Tez No	İndirme	Tez Künye	Durumu
749814		Konvolüsyonel sinir ağları kullanılarak COVID-19 ve pulmonerevresinin tespiti / Detection of COVID-19 and its pulmonary stage using convolutional neural networks Yazar:NEDİM MUZOĞLU Danışman: PROF. DR. BEKİR SIDDIK BİNBOĞA YARMAN Yer Bilgisi: İstanbul Üniversitesi-Cerrahpaşa / Lisansüstü Eğitim Enstitüsü / Biyomedikal Mühendisliği Ana Bilim Dalı / Biyomedikal Mühendisliği Anabilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control ; Biyomühendislik = Bioengineering Dizin:Bayes yöntemi = Bayesian method ; Bilgisayarlı tomografi = Computed tomography ; Optimizasyon teknikleri = Optimization techniques ; Pnömoni-viral = Pneumonia-viral ; Sinüs modeli = Sinusoidal model	Onaylandı Doktora Türkçe 2022 100 s.
Covid-19 pandemisi ilk ortaya çıktığı andan itibaren milyonlarca insanın ölümüne, halk sağlığı üzerinde olumsuz etkilere ve ülkelerin sağlık sistemlerinin yetersiz kalmasına neden olmuştur. Bu nedenle bu tez çalışmasında Covid-19 akciğer bilgisayarlı tomografi (BT) görüntülerini farklı pnömoni türlerinden ayıran ve anormallikleri tespit ederek hastalığın prognozunu belirleyen yapay zeka ile hastalığın hızlı tespiti için bir yaklaşım önerilmiştir. Bu amaçla Covid-19 görüntüleri viral pnömoni, bakteriyel pnömoni ve sağlıklı akciğer görüntüsünden ayırt edilmiştir. Daha sonra Covid-19 görüntülerinden elde edilen akciğer BT bulgularının beş sınıflı veri seti kullanılarak hastalığın prognozu belirlenmiştir. Bu çalışmada, MobiLeNet, ShuffLeNet ve GoogLeNet derin öğrenme modelleri veri setleri ile eğitilmiş ve ardından Sinüs-Kosinüs optimizasyon algoritması ile ayırt edici öznitelikleri belirlenmiştir. Modellerden elde edilen en değerli özellik alt kümesi, hiper parametreleri Bayesian algoritması kullanılarak optimize edilen Destek Vektör Makineleri kullanılarak sınıflandırılmıştır. Covid-19 ve akciğer BT bulguları veri kümeleri için sırasıyla %99,46 ve %99,82 genel doğruluk değerleri elde edilmiştir. Önerilen yaklaşım, Covid-19'u çok sınıflı viral pnömonilerden ayırmada benzer çalışmalardan daha iyi performans göstermiştir. Ayrıca akciğer BT bulgularının sınıflandırılmasıyla hastalığın prognozunun tahmin edilmesinde etkileyici bir yenilik sağlamıştır.
COVID-19 pandemic has caused the death of millions of people, negative impacts on public health, and the inadequacy of countries' health systems since it first emerged. Therefore, we proposed an approach for rapid detection of the disease with artificial intelligence, which distinguishes COVID-19 chest computed tomography (CT) images from different types of pneumonia and determines the prognosis of the disease by detecting abnormalities. For this purpose, COVID-19 images were distinguished from viral pneumonia, bacterial pneumonia, and healthy lung. Then the prognosis of the disease was determined using the five-class data set of chest CT findings from the COVID-19 images. In this study, MobileNet, ShuffLeNet and Googlenet deep learning models were trained with datasets, and then the discriminative features were obtained with Sine-Cosine optimization algorithm. The most valuable feature subset obtained from the models was classified using Support Vector Machines whose hyperparameters were optimized using the Bayesian algorithm. An overall accuracy of 99.46% and 99.82% were achieved for the Covid-19 and chest CT findings datasets, respectively. The proposed approach outperformed similar studies in distinguishing covid-19 from multiclass viral pneumonia. In addition, an impressive innovation in predicting the prognosis of the disease was achieved by classifying chest CT findings.