@article{article_1416331, title={Akciğer Röntgen Görüntülerinden Covid-19 ve Zatürre Hastalığının Kuantum Evrişimli Sinir Ağları Yöntemi ile Tahmini}, journal={Karaelmas Fen ve Mühendislik Dergisi}, volume={14}, pages={37–51}, year={2024}, DOI={10.7212/karaelmasfen.1416331}, author={Şahin, Seçmen and Harman, Güneş}, keywords={Covid’19, kuantum devresi, kuantum makine öğrenmesi, kuantum evrişimli sinir ağları}, abstract={Kuantum Evrişimli Sinir Ağları (QCNN’ler) kuantum hesaplamanın güçlü yönlerinden faydalanarak evrişimli sinir ağlarının yeteneklerini artırmayı amaçlar. Girdi verilerini yerel olarak dönüştürerek ve kuantum devreleri kullanarak çalışırlar. Bu çalışmada, kuantum kodlu bir COVID-19 veri kümesi üzerinde iki model oluşturulmuştur. Model-1, ‘Normal Kişi’ ile ‘Covid19/Viral Pnömoni’ arasında sınıflandırma yaparken, Model-2 ‘Covid-19’ ile ‘Viral Pnömoni’ arasında sınıflandırma yapmaktadır. Oluşturulan bu modeller için kübit sayısına göre (öznitelik sayısı) 3 farklı sınıflandırma yapılmıştır. Kuantum Sınıflandırıcı 1 için, temel veri analizi ile elde edilen 256 özellikli giriş verisinden 11 özellik çıkarılarak yaklaşık %70 doğruluk elde edilmiştir. Kuantum Sınıflandırıcı 2’de, TruncatedSVD yöntemi kullanılarak her bir görüntünün 256 özelliği 4’e indirilmiş ve %72 doğruluk elde edilmiştir. Son olarak Kuantum Sınıflandırıcı 3’te sadece 2 özellik kullanarak beklenmedik bir şekilde %76 doğruluk elde ettiği belirtilmiştir Bu modeller, akciğer röntgen görüntülerinden hastalık teşhisi konusunda önemli bilgiler sağlamakta ve kuantum bilgisayarlarının sağlık alanında nasıl etkili bir şekilde kullanılabileceğini göstermektedir. Ayrıca, Pennylane’in “varsayılan qubit” cihazındaki farklı parametrelerin model performansına etkisi incelenmiştir. Çalışmada, Kuantum Sınıflandırıcı 3’ün veri boyutunu önemli ölçüde azaltarak yüksek doğruluk oranına nasıl ulaştığı, QCNN’lerin gelecekte daha az kaynak kullanımıyla yüksek performans sağlama potansiyelini göstermektedir.}, number={2}, publisher={Zonguldak Bülent Ecevit Üniversitesi}