OPTİMİZASYON TABANLI ÖĞRENME TEKNİKLERİYLE COVID-19 SES VERİLERİNİN İŞLENMESİ VE SINIFLANDIRILMASI

Abstract

2019 yılının sonralarında ortaya çıkan COVID-19, küresel bir hastalık olarak literatüre girmiştir. COVID-19 hızlı yayılan ve kontrol altına alınması zor bir hastalıktır. Bu nedenle o dönemlerde milyonlarca insan bu virüs nedeniyle hayatını kaybetmiştir. Virüs solunum yolu hastalıkları belirtileri ile ortaya çıkar ve temas yoluyla bulaşır. Günümüzde bu virüs kontrol altına alınmış ve aşılar ile önüne geçilmiştir. Bu çalışmada COVID-19 nefes ve öksürük seslerinin bulunduğu negatif ve pozitif etiketli veri kümeleri kullanılmıştır. İki ayrı veri kümesi ile iki ayrı yaklaşım ortaya atılmıştır. Veri kümelerindeki sesler ön işlemeden geçirilerek anlamlı özellikler elde edilmiştir. Daha sonra derin öğrenme ve makine öğrenmesi yöntemleri ile yaklaşımlar uygulanmıştır. İlk yaklaşımda ses verilerinden önce özellik çıkarımı yapıldı. 12 farklı özellik çıkarımı kullanılmıştır ve bunlar birleştirilmiştir. 1224 özelliğe CNN ve MLP sınıflandırıcılarına Adam optimizasyonu eşlik etmiştir. 0.0001 öğrenme oranı ile CNN ve MLP optimize edilmiştir. Tek boyutlu CNN için yaklaşık %84, MLP için ise yaklaşık %92 doğruluk elde edilmiştir. İkinci yaklaşımda ise iki farklı veri kümesi birleştirilerek bir veri kümesi elde edilmiştir. Bu veri kümesine 5 farklı özellik çıkarımı yapılmıştır. Toplamda her ses için 66 özellik elde edilmiştir. Daha sonra sadece RF uygulanarak bir sınıflandırma sonucu elde edilmiştir. Daha sonrasında cPSO ile en iyi parametre değerleri belirlenerek RF uygulanmıştır. bPSO ile de özellik seçimi yapılmıştır. 66 özellik için en iyi en anlamlı özellikler çıkarılmıştır. bPSO sonucunda 44 özellik çıkarılmıştır. bPSO ile elde edilen özellikler ile RF uygulanmıştır. Üç modelleme sonucunda yüksek performans elde edilmiştir. Sadece RF için %94, RF cPOS %95, RF-bPSO da ise %96 doğruluk değeri elde edilmiştir. Tüm sonuçlar karşılaştırıldığında vektörel olarak elde edilen özelliklerden en iyi sınıflandırmayı RF bPSO sunduğu görülmüştür.

COVID-19, which emerged in late 2019, has entered the literature as a global disease. COVID-19 is a rapidly spreading and difficult to control disease. For this reason, millions of people lost their lives due to this virus during those times. The virus appears with respiratory tract disease symptoms and is transmitted through contact. Today, this virus has been brought under control and prevented with vaccines. In this study, negative and positive labeled datasets containing COVID-19 breathing and coughing sounds were used. Two separate approaches were put forward with two separate datasets. The sounds in the datasets were preprocessed and meaningful features were obtained. Then, approaches were applied with deep learning and machine learning methods. In the first approach, feature extraction was performed before the audio data. 12 different feature extractions were used and these were combined. Adam optimization accompanied the CNN and MLP classifiers for 1224 features. CNN and MLP were optimized with a learning rate of 0.0001. Approximately 84% accuracy was achieved for one-dimensional CNN and approximately 92% for MLP. In the second approach, a dataset was obtained by combining two different datasets. 5 different feature extractions were made to this dataset. In total, 66 features were obtained for each sound. Then, a classification result was obtained by applying only RF. Then, the best parameter values were determined with cPSO and RF was applied. Feature selection was also made with bPSO. The best and most meaningful features were extracted for 66 features. 44 features were extracted as a result of bPSO. RF was applied with the features obtained with bPSO. High performance was obtained as a result of three modeling. 94% accuracy was obtained for only RF, 95% for RF-cPOS, and 96% for RF-bPSO. When all results were compared, it was seen that RF-bPSO provided the best classification from the features obtained vectorially.