COVID-19 pandemic first broke out in December 2019 and has been affecting the world ever since. The number of COVID-19 patients is increasing rapidly in the world day by day, and it is known that the diagnosis of this disease is important for disease treatment. Chest X-ray images that are clinical adjuncts are widely used in the diagnosis of COVID-19 disease. In the study, machine learning-based models are developed using these images to reduce the workload of expert. In the data set used in the study, there are images obtained from a total of 137 COVID-19, 90 normal, and 90 pneumonia subjects. Here, 1000 image features are extracted for each image using AlexNet deep learning architecture. Afterward, the classifiers used in the study are trained using these image features. From the results, Accuracy (%), Sensitivity (%), Specificity (%), Precision (%), F1 score (%), and Matthews Correlation Coefficient (Matthews Correlation Coefficient, MCC) values of Cubic SVM that is the most successful classifier are equal to 95.27, 94.95, 97.76, 94.65, 94.79, and 0.9250, respectively.
COVID-19 salgını Aralık 2019’da ilk kez ortaya çıkmış ve o zamandan beri dünyayı etkisi altına almaktadır. Gün geçtikçe dünyada COVID-19 hasta sayısı hızla artmaktadır ve bu hastalığın teşhisinin, hastalık tedavi süreci için önemli olduğu bilinmektedir. COVID-19 hastalığının teşhisinde klinik yardımcı olan göğüs X-Ray görüntüleri yaygın olarak kullanılmaktadır. Bu çalışmada, uzmanların iş yükünü azaltmak amacıyla, bu görüntüler kullanılarak makine öğrenmesi tabanlı modeller geliştirilmiştir. Çalışmada kullanılan veri setinde toplam 137 COVID-19, 90 normal ve 90 pnömoni kişilerden alınan görüntüler bulunmaktadır. Burada, AlexNet derin öğrenme mimarisi kullanılarak her görüntü için 1000 görüntü özelliği çıkartılmıştır. Sonrasında, bu görüntü özellikleri kullanılarak çalışmada kullanılan sınıflandırıcılar eğitilmiştir. Sonuçlardan, en başarılı sınıflandırıcı olan kübik destek vektör makinesi (Cubic Support Vector Machine, Cubic SVM) sınıflandırıcısının Doğruluk (%), Duyarlık (%), Özgüllük (%), Kesinlik (%), F1 skoru (%) ve Matthews Korelasyon Katsayısı (Matthews Correlation Coefficient, MCC) değerlerinin sırasıyla 95.27, 94.95, 97.76, 94.65, 94.79 ve 0.9250’ye eşit olduğu görülmüştür.
Primary Language | Turkish |
---|---|
Subjects | Artificial Intelligence |
Journal Section | PAPERS |
Authors | |
Publication Date | October 20, 2021 |
Submission Date | August 31, 2021 |
Acceptance Date | September 16, 2021 |
Published in Issue | Year 2021 Volume: IDAP-2021 : 5th International Artificial Intelligence and Data Processing symposium Issue: Special |
The Creative Commons Attribution 4.0 International License
is applied to all research papers published by JCS and
A Digital Object Identifier (DOI) is assigned for each published paper.