KONVOLÜSYONEL SİNİR AĞI KULLANILARAK SITMA HASTALIĞI SINIFLANDIRILMASI

Adıyaman Üniversitesi Mühendislik Bilimleri Dergisi Pub Date : 2022-05-08 DOI:10.54365/adyumbd.1033135

Ibrahim Cetiner

{"title":"KONVOLÜSYONEL SİNİR AĞI KULLANILARAK SITMA HASTALIĞI SINIFLANDIRILMASI","authors":"Ibrahim Cetiner","doi":"10.54365/adyumbd.1033135","DOIUrl":null,"url":null,"abstract":"Sıtma, sivrisinek ısırması sonucu oluşan bir hastalıktır. Sıtma hastalığını algılama, tanıma ve sınıflandırma gibi işlemler, Plasmodium parazitli hücrelerin mikroskobik olarak incelenmesine dayanmaktadır. Sıtma paraziti ile enfekte olmuş hücrelerin bilgisayar destekli olarak tanımlanması zorlu bir iştir. Bu zorlu işlemi kolaylaştırabilmek için son zamanlarda popüler hale gelen derin öğrenme yöntemleri ile kırmızı kan hücrelerinde sıtma parazitinin olup olmadığı tespit edilmeye çalışıldı. Bu hastalığın tanısını koyabilmek için gerçekleştirilen sınıflandırmada iki ayrı Konvolüsyonel Sinir Ağı (CNN) modeli geliştirilmiştir. Birinci modelde giriş katmanı olarak önceden eğitilmiş ResNet50V2 mimarisini temel alan derin öğrenme modeli verilmiştir. İkinci modelde ise 23 ağırlıklı katmandan oluşan yeni bir derin öğrenme modeli tasarlanmıştır. Önerilen modelleri eğitebilmek için toplam 27.558 ince kan hücresi görüntüsü kullanıldı. Önerilen modeller ile sıtma hastalığının sınıflandırılmasında %97.53 oranında doğruluk değerine ulaşılmıştır.","PeriodicalId":149401,"journal":{"name":"Adıyaman Üniversitesi Mühendislik Bilimleri Dergisi","volume":"22 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2022-05-08","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"1","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Adıyaman Üniversitesi Mühendislik Bilimleri Dergisi","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.54365/adyumbd.1033135","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}

引用次数: 1

Abstract

Sıtma, sivrisinek ısırması sonucu oluşan bir hastalıktır. Sıtma hastalığını algılama, tanıma ve sınıflandırma gibi işlemler, Plasmodium parazitli hücrelerin mikroskobik olarak incelenmesine dayanmaktadır. Sıtma paraziti ile enfekte olmuş hücrelerin bilgisayar destekli olarak tanımlanması zorlu bir iştir. Bu zorlu işlemi kolaylaştırabilmek için son zamanlarda popüler hale gelen derin öğrenme yöntemleri ile kırmızı kan hücrelerinde sıtma parazitinin olup olmadığı tespit edilmeye çalışıldı. Bu hastalığın tanısını koyabilmek için gerçekleştirilen sınıflandırmada iki ayrı Konvolüsyonel Sinir Ağı (CNN) modeli geliştirilmiştir. Birinci modelde giriş katmanı olarak önceden eğitilmiş ResNet50V2 mimarisini temel alan derin öğrenme modeli verilmiştir. İkinci modelde ise 23 ağırlıklı katmandan oluşan yeni bir derin öğrenme modeli tasarlanmıştır. Önerilen modelleri eğitebilmek için toplam 27.558 ince kan hücresi görüntüsü kullanıldı. Önerilen modeller ile sıtma hastalığının sınıflandırılmasında %97.53 oranında doğruluk değerine ulaşılmıştır.

查看原文本刊更多论文

疟疾是一种由蚊虫叮咬引起的疾病。疟疾的检测、识别和分类基于对疟原虫感染细胞的显微镜检查。用计算机辅助识别受疟原虫感染的细胞是一项具有挑战性的任务。为了促进这一具有挑战性的过程，最近流行的深度学习方法被用来检测红细胞中是否存在疟原虫。为了对这种疾病进行分类，我们开发了两种不同的卷积神经网络（CNN）模型。第一个模型的输入层是一个基于预训练的 ResNet50V2 架构的深度学习模型。在第二个模型中，设计了一个由 23 个加权层组成的新深度学习模型。共使用了 27558 张稀薄血细胞图像来训练所提出的模型。利用所提出的模型，疟疾疾病分类的准确率达到了 97.53%。

本文章由计算机程序翻译，如有差异，请以英文原文为准。

求助全文

约1分钟内获得全文求助全文

来源期刊

Adıyaman Üniversitesi Mühendislik Bilimleri Dergisi

自引率

0.00%

发文量