Derin Topluluk Öğrenmesi Modeli ile Histopatolojik Görüntüler Üzerinde Çok Sınıflı Kanser Teşhisi
Tez Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Kocaeli Üniversitesi, Teknoloji Fakültesi, Bilişim Sistemleri Mühendisliği, Türkiye
Tez Danışmanı: Önder Yakut
Tezin Onay Tarihi: 2024
Tezin Dili: Türkçe
Özet:
Kanser dünya çapında başlıca ölüm sebeplerinden biridir. Bireylerde maddi ve manevi, toplumlarda ise sosyoekonomik yüke sebebiyet vermekte olan bu hastalık her altı ölümden birinin sebebidir. Kanserin erken aşamada tespit edilmesi, hayatta kalma şansını önemli ölçüde artırmaktadır. Bu yüzden bu hastalığın tespiti ve sınıflandırılması günümüzdeki en önemli çalışma alanlarından biridir. Bu tez çalışmasında, güncel görüntü işleme ve derin öğrenme teknikleri kullanılarak histopatolojik görüntüler üzerinde kanser tespiti yapan ve tanısal karar vermeye yardımcı olması amaçlanan bir bilgisayar destekli kanser teşhis sistemi önerilmiştir. Önerilen kanser teşhis sistemi için transfer öğrenme temelli istifleme algoritmasını kullanan derin topluluk öğrenmesi modeli geliştirilmiştir. Önerilen modelde, DenseNet201 ve EfficientNet B7 derin öğrenme modelleri temel sınıflandırıcılar olarak kullanılmıştır. Topluluk öğrenmesi modelinin meta modeli olarak temel bir CNN algoritması kullanılmıştır. Önerilen derin topluluk öğrenmesi modeli; akciğer, kolon, oral ve meme kanseri verileri kullanılarak oluşturulan çoklu histopatolojik kanser görüntüleri veri kümesiyle eğitilmiş olup verilerin iyi huylu veya kötü huylu olarak sınıflandırılması sağlanmıştır. Yapılan deneysel çalışmaların sonuçları doğruluk, duyarlılık, kesinlik, F-1 skoru ve ROC metrikleri kullanılarak değerlendirilmiştir. Önerilen model; akciğer verilerinde %99, kolon kanseri verilerinde %100, akciğer ve kolon verilerinde %100, meme kanseri verilerinde %85, oral kanser verilerinde %86 ve dokuz sınıflı dört farklı kanser türünü içeren veri kümesi üzerinde %90 doğruluk oranı elde etmiştir. Bu sonuçlar incelendiğinde, önerilen modelin başarımı tatmin edici derecede yüksektir. Böylece, önerilen modelin tıbbi görüntüler üzerinden kanseri teşhis etmek amacıyla tıp uzmanlarına yardımcı bilgisayar destekli karar verme sistemlerinde kullanılabileceği sonucuna varılmıştır. Bu tez çalışmasında önerilen yapay zekâ modelleri Google Bulut Bilişim hizmeti olan Colab Notebook üzerinde geliştirilmiştir.