RESNET101 AND GOOGLENET DEEP LEARNING MODELS: COMPARING SUCCESS LEVELS IN THE HEALTH SECTOR
Yazarlar (1)
Dr. Öğr. Üyesi Muhammed Akif YENİKAYA
Kafkas Üniversitesi, Türkiye
| Makale Türü |
Özgün Makale
(ESCI dergilerinde yayınlanan tam makale)
|
||
| Dergi Adı | KAFKAS ÜNİVERSİTESİ İKTİSADİ ve İDARİ BİLİMLER FAKÜLTESİ DERGİSİ | ||
| Dergi ISSN | 1309-4289 | ||
| Dergi Tarandığı Indeksler | TR DİZİN | ||
| Makale Dili | İngilizce | Basım Tarihi | 06-2024 |
| Cilt / Sayı / Sayfa | 15 / 29 / 390–409 | DOI | 10.36543/kauiibfd.2024.015 |
| Makale Linki | https://dergipark.org.tr/tr/download/article-file/3719926 | ||
| Özet |
| Sağlık sektöründe yapay zekâ (YZ) uygulamaları, tıbbi teşhis ve tedavide önemli bir devrim niteliği taşımaktadır. Bu alandaki ilerlemeler, hastalıkların erken teşhis edilmesi ve sağlık hizmetlerinin verimliliğinin artırılması gibi birçok avantaj sağlamaktadır. Bu çalışmada, tüberküloz (TB) tespiti için derin öğrenme modellerinin kullanılabilirliğini araştırmak maksadıyla, ResNet101 ve GoogLeNet gibi derin öğrenme modellerinin sağlık sektöründe TB tespit potansiyeli bağlamında doğruluk oranları karşılaştırılmıştır. Yapılan analizlerden elde edilen bulgular, derin öğrenme ağlarının TB’li ve bu hastalığı bulundurmayan akciğer röntgen görüntüleri sınıflandırmasında başarılı olduğunu ortaya koymuştur. Ayrıca, başarı seviyeleri incelendiğinde ResNet101 derin öğrenme ağının %99.3 başarı oranı ile araştırmada ele alınan diğer derin öğrenme modeli olan GoogLeNet’e (%98.2) göre daha yüksek bir skor ortaya koyduğu tespit edilmiştir. Araştırma kapsamında elde edilen söz konusu bu bulgular, teşhis doğruluk oranlarının arttırılabilmesi için YZ uygulamalarının önem ve işlevselliğini ortaya koyar mahiyettedir. |
| Anahtar Kelimeler |
| Sağlık Hizmetleri | Yapay Zekâ | Derin Öğrenme | Göğüs Röntgeni | Hastalık Tespiti |
BM Sürdürülebilir Kalkınma Amaçları
| Atıf Sayıları |