Sıtma Hastalığının Sınıflandırılmasında Evrişimsel Sinir Ağlarının Performanslarının Karşılaştırılması

Abstract

Sıtma, Plasmodium adlı bir kan parazitinin neden olduğu ciddi bir hastalıktır. Sıtmayı teşhis etmenin standart yolu, parazit bulaşmış kırmızı kan hücreleri için kan bulaşmalarını mikroskop altında uzmanlar tarafından görsel olarak incelenmesidir. Bu yöntem verimsizdir ve tanı, muayeneyi yapan kişinin deneyimine ve bilgisine bağlıdır. Daha önce teşhis için sıtma kan hücrelerine makine öğrenimine dayalı otomatik görüntü tanıma teknolojileri uygulanmıştır. Bu çalışmanın amacı, sıtma hücrelerinin parazit veya enfekte olmayan olarak ayırmaktır. Ek olarak çalışmada, önceden eğitilmiş evrişimsel sinir ağlarına dayalı bütünleşik bir tanı sistemi önerilmiştir. Bu çalışmada sıtma hücrelerini sınıflandırmak için Ulusal Sağlık Enstitüleri'nden (NIH) elde edilen toplam 27558 imge kullanılmıştır. Deneysel çalışmalar sonucunda, sıtma hücrelerinin sınıflandırılmasında, sırasıyla AlexNet, GoogleNet, SqueezeNet, ShuffleNet ESA modelleri ile % 95.77, % 96.31, % 95.95, % 96.44 ve 0.9880, 0.9887, 0.9888, 0.9923 EAA performans değerleri elde edilmiştir. Sıtma hücrelerinin sınıflandırılmasında en iyi sonuca, %96.44 Doğruluk değeri ile ShuffleNet CNN modeli kullanılarak ulaşılmıştır.