Sürdürülebilir Kalkınma Amaçları

• 1

• MakaleAçık Erişim2023/r/gumushane/11455
  Detection of pneumonia from pediatric chest X-ray images by transfer learning

  Demir, Yasin; Bingöl, Özkan

  When pathogens such as viruses, bacteria and fungi attack the lungs, the alveoli fill with inflamed fluid, causing pneumonia. Early diagnosis of this disease, which has fatal outcomes especially in children under 5 years old, is very important in controlling undesirable situations. Chest X-ray images play an important role in the diagnosis of pneumonia. In addition, the fact that the amount of radiation is lower than imaging devices such as tomography and the possibility of being accessible even from rural areas creates an advantage for X-ray devices. However, X-ray images that are not always clear or human conditions such as fatigue and lack of attention can make it difficult for specialists to detect pneumonia. In this study, a transfer learning-based convolutional neural network (CNN) approach is proposed, which can help specialists in the early and accurate diagnosis of pneumonia in children and, classify healthy and diseased individuals through Chest X-ray images. As a result of the study, an original CNN was proposed by adding additional layers to the AlexNet architecture layers and a test accuracy of 96.31% was obtained. Copyright 2021, Yıldız Technical University.

  İncele
• Yüksek Lisans TeziAçık Erişim2021/r/gumushane/21935
  Pediatrik akciğer röntgen görüntülerinden evrişimsel sinir ağı ile pnömoni tespiti

  Yasin Demir

  Bu çalışmada çocuklarda ciddi tehdit oluşturan ve ölümlere neden olabilen pnömoni hastalığının tespiti üzerinde çalışılmıştır. Bu hastalığının tespitinde akciğer röntgen görüntüleri önemli bir rol oynamaktadır. Çünkü bu görüntüleri elde etmek için kullanılan cihazlar diğer görüntüleme cihazlarına göre daha yaygındır ve daha düşük radyasyon yaymaktadırlar. Akciğer röntgen görüntülerinin yorumu radyologlar tarafından yapılmaktadır. Ancak kullanılan bazı görüntülerin belirsiz olması, hastalık belirtilerinin birbirlerine benzemesi ve yoğun iş temposu gibi olumsuz koşullar uzmanların röntgenleri yorumlamasını zorlaştırabilmektedir. Bu çalışmada akciğer röntgen görüntülerini sağlıklı ve pnömonili olarak sınıflandırabilecek ve uzmanlara yardımcı olabilecek evrişimsel sinir ağı modelleri geliştirilmiştir. Evrişimsel sinir ağı modellenirken iki farklı yaklaşım kullanılmıştır. Birincisi, özgün olarak en baştan tüm katmanların belirlenerek ağın modellenmesi, ikincisi ise transfer öğrenme yöntemiyle bir ağ modellenmesi şeklindedir. Evrişimsel sinir ağları genellikle ilgili veri seti boyutu arttıkça daha iyi sonuç vermektedirler. Bu çalışmada da 5 yaş altı çocuklara ait önden çekilmiş 5840 görüntüden oluşan hazır bir veriseti kullanılmıştır. Bu veriseti önerilen yöntem için kısmen küçük bir veriseti olması ağın eğitiminde modelin ezberlemesine neden olmuştur. Ezber sonucunda eğitim ve test doğruluğu arasındaki farkın açıldığı gözlemlenmiştir. Bu farkı azaltmak amacıyla veri artırma ve regülasyon yöntemleri kullanılmış, önemli ölçüde ağın eğitimini iyileştirmiştir. Özgün olarak tasarlanan ilk modelde %93.43 doğruluk oranına ulaşılırken, transfer öğrenme yaklaşımı ile geliştirilen modelde %97.12 doğruluk oranı elde edilmiştir. Çalışma sonucunda ulaşılan yüksek başarı oranları, burada önerilen yaklaşımların akciğer röntgen görüntülerinin yorumlanmasında uzmanlara yardımcı olabileceğini göstermektedir. Ayrıca önerilen model salgın dönemlerinde (bir pnömoni türü olan COVID-19 gibi) hızlı ve doğru teşhislerin konulmasına da yardımcı olabilir.

  İncele
• BildiriAçık Erişim2021/r/gumushane/16644
  Pneumonia Detection from Pediatric Lung X-Ray Images with Convolutional Neural Network Method

  Demir, Yasin; Bingöl, Ozkan

  Pneumonia can be cause diseases such as cough, fever and respiratory problems and to death in the progressive situations. Mostly lung x-ray images are used for diagnosis of pneumonia. In this study, an unique convolutional neural network model that can help experts in detection of pneumonia using lung x-ray images below 5 years of age. In the model, open access to 5840 images has been used, and various data increasing methods were used to increase the performance of the training and the success of the method. With the proposed convolutional neural network model, an accuracy rate of 94.55% has been achieved.

  • 
  İncele