Öz Dikkat Mekanizması Tabanlı Görü Dönüştürücü Kullanılarak Sıtma Parazit Tespiti

İbrahim Tuncel; Abdülkadir Albayrak; Mehmet Akın

doi:10.24012/dumf.1120289

Öz Dikkat Mekanizması Tabanlı Görü Dönüştürücü Kullanılarak Sıtma Parazit Tespiti

Öz

Sıtma, tedavisiz olgularda ölümle sonuçlanabilen ve ciddi ateşli hastalığa yol açan bir enfeksiyon hastalığıdır. Bu yüzden bu hastalığın erken tanı ve tedavisi oldukça kritik öneme sahiptir. Gelişmiş teknolojilerle birlikte sıtma hastalığının teşhisine yönelik birçok klinik yöntem ve test kullanılmaktadır. Bu çalışmada Sıtma hastalığının teşhis edilmesi amacıyla son yıllarda doğal dil işleme alanında oldukça yüksek performans gösteren dönüştürücü yöntemlerden esinlenilerek önerilen Görü Dönüştürücü (Vision Transformer, ViT) yöntemi kullanılmaktadır. Elde edilen sonuçlar değerlendirildiğinde ViT yönteminin %97.22 gibi yüksek bir sınıflandırma performansı elde ettiği gözlemlenmiştir. Vit yöntemi ile elde edilen sonuçlar, literatürde uygulanan geleneksel ve derin öğrenme yöntemleri karşılaştırılmış ve bu sonuçlar karşılaştırmalı olarak tabloda sunulmuştur.

Anahtar Kelimeler

Kaynakça

[1] A. Vijayalakshmi and B. Rajesh Kanna, "Deep learning approach to detect malaria from microscopic images", Multimedia Tools and Applications, vol. 79, 2019.
[2] S. Rajaraman et al., "Understanding the learned behavior of customized convolutional neural networks toward malaria parasite detection in thin blood smear images", J. Med. Imag., vol. 5, no. 3, Jul. 2018.
[3] Y. Dong et al., "Evaluations of deep convolutional neural networks for automatic identification of malaria infected cells", Proc. IEEE EMBS Int. Conf. Biomed. Health Inform. (BHI), pp. 101-104, 2017.
[4] D. Bibin, M. S. Nair and P. Punitha, "Malaria Parasite Detection From Peripheral Blood Smear Images Using Deep Belief Networks," in IEEE Access, vol. 5, pp. 9099-9108, 2017, doi: 10.1109/ACCESS.2017.2705642.
[5] Z. Liang et al., "CNN-based image analysis for malaria diagnosis," 2016 IEEE International Conference on Bioinformatics and Biomedicine (BIBM), 2016, pp. 493-496, doi: 10.1109/BIBM.2016.7822567.
[6] J. Hung and A. Carpenter, "Applying Faster R-CNN for Object Detection on Malaria Images," 2017 IEEE Conference on Computer Vision and Pattern Recognition Workshops (CVPRW), 2017, pp. 808-813, doi: 10.1109/CVPRW.2017.112.
[7] B. N. Narayanan, R. Ali and R. C. Hardie, "Performance analysis of machine learning and deep learning architectures for malaria detection on cell images", Applications of Machine Learning, vol. 11139, pp. 111390W, September 2019.
[8] S. Muneer, S. Jatoi, B. Naz, “Detection of Noisy Blood Images Indicating Prodromal Diseases”, International Journal of Latest Trends in Engineering and Technology, Vol(12), Issue(6), pp. 001-006, 2018.

[9] lhncbc.nlm.nih.gov, “Lister Hill National Center for Biomedical Communications”, 2021. [Çevrimiçi]. https://ceb.nlm.nih.gov/repositories/malaria-datasets/ [Erişim Tarihi: 15.05.2021]
[10] J. Devlin, M. W. Chang, K. Lee, and K. Toutanova. BERT: Pre-training of deep bidirectional transformers for language understanding. In NAACL, 2019.
[11] A. Dosovitskiy, L. Beyer, A. Kolesnikov, D. Weissenborn, X. Zhai, T. Unterthiner, …, et al., “An image is worth 16x16 words: Transformers for image recognition at scale”, In ICLR, 2021.
[12] A. Vaswani, N. Shazeer, N. Parmar, J. Uszkoreit, L. Jones, A. N. Gomez, et al., "Attention is all you need", Advances in Neural Information Processing Systems, pp. 6000-6010, 2017.
[13] Q. Wang et al., "Learning deep transformer models for machine translation", Proc. Annu. Meeting Assoc. Comput. Linguistics, pp. 1810-1822, 2019.
[14] T. Czempiel, M. Paschali, D. Ostler, S. T. Kim, B. Busam and N. Navab, "OperA: Attention-regularized transformers for surgical phase recognition", arXiv:2103.03873, 2021, [online] Available: http://arxiv.org/abs/2103.03873.
[15] A. Diker, "Sıtma Hastalığının Sınıflandırılmasında Evrişimsel Sinir Ağlarının Performanslarının Karşılaştırılması", BEÜ Fen Bilim. Derg., vol. 9, no. 4, pp. 1825-1835, 2020.
[16] M. Masud, H. Alhumyani, S. S. Alshamrani, O. Cheikhrouhou, S. Ibrahim, G. Muhammad, et al., "Leveraging deep learning techniques for malaria parasite detection using mobile application", Wireless Commun. Mobile Comput., vol. 2020, pp. 1-15, Jul. 2020.
[17] T. Mahmud, & S. A. Fattah, “Automatic Diagnosis of Malaria from Thin Blood Smear Images using Deep Convolutional Neural Network with Multi-Resolution Feature Fusion”, arXiv preprint arXiv:2012.05350. 2020.
[18] B. N. Akılotu, Z. Kadiroğlu, A. Şengür and M. Kayaoğlu, “Evrişimsel Sinir Ağları ve Transfer Öğrenme Yöntemi Kullanılarak Sıtma Tespiti”, International Engineering and Science Symposium, Siirt, 2019.
[19] Whole slide image for malaria infected red blood cells, [Çevrimiçi] Erişim: http://peir-vm.path.uab.edu/debug.php?slide=IPLab11Malaria [Erişim Tarihi: 15.05.2021].
[20] F. Montalbo and A. Alon, "Empirical Analysis of a Fine-Tuned Deep Convolutional Model in Classifying and Detecting Malaria Parasites from Blood Smears", KSII Transactions on Internet and Information Systems, vol. 15, no. 1, 2021.
[21] E. Irmak, “A novel implementation of deep-learning approach on malaria parasite detection from thin blood cell images”, Electrica 21(2):216–224. 2021. https://doi.org/10.5152/electrica.2020.21004.
[22] T. Fatima and M.S Farid, "Automatic detection of Plasmodium parasites from microscopic blood images", Journal of Parasitic Diseases, vol. 44, no. 1, pp. 69-78, 2020.
[23] G. Saiprasath, N. Babu, J. ArunPriyan, R. Vinayakumar, V. Sowmya and K. Soman, Performance comparison of machine learning algorithms for malaria detection using microscopic images, 2019.
[24] J. A. Quinn, A. Andama, I. Munabi, F. N. Kiwanuka, “Automated blood smear analysis for mobile malaria diagnosis”, Mobile Pointof-Care Monitors and Diagnostic Device Design, 31-115, 2014.
[25] WebMicroscope “Institute for molecular medicine Finland and FIMM”. http://fimm.webmicroscope.net/Research/Momic/mamic., [Erişim Tarihi: 1 June 2018] F Abdurahman, KF Anlay and M Aliy, "Malaria Parasite Detection in Thick Blood Smear Microscopic Images Using Modified YOLOV3 and YOLOV4 Models", Research Square, 2020.

