Research Article
BibTex RIS Cite

Utilizing the Ensemble of Deep Learning Approaches to Identify Monkeypox Disease

Year 2022, Volume: 13 Issue: 4, 685 - 691, 03.01.2023
https://doi.org/10.24012/dumf.1199679

Abstract

Recently, the monkeypox disease spreads to many countries rapidly and it becomes a serious health problem. In addition, this disease affects the quality of a person's life. Therefore, it is crucial to decrease the spread rate with the quick determination of the disease. In order to identify monkeypox rapidly, deep learning models are used. They are named EfficientNetB3, ResNet50, and InceptionV3 respectively. According to the results of the three models, ResNet50 is the best model when they compare aspects of performance. The accuracy of ResNet50 sets %94.00. There are four parameters that are used to evaluate the performance of the models. There are called precision, recall, f1-score, and support. These models demonstrate that monkeypox can be classified with high precision. Therefore these models can be used for the future of the work.

References

  • World Health Organization. (2022). Monkeypox outbreak 2022 - Global. https://www.who.int/emergencies/situations/monkeypoxoubreak-2022

Monkeypox Hastalığını Tanımlamak için Derin Öğrenme Yaklaşımları Kullanmak

Year 2022, Volume: 13 Issue: 4, 685 - 691, 03.01.2023
https://doi.org/10.24012/dumf.1199679

Abstract

Son zamanlarda maymun çiçeği hastalığı birçok ülkeye hızla yayılmakta ve ciddi bir sağlık sorunu haline gelmektedir. Ayrıca bu hastalık kişinin yaşam kalitesini de etkiler. Bu nedenle hastalığın hızlı tespiti ile yayılma hızının düşürülmesi büyük önem taşımaktadır. Maymun çiçek hastalığını hızlı bir şekilde tespit edebilmek için derin öğrenme modelleri kullanılmaktadır. Bunlar sırasıyla EfficientNetB3, ResNet50 ve InceptionV3 olarak adlandırılır. Üç modelin sonuçlarına göre, ResNet50, performans yönlerini karşılaştırdıklarında en iyi modeldir. ResNet50'nin doğruluğu %94.00'dür. Modellerin performansını değerlendirmek için kullanılan dört parametre vardır. Kesinlik, geri çağırma, f1 puanı ve destek denir. Bu modeller, maymun çiçeğinin yüksek hassasiyetle sınıflandırılabileceğini göstermektedir. Bu nedenle bu modeller işin geleceği için kullanılabilir.

References

  • World Health Organization. (2022). Monkeypox outbreak 2022 - Global. https://www.who.int/emergencies/situations/monkeypoxoubreak-2022
There are 1 citations in total.

Details

Primary Language English
Journal Section Articles
Authors

Sedat Örenç 0000-0002-1190-2849

Emrullah Acar 0000-0002-1897-9830

Mehmet Siraç Özerdem 0000-0002-9368-8902

Early Pub Date December 31, 2022
Publication Date January 3, 2023
Submission Date November 4, 2022
Published in Issue Year 2022 Volume: 13 Issue: 4

Cite

IEEE S. Örenç, E. Acar, and M. S. Özerdem, “Utilizing the Ensemble of Deep Learning Approaches to Identify Monkeypox Disease”, DUJE, vol. 13, no. 4, pp. 685–691, 2023, doi: 10.24012/dumf.1199679.
DUJE tarafından yayınlanan tüm makaleler, Creative Commons Atıf 4.0 Uluslararası Lisansı ile lisanslanmıştır. Bu, orijinal eser ve kaynağın uygun şekilde belirtilmesi koşuluyla, herkesin eseri kopyalamasına, yeniden dağıtmasına, yeniden düzenlemesine, iletmesine ve uyarlamasına izin verir. 24456