Derin Öğrenme Yöntemlerini Kullanarak Beyin Felcinin Otomatik Olarak Sınıflandırılması


Abstract views: 80 / PDF downloads: 64

Authors

  • Aykut Diker Mühendislik ve Doğa bilimleri Fakültesi, Yazılım Mühendisliği, Bandırma Onyedi Eylül Üniversitesi, Türkiye

Keywords:

Beyin Felçi, Derin Öğrenme, Sınıflandırma, VGG-16, Resnet18

Abstract

– İnme olarak da bilinen beyin felci, dünya çapında önde gelen ölüm ve engelli olma nedenidir. Beyin felcinin erken ve doğru teşhisi, etkili tedavi ve daha iyi hasta sonuçları için çok önemlidir. Son yıllarda, derin öğrenme algoritmaları, farklı beyin felci türlerini doğru bir şekilde sınıflandırmada büyük umut vaat etmektedir. Bu çalışma, beyin felci sınıflandırmasında derin öğrenme tekniklerinin performans karşılaştırmasını sunmaktadır. EfficientNetB0, MobileNet-V2, ResNet18 ve VGG-16 gibi farklı derin öğrenme algoritmaların performansı sırasıyla karşılaştırılmıştır. Beyin felci imgelerinin sınıflandırılması için yapılan deneysel çalışmalarda, EfficientNetB0, MobileNet-V2, ResNet18 ve VGG-16 derin öğrenme modellerine ait sırasıyla 84.6%, 87.4%, 80.9% ve 92.6% doğruluk değerleri elde dilmiştir. Elde edilen doğruluk değerleri göz önüne alındığında ileride yapılacak çalışmalar için umut verici olduğu görülmüştür.

Downloads

Published

2023-02-08

How to Cite

Diker, A. (2023). Derin Öğrenme Yöntemlerini Kullanarak Beyin Felcinin Otomatik Olarak Sınıflandırılması. International Conference on Trends in Advanced Research, 1, 182–186. Retrieved from https://as-proceeding.com/index.php/ictar/article/view/202