Ayrıntılar

Birincil Dil

Türkçe

Konular

-

Bölüm

Araştırma Makalesi

Yazarlar

İbrahim Tuncel ^*
0000-0002-4965-5134
Türkiye

Abdülkadir Albayrak
0000-0002-0738-871X
Türkiye

Mehmet Akın
0000-0002-4965-5134
Türkiye

Yayımlanma Tarihi

28 Haziran 2022

Gönderilme Tarihi

26 Mayıs 2022

Kabul Tarihi

25 Haziran 2022

Yayımlandığı Sayı

Yıl 2022 Cilt: 13 Sayı: 2

DOI

https://doi.org/10.24012/dumf.1120289

IZ

https://izlik.org/JA94ZZ54JL

Kaynak Göster

RIS / Bibtex

APA

Tuncel, İ., Albayrak, A., & Akın, M. (2022). Öz Dikkat Mekanizması Tabanlı Görü Dönüştürücü Kullanılarak Sıtma Parazit Tespiti. Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi, 13(2), 271-277. https://doi.org/10.24012/dumf.1120289

AMA

1.Tuncel İ, Albayrak A, Akın M. Öz Dikkat Mekanizması Tabanlı Görü Dönüştürücü Kullanılarak Sıtma Parazit Tespiti. DÜMF MD. 2022;13(2):271-277. doi:10.24012/dumf.1120289

Chicago

Tuncel, İbrahim, Abdülkadir Albayrak, ve Mehmet Akın. 2022. “Öz Dikkat Mekanizması Tabanlı Görü Dönüştürücü Kullanılarak Sıtma Parazit Tespiti”. Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi 13 (2): 271-77. https://doi.org/10.24012/dumf.1120289.

EndNote

Tuncel İ, Albayrak A, Akın M (01 Haziran 2022) Öz Dikkat Mekanizması Tabanlı Görü Dönüştürücü Kullanılarak Sıtma Parazit Tespiti. Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi 13 2 271–277.

IEEE

[1]İ. Tuncel, A. Albayrak, ve M. Akın, “Öz Dikkat Mekanizması Tabanlı Görü Dönüştürücü Kullanılarak Sıtma Parazit Tespiti”, DÜMF MD, c. 13, sy 2, ss. 271–277, Haz. 2022, doi: 10.24012/dumf.1120289.

ISNAD

Tuncel, İbrahim - Albayrak, Abdülkadir - Akın, Mehmet. “Öz Dikkat Mekanizması Tabanlı Görü Dönüştürücü Kullanılarak Sıtma Parazit Tespiti”. Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi 13/2 (01 Haziran 2022): 271-277. https://doi.org/10.24012/dumf.1120289.

JAMA

1.Tuncel İ, Albayrak A, Akın M. Öz Dikkat Mekanizması Tabanlı Görü Dönüştürücü Kullanılarak Sıtma Parazit Tespiti. DÜMF MD. 2022;13:271–277.

MLA

Tuncel, İbrahim, vd. “Öz Dikkat Mekanizması Tabanlı Görü Dönüştürücü Kullanılarak Sıtma Parazit Tespiti”. Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi, c. 13, sy 2, Haziran 2022, ss. 271-7, doi:10.24012/dumf.1120289.

Vancouver

1.İbrahim Tuncel, Abdülkadir Albayrak, Mehmet Akın. Öz Dikkat Mekanizması Tabanlı Görü Dönüştürücü Kullanılarak Sıtma Parazit Tespiti. DÜMF MD. 01 Haziran 2022;13(2):271-7. doi:10.24012/dumf.1120289

Cited By

Performance of vision transformer and swin transformer models for lemon quality classification in fruit juice factories

European Food Research and Technology

https://doi.org/10.1007/s00217-024-04537-5