Akademik Veri Yönetim Sistemi
Tez Türü: Doktora
Tezin Yürütüldüğü Kurum: İstanbul Üniversitesi-Cerrahpaşa, Lisansüstü Eğitim Enstitüsü, Bilgisayar Mühendisliği Anabilim Dalı Başkanlığı, Türkiye
Tez Danışmanı: Pelin Görgel
Tezin Onay Tarihi: 2025
Tezin Dili: Türkçe
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:
Covid-19, bilindiği üzere son yıllarda ortaya çıkmış ölümcül olabilen ciddi bir akciğer solunum yolu hastalığıdır. Çıktığı andan itibaren birçok ülkede yayılmış ve yüksek sayıda ölüme sebep olmuştur. Hastalık yayılımının kolaylığı sebebiyle hızlı bir şekilde bulaşması, çabuk ilerlemesi ve öldürücülüğü erken teşhisin önemini artırmıştır. Hastalık görülmeye başladığı zamandan bu yana bu alanda birçok tıbbi çalışma yapılmıştır. Tıbbi çalışmaların yanı sıra yardımcı teşhis amaçlı bilgisayar destekli hastalık tespit ve sınıflandırma çalışmaları da ivme kazanmıştır. Bilgisayar destekli çalışmalar arasında laboratuvar verilerini kullanarak yapılan çalışmaların yanı sıra özellikle tıbbi görüntü kullanarak yapılan çalışmalar önem arz etmektedir. Bu tez çalışmasında; açık kaynaklardan alınarak oluşturulmuş, Covid-19, Normal ve Pnömoni özelliklerine sahip görüntülerden oluşan, karma bir veri seti kullanılarak bu görüntülerin sınıflandırılması hedeflenmiştir. Bu amaçla tez kapsamında Geliştirilmiş Swin Dönüştürücü Tabanlı Az-Atışlı Öğrenme isimli bir model geliştirilmiştir. Modelin performansı doğruluk, F1-skor, özgüllük, kesinlik, duyarlılık, negatif tahmin değeri, pozitif tahmin değeri, Kappa katsayısı, eğri alt alanı gibi metrikleri ile ölçülmüştür. Belirlenen performans metiklerine göre önerilen yöntemin literatürde bulunan klasik yöntemlerle karşılaştırılmasına da yer xxi verilmiştir. Elde edilen bulgular, önerilen modelin diğer yöntemlere göre daha başarılı olduğunu göstermiştir. Bunun yanı sıra önerilen model az sayıda görüntü olması durumunda bile yüksek doğrulukta Covid-19 tespiti yaparak klinik uygulamalara entegre edilebileceğini ortaya koymaktadır.