Kolon Kanseri Görüntülerinin Evrişimli Sinir Ağları İle Sınıflandırılması

Abstract

Kolon kanseri, dünya üzerinde görülen kanser ölümleri sıralamasında üst sıralarda yer alan tehlikeli bir kanser hastalığı türüdür. Erken teşhis, hastalığın etkili bir şekilde kontrol edilebilmesi için kritik öneme sahiptir. Kolon kanserinin başlıca teşhis yöntemlerinden biri, pataloglar tarafından biyopsi ile elde edilen histopatolojik doku örneklerinin mikroskop altında incelenmesi yöntemidir. Yapay zeka tabanlı bilgisayarlı sistemler bu işlemlerin gerçekleştirilmesinde hekimlere ve diğer sağlık çalışanlarına destekleyici bir unsur olarak görülebilirler. Makine öğrenmesinin bir alt sınıf olan derin öğrenme kanser türü hastalıkların teşhisi, tespiti ve sınıflandırılmasında bir perspektif sunmaktadır. Bu çalışmada, derin öğrenmenin görüntü işleme alanında en sık kullanılan sinir ağlarından Evrişimli Sinir Ağları (Convolutional Neural Networks, CNN) kullanılmıştır. Araştırmada kullanılan veri seti, açık kaynaklardan temin edilmiş olup %70 eğitim ve %30 test amaçlı olmak üzere, rasgele bir şekilde ayrılarak modele sunulmuştur. Bir CNN modeli olan AlexNet ile kolon kanseri hastalığının normal ve kanserli olarak sınıflandırılması gerçekleştirilmiştir. Kullanılan CNN modelin etkisini ve performansını ölçmek için doğruluk, duyarlılık, özgüllük, F1 skoru, kesinlik, kayıp ve AUC değerleri hesaplanmıştır. Çalışmanın sonuçlarına göre, doğruluk %99,73, duyarlılık %99,87, özgüllük %99,6, F1 Skoru %99,7, kayıp %0,27, kesinlik oranı %99,6 ve AUC (Alan Altındaki Eğri) değeri 0,99 elde edilmiştir. Bu sonuçlar, AlexNet modelinin kolon kanseri teşhisi ve sınıflandırmasında etkili olabileceğini göstermektedir. Elde edilen neticeler perspektifinde kullanılan modelin genellenebilir ve farklı alanlarda kullanılabilir olduğu söylenebilir.