aralık 2019'un sonlarından bu yana Çin'in Wuhan kentinde yeni bir koronavirüs hastalığı Covid-19 kaydedildi ve daha sonra dünya çapında pandemik hale geldi. Covid-19'un, alveollerde bıraktığı hasar ve ilerleyen solunum yetmezliğinin bir sonucu olarak ölümle sonuçlanabilir. Klinik tanı için kullanılan transkripsiyon polimeraz zincir reaksiyonu (RT-PCR) altın standart olmasına rağmen testler yanlış negatifler üretebilir. Ayrıca pandemik durumda RT-PCR test kaynaklarının yetersizliği, tanıyı ve tedaviyi de geciktirebilir. Bu koşullar altında göğüs BT görüntülemesi, Covid-19 hastalarının hem tanı hem de prognozu için değerli bir araç haline gelmiştir. Yakın zamanda BT taramalarında Covid-19 tanısını kolaylaştırmak ve sağlık çalışanlarına yardımcı olmak için derin öğrenme teknikleriyle geliştirilmiş birçok çalışma önerilmiştir. Çalışmamız, DeOldify kütüphanesini kullanarak renklendirilen BT veri seti ile derin öğrenme tekniklerinden DenseNet121'i kullanarak Covid-19'u, Covid-19 olmayan vakalardan ayırt etmeye odaklanmaktadır. Çalışmamızın sonunda %98'lik doğruluk elde edilmiştir.

A new coronavirus disease Covid-19 has been recorded in Wuhan, China since late December 2019 and later became a worldwide pandemic. It can result in death as a result of covid-19's damage to the alveoli and progressive respiratory failure. Although transcription polymerase chain reaction (RT-PCR) is the gold standard used for clinical diagnosis, tests can produce false negatives. In addition, in the event of a pandemic, the lack of RT-PCR testing resources may delay diagnosis and treatment. Under these circumstances, Computed Tomography (CT) scans have become a valuable tool for both early diagnosis and prognosis of Covid-19 patients. Recently, many studies developed with deep learning techniques have been proposed to facilitate the diagnosis of Covid-19 in CT scans and to assist healthcare professionals. This thesis focuses on distinguishing COVİD-19 from non-Covid-19 cases using DenseNet121, one of the deep learning techniques, with the CT dataset colored using the DeOldify library. At the end of our study, an accuracy of 0.98 was obtained.