Araştırma Makalesi
PDF Zotero Mendeley EndNote BibTex Kaynak Göster

Normal ve Kronik Hastalıklı Orta Kulak İmgelerinin Evrişimsel Sinir Ağları Yöntemiyle Tespit Edilmesi

Yıl 2020, Cilt 13, Sayı 1, 1 - 10, 13.04.2020

Öz

Orta kulak iltihabı kulak zarının arkasında sıvı birikmesi olarak bilinmektedir. Orta kulak iltihabının uzun süreli tedaviye yanıt vermemesi ve kulak zarının delinmesi ile karakterize olan kronik orta kulak iltihabı işitme kaybına bile sebep olabilen ciddi bir rahatsızlıktır. Bu çalışmada gerekli etik kurulu izni alındıktan sonra Özel Van Akdamar Hastanesinde gönüllü hastalardan otoskop cihazı ile elde edilen 598 adet normal orta kulak görüntüsü ve kronik hastalıklı orta kulak görüntüleri ile sınıflandırma işlemi gerçekleştirilmiştir. Son yıllarda yapay zekâ kapsamında değerlendirilen algoritmalar hemen her alanda kullanılmaktadır. Sağlık alanında da tanı ve karar destek sistemleri geliştirilerek başarılı çalışmalar yapılmaktadır. Bu çalışmada yapay zekâ algoritmalarından olan ve özellikle biyomedikal görüntü sınıflandırma çalışmalarında da iyi sonuçlar elde edilen evrişimsel sinir ağı mimarilerinden olan AlexNet, VGG16, VGG19, GoogleNet, ResNet18, ResNet50, ResNet101 modelleri kullanılmıştır. Deneysel çalışmalar sonucu VGG19 mimarisi ile %97.2067 başarı oranı elde edilmiştir. Evrişimsel sinir ağları yöntemi normal ve kronik orta kulak görüntülerini ayırt etmede başarılı bir yöntemdir.

Kaynakça

  • [1] T. Tham, L. Rahman, and P. Costantino, “Efficacy of a non-invasive middle ear aeration device in children with recurrent otitis media: A randomized controlled trial protocol,” Contemp. Clin. Trials Commun., vol. 12, pp. 92–97, Dec. 2018.
  • [2] R. Gün, “Kronik süpüratif otitis mediyada yas, hastalık süresi ve kolesteatom varlıgının sensorinöral isitme kaybı ile iliskisi,” Dicle Tıp Dergisi, , Sayı 2 , vol. Cilt: 36, no. sayı 2, pp. 117–122, 2009.
  • [3] E. Yorgancılar et al., “Complications of chronic suppurative otitis media: a retrospective review,” Eur. Arch. Oto-Rhino-Laryngology, vol. 270, no. 1, pp. 69–76, 2013.
  • [4] O. Pakır, “Kronik süpüratif otitis mediada medikal Tedavinin cerrahi tedavinin zamanlamasındaki Rolü,” Zonguldak Üniversitesi, 2015.
  • [5] Z. Cömert and A. F. Kocamaz, “Fetal Hypoxia Detection Based on Deep Convolutional Neural Network with Transfer Learning Approach,” in Software Engineering and Algorithms in Intelligent Systems, 2019, pp. 239–248.
  • [6] E. Deniz, A. Sengür, Z. Kadiroğuglu, Y. Guo, V. Bajaj, and Ü. Budak, “Transfer learning based histopathologic image classification for breast cancer detection,” Heal. Inf. Sci. Syst., vol. 6, no. 1, p. 18, 2018.
  • [7] Z. Cömert, A. Şengür, Y. Akbulut, Ü. Budak, A. F. Kocamaz, and V. Bajaj, “Efficient approach for digitization of the cardiotocography signals,” Phys. A Stat. Mech. its Appl., vol. 537, p. 122725, Jan. 2020.
  • [8] Ü. Budak, Y. Guo, E. Tanyildizi, and A. Şengür, “Cascaded deep convolutional encoder-decoder neural networks for efficient liver tumor segmentation,” Med. Hypotheses, vol. 134, p. 109431, Jan. 2020.
  • [9] U. Budak, V. Bajaj, Y. Akbulut, O. Atila, and A. Sengur, “An Effective Hybrid Model for EEG-Based Drowsiness Detection,” IEEE Sens. J., vol. 19, no. 17, pp. 7624–7631, 2019.
  • [10] D. D. Heck Junior, V., Wangenheim, A.v., Abdala, “Computational Techniques for Accompaniment and Measuring of Otology Pathologies,” pp. 0–5, 2007.
  • [11] C. K. Shie, H. T. Chang, F. C. Fan, C. J. Chen, T. Y. Fang, and P. C. Wang, “A hybrid feature-based segmentation and classification system for the computer aided self-diagnosis of otitis media,” 2014 36th Annu. Int. Conf. IEEE Eng. Med. Biol. Soc. EMBC 2014, pp. 4655–4658, 2014.
  • [12] H. C. Myburgh, W. H. Van Zijl, D. Swanepoel, S. Hellström, and C. Laurent, “EBioMedicine Otitis Media Diagnosis for Developing Countries Using Tympanic Membrane Image-Analysis,” vol. 5, pp. 156–160, 2016.
  • [13] E. Başaran, A. Şengür, Z. Cömert, Ü. Budak, Y. Çelık, and S. Velappan, “Normal and Acute Tympanic Membrane Diagnosis based on Gray Level Co-Occurrence Matrix and Artificial Neural Networks,” in 2019 International Artificial Intelligence and Data Processing Symposium (IDAP), 2019, pp. 1–6.
  • [14] E. Başaran, Z. Cömert, and Y. Çelik, “Convolutional neural network approach for automatic tympanic membrane detection and classification,” Biomed. Signal Process. Control, vol. 56, p. 101734, Feb. 2020.
  • [15] C. Zafer, “Fusing fine-tuned deep features for recognizing different tympanic membranes,” Biocybern. Biomed. Eng., Nov. 2019.
  • [16] V. Bajaj, M. Pawar, V. K. Meena, M. Kumar, A. Sengur, and Y. Guo, “Computer-aided diagnosis of breast cancer using bi-dimensional empirical mode decomposition,” Neural Comput. Appl., 2017.
  • [17] Z. Zhao, Y. Zhang, Z. Comert, and Y. Deng, “Computer-Aided Diagnosis System of Fetal Hypoxia Incorporating Recurrence Plot With Convolutional Neural Network,” Front. Physiol., vol. 10, p. 255, 2019.
  • [18] M. Toğaçar, B. Ergen, and Z. Cömert, “Detection of lung cancer on chest CT images using minimum redundancy maximum relevance feature selection method with convolutional neural networks,” Biocybern. Biomed. Eng., Nov. 2019.
  • [19] M. Toğaçar and B. Ergen, “Deep Learning Approach for Classification of Breast Canser,” in 2018 International Conference on Artificial Intelligence and Data Processing (IDAP), 2018, pp. 1–5.
  • [20] A. Feng-Ping and L. Zhi-Wen, “Medical image segmentation algorithm based on feedback mechanism convolutional neural network,” Biomed. Signal Process. Control, vol. 53, p. 101589, Aug. 2019.
  • [21] A. Krizhevsky, I. Sutskever, and G. E. Hinton, “ImageNet Classification with Deep Convolutional Neural Networks,” in Proceedings of the 25th International Conference on Neural Information Processing Systems - Volume 1, 2012, pp. 1097–1105.
  • [22] A. Arı, “Derin Öğrenme Tabanlı Beyin Mr Görüntülerinden Beyin Tümörlerinin Tespit Edilmesi Ve Sınıflandırılması,” İnönü University, 2019.
  • [23] F. İ. Eyiokur, D. Yaman, and H. K. Ekenel, “Sketch classification with deep learning models,” in 2018 26th Signal Processing and Communications Applications Conference (SIU), 2018, pp. 1–4.
  • [24] C. Szegedy et al., “Going deeper with convolutions,” in 2015 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2015, pp. 1–9.
  • [25] Y. Altuntaş, A. F. Kocamaz, Z. Cömert, R. Cengiz, and M. Esmeray, “Identification of Haploid Maize Seeds using Gray Level Co-occurrence Matrix and Machine Learning Techniques,” in 2018 International Conference on Artificial Intelligence and Data Processing (IDAP), 2018, pp. 1–5.
  • [26] A. Gómez-Ríos, S. Tabik, J. Luengo, A. Shihavuddin, B. Krawczyk, and F. Herrera, “Towards highly accurate coral texture images classification using deep convolutional neural networks and data augmentation,” Expert Syst. Appl., vol. 118, pp. 315–328, Mar. 2019.

Ayrıntılar

Birincil Dil Türkçe
Konular Mühendislik
Bölüm Makaleler(Araştırma)
Yazarlar

Erdal BAŞARAN (Sorumlu Yazar)
KARABÜK ÜNİVERSİTESİ
0000-0001-8569-2998
Türkiye


Zafer CÖMERT
SAMSUN ÜNİVERSİTESİ
0000-0001-5256-7648
Türkiye


Abdulkadir SENGUR
FIRAT ÜNİVERSİTESİ
0000-0003-1614-2639
Türkiye


Ümit BUDAK
BİTLİS EREN ÜNİVERSİTESİ
0000-0003-4082-383X
Türkiye


Yuksel CELIK
KARABÜK ÜNİVERSİTESİ
0000-0002-7117-9736
Türkiye


Mesut TOĞAÇAR
FIRAT ÜNİVERSİTESİ
0000-0002-8264-3899
Türkiye

Teşekkür UBMK19'da sunmus oldugumuz "Chronic Tympanic Membrane Diagnosis based on Deep Convolutional Neural Network" baslikli bildirimiz, TBV Bilgisayar Bilimleri ve Muhendisligi dergisinde secilip davet edildiğinden dolayı teşekkür ederiz, Saygılarımızla
Yayımlanma Tarihi 13 Nisan 2020
Yayınlandığı Sayı Yıl 2020, Cilt 13, Sayı 1

Kaynak Göster

Bibtex @araştırma makalesi { tbbmd657649, journal = {Türkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi}, issn = {1305-8991}, eissn = {2618-5997}, address = {}, publisher = {Türkiye Bilişim Vakfı}, year = {2020}, volume = {13}, pages = {1 - 10}, doi = {}, title = {Normal ve Kronik Hastalıklı Orta Kulak İmgelerinin Evrişimsel Sinir Ağları Yöntemiyle Tespit Edilmesi}, key = {cite}, author = {Başaran, Erdal and Cömert, Zafer and Sengur, Abdulkadir and Budak, Ümit and Celık, Yuksel and Toğaçar, Mesut} }
APA Başaran, E. , Cömert, Z. , Sengur, A. , Budak, Ü. , Celık, Y. & Toğaçar, M. (2020). Normal ve Kronik Hastalıklı Orta Kulak İmgelerinin Evrişimsel Sinir Ağları Yöntemiyle Tespit Edilmesi . Türkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi , 13 (1) , 1-10 . Retrieved from https://dergipark.org.tr/tr/pub/tbbmd/issue/53711/657649
MLA Başaran, E. , Cömert, Z. , Sengur, A. , Budak, Ü. , Celık, Y. , Toğaçar, M. "Normal ve Kronik Hastalıklı Orta Kulak İmgelerinin Evrişimsel Sinir Ağları Yöntemiyle Tespit Edilmesi" . Türkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi 13 (2020 ): 1-10 <https://dergipark.org.tr/tr/pub/tbbmd/issue/53711/657649>
Chicago Başaran, E. , Cömert, Z. , Sengur, A. , Budak, Ü. , Celık, Y. , Toğaçar, M. "Normal ve Kronik Hastalıklı Orta Kulak İmgelerinin Evrişimsel Sinir Ağları Yöntemiyle Tespit Edilmesi". Türkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi 13 (2020 ): 1-10
RIS TY - JOUR T1 - Normal ve Kronik Hastalıklı Orta Kulak İmgelerinin Evrişimsel Sinir Ağları Yöntemiyle Tespit Edilmesi AU - Erdal Başaran , Zafer Cömert , Abdulkadir Sengur , Ümit Budak , Yuksel Celık , Mesut Toğaçar Y1 - 2020 PY - 2020 N1 - DO - T2 - Türkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi JF - Journal JO - JOR SP - 1 EP - 10 VL - 13 IS - 1 SN - 1305-8991-2618-5997 M3 - UR - Y2 - 2020 ER -
EndNote %0 Türkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi Normal ve Kronik Hastalıklı Orta Kulak İmgelerinin Evrişimsel Sinir Ağları Yöntemiyle Tespit Edilmesi %A Erdal Başaran , Zafer Cömert , Abdulkadir Sengur , Ümit Budak , Yuksel Celık , Mesut Toğaçar %T Normal ve Kronik Hastalıklı Orta Kulak İmgelerinin Evrişimsel Sinir Ağları Yöntemiyle Tespit Edilmesi %D 2020 %J Türkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi %P 1305-8991-2618-5997 %V 13 %N 1 %R %U
ISNAD Başaran, Erdal , Cömert, Zafer , Sengur, Abdulkadir , Budak, Ümit , Celık, Yuksel , Toğaçar, Mesut . "Normal ve Kronik Hastalıklı Orta Kulak İmgelerinin Evrişimsel Sinir Ağları Yöntemiyle Tespit Edilmesi". Türkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi 13 / 1 (Nisan 2020): 1-10 .
AMA Başaran E. , Cömert Z. , Sengur A. , Budak Ü. , Celık Y. , Toğaçar M. Normal ve Kronik Hastalıklı Orta Kulak İmgelerinin Evrişimsel Sinir Ağları Yöntemiyle Tespit Edilmesi. TBV-BBMD. 2020; 13(1): 1-10.
Vancouver Başaran E. , Cömert Z. , Sengur A. , Budak Ü. , Celık Y. , Toğaçar M. Normal ve Kronik Hastalıklı Orta Kulak İmgelerinin Evrişimsel Sinir Ağları Yöntemiyle Tespit Edilmesi. Türkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi. 2020; 13(1): 1-10.
IEEE E. Başaran , Z. Cömert , A. Sengur , Ü. Budak , Y. Celık ve M. Toğaçar , "Normal ve Kronik Hastalıklı Orta Kulak İmgelerinin Evrişimsel Sinir Ağları Yöntemiyle Tespit Edilmesi", Türkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi, c. 13, sayı. 1, ss. 1-10, Nis. 2020

Makale Kabulü

 

Çevrimiçi makale yüklemesi yapmak için kullanıcı kayıt/girişini kullanınız.

Dergiye gönderilen makalelerin kabul süreci şu aşamalardan oluşmaktadır:

1.       Gönderilen her makale ilk aşamada en az iki hakeme gönderilmektedir.

2.       Hakem ataması, dergi editörleri tarafından yapılmaktadır. Derginin hakem havuzunda yaklaşık 200 hakem bulunmaktadır ve bu hakemler ilgi alanlarına göre sınıflandırılmıştır. Her hakeme ilgilendiği konuda makale gönderilmektedir. Hakem seçimi menfaat çatışmasına neden olmayacak biçimde yapılmaktadır.

3.       Hakemlere gönderilen makalelerde yazar adları kapatılmaktadır.

4.       Hakemlere bir makalenin nasıl değerlendirileceği açıklanmaktadır ve aşağıda görülen değerlendirme formunu doldurmaları istenmektedir.

5.       İki hakemin olumlu görüş bildirdiği makaleler editörler tarafından benzerlik incelemesinden geçirilir. Makalelerdeki benzerliğin %25’ten küçük olması beklenir.

6.       Tüm aşamaları geçmiş olan bir bildiri dil ve sunuş açısından editör tarafından incelenir ve gerekli düzeltme ve iyileştirmeler yapılır. Gerekirse yazarlara durum bildirilir.