A Computer-Assisted Diagnosis Tool for Classifying COVID-19 based on Chest X-Ray Images

Authors : Fatma Hilal YAĞIN, Emek GÜLDOĞAN, Hasan UCUZAL, Cemil ÇOLAK

Pages : 438-445

Doi:10.18521/ktd.947192

View : 16 | Download : 7

Publication Date : 2021-08-30

Article Type : Research Paper

Abstract :Amaç: COVID-19 dünya çapında bir salgın olduğu için, evrişimli sinir ağı (CNN) kullanılarak COVID-19 tespiti olağanüstü bir araştırma tekniği olmuştur. Bildirilen çalışmalarda, çeşitli tıbbi görüntüler kullanılarak derin öğrenme yöntemlerine dayalı olarak COVID-19'u tahmin edebilen birçok model oluşturulmuş; ancak, klinik karar destek sistemleri sınırlı kalmıştır. Bu çalışmanın amacı, X- ışını görüntülerine dayalı başarılı bir derin öğrenme modeli ve COVID-19'un doğru tespiti için bilgisayar destekli, hızlı, ücretsiz ve web tabanlı bir tanı aracı geliştirmektir. Gereç ve Yöntem: Bu çalışmada, sınıflandırma açısından daha önce yayınlanmış birçok CNN modelinden daha iyi performans gösteren X-ışını görüntüleri kullanılarak COVID-19'u tespit etmek için 15 katmanlı bir CNN modeli kullanıldı. Model performansı Doğruluk, Matthews Korelasyon Katsayısı (MCC), F1 Skoru, Seçiçilik, Duyarlılık, Youden Endeksi, Kesinlik (Pozitif Tahmin Değeri: PPV), Negatif Tahmin Değeri (NPV) ve Karışıklık Matrisine (Sınıflandırma matrisi) dayalı olarak değerlendirildi. Çalışmanın ikinci aşamasında Python Flask kütüphanesi, JavaScript ve Html kodları kullanılarak COVID-19 için bilgisayar destekli tanı aracı geliştirildi. Bulgular: COVID-19 tanısına yönelik model, eğitim setinde ortalama %98.68 ve test setinde %96.98 doğruluk oranına sahiptir. Değerlendirme ölçütlerinden minimum değerler MCC ve Youden Endeksi için %93.4, maksimum değer ise duyarlılık ve NPV ölçütlerinde % 97.8 olarak elde edilmiştir. Daha yüksek bir duyarlılık değeri, daha düşük bir yanlış negatif (FN) değeri anlamına gelir ve düşük bir FN değeri, COVID-19 vakaları için cesaret verici bir sonuçtur. Bu sonuç çok önemlidir, çünkü gözden kaçan COVID-19 vakalarını (yanlış negatifler) en aza indirmek bu araştırmanın ana hedeflerinden biridir. Sonuç: COVID-19'un dünya çapında hızla yayıldığı bu dönemde, ücretsiz ve web tabanlı COVID-19 X-Ray klinik karar destek aracının oldukça etkili ve hızlı bir tanı aracı olabileceği düşünülmektedir. Bilgisayar destekli sistem, doktorlara ve radyologlara hastalık hakkında klinik kararlar vermede yardımcı olabileceği gibi, teşhis, takip ve prognoz konusunda da destek sağlayabilir. Geliştirilen bilgisayar destekli tanı aracına http://biostatapps.inonu.edu.tr/CSYX/ adresinden genel erişim sağlanabilmektedir.
Keywords : Evrişimli sinir ağı, COVID 19, Görüntü işleme, Derin öğrenme, Bilgisayar destekli tanı sistemleri