The novel coronavirus 2019 (COVID-19) is still spreading rapidly since it first appeared in Wuhan city of China in December 2019, resulting in a worldwide pandemic. Early detection of positive cases plays a key role in preventing the further spread of the epidemic which leads to the development of diagnostic methods that give rapid and accurate responses for the detection of COVID-19. Previous studies confirmed that chest computed tomography (CT) is an indispensable tool for early screening and diagnosing of COVID-19 cases. As a result of examinations on CT scans, a radiological finding that is called ground-glass opacity, causing color, and texture change, was found in the lung of a person with COVID-19. Due to the carelessness of radiologists who work long hours and the misdiagnosis resulting in confusion of the findings with different diseases, an automatic system that helps radiologists is needed. In this paper, we present a new approach based on fuzzy classification for the detection of COVID-19 using 3D CT volumes. In the proposed approach, the skewness, kurtosis, and average statistical features of 3D CT images of patients consisting of two classes, COVID and Normal, are calculated and the value ranges are determined for both classes. Three statistical features and value ranges are used as membership functions in the development of fuzzy logic classifier. The proposed approach provides rapid and accurate diagnostics in terms of COVID vs. Normal (binary classification) under a user-friendly interface. Experimental evaluations demonstrate that our approach has great potential for radiologists to validate their initial screening and improve early diagnosis, isolation, and treatment, which contributes to infection prevention and control of the epidemic.

Amaç: Koronavirüs (COVID-19) hastalığı 2019 Aralık ayında Çin'in Wuhan kentinden çok kısa sürede tüm dünyaya yayılarak dünya çapında sağlık krizine yol açan bir hastalıktır. Hastalarda solunum yetmezliğine neden olabilen COVID-19, gerekli tıbbi desteğin zamanında alınamaması durumunda ölüme sebebiyet vermektedir. Doğru ve erken teşhis, hastalığın tedavisinde ve ilerlemesinin önüne geçilmesinde önemli bir faktördür. Bu amaçla kullanılan yöntemlerden biri de 98% duyarlılık oranı ile güvenilir ve hızlı sonuçlar veren bilgisayarlı tomografi (BT) görüntüleridir. Ancak pandemi döneminde acil servislerde görevlendirilen farklı branşlarda hekimlerin akciğer bilgisayarlı tomografisinin değerlendirilmesi konusunda yeterli deneyime sahip olmaması hastalara hatalı veya geç tanı koymasına neden olabilmektedir. Artan vaka ve ölüm sayılarının önüne geçilebilmesi için sağlık çalışanlarına COVID-19 teşhisinde destek olabilecek yardımcı sistemlere ihtiyaç duyulmaktadır. Materyal ve Metot: Yapay zekâ tabanlı sistemler, hastalıkları yüksek doğruluk ve hassasiyetle tespit edebilmesiyle sağlık sektörünün birçok alanında kullanılmaya başlanmıştır. Bu çalışmada, yapay zekâ tabanlı COVID-19 teşhisi yapabilen otomatik bir sistem geliştirilmiştir. Bulgular: Yapay zekanın yöntemlerinden olan derin öğrenme ile BT taramaları COVID-19 ve Normal olarak sınıflandırılarak COVID-19 bulunan akciğer kesitleri tespit edilmektedir. Sonuç: Kullanımı kolay kullanıcı dostu bir arayüz ile birleştirilen derin öğrenme tabanlı sınıflandırıcı ile COVID-19 hastalığının erken teşhisinin sağlanması, böylelikle artan vaka ve ölüm sayılarındaki artış hızının düşürülmesi hedeflenmektedir.