Evrişimsel Sinir Ağları Aracılığı ile Beyaz Kan Hücrelerinin Sınıflandırılması

Abstract

İnsan hayatının en karmaşık ve en gerekli unsurlarından biri olan kan hücreleri sayesinde oksijen dağıtımı, pıhtılaşma, hastalıklara karşı savunma ve bağışıklık kazanma gibi birçok hayati eylemin gerçekleşmesi sağlanmaