Classification of Covid-19 Based on a Combination of GLCM and Deep Features by Using X-Ray Images

Abstract

Koronavirüs salgınının (Covid-19) tüm dünyayı etkisi altına alması ile Covid-19 gibi viral hastalıklar için acil ancak doğru ve hızlı teşhis yöntemlerine ihtiyaç duyulmuştur. Covid-19’un ortaya çıkması ile birlikte Covid-19’un tespit edilmesi için tıp doktorları tarafından akciğer tomografi ve X-Ray görüntüleri kullanılmaya başlanmıştır. Geleneksel ve modern makine öğrenimi yaklaşımlarının X-Ray ve tomografi görüntüleri kullanılarak hastalık teşhisi için kullanıldığı bilinmektedir. Bu yönü ile yapay zekaya dayalı uygulamalar alan uzmanlarına benzer ve hatta neredeyse daha iyi performanslar ortaya koyarak sektöre katkı sağlamaktadır. Bu çalışmada X-Ray akciğer görüntüleri kullanılarak hastalık teşhisi için derin ve geleneksel doku analizi özniteliklerinin kombinasyonuna dayalı hibrit bir destek vektör makineleri (SVM) sınıflandırma modeli önerilmektedir. Çalışmada kullanılan veri seti, sağlıklı, Covid-19, viral pnömoni ve akciğer opasitesi hastalarının X-Ray akciğer görüntülerinden oluşmaktadır. X-Ray görüntülerinden elde edilen hibrit öznitelikler Gri Seviye Eş-Oluşum Matrisi (GLCM) ve DenseNet-201 derin sinir ağı kullanılarak elde edilmiştir. Hibrit özniteliklerin performansı, geleneksel bir yaklaşım olarak GLCM öznitelikleri ile karşılaştırılmıştır. Her iki öznitelik SVM ile eğitilmiştir. Sınıflandırma başarısında ortalama %99.2 doğruluk değerine ulaşılmıştır. Elde edilen diğer performans ölçütleri de hibrit özniteliklerin geleneksel yönteme göre daha başarılı olduğunu göstermektedir. Covid-19 teşhisi için önerilen yapay zekâ tabanlı yöntemin umut verici olduğu görülmüştür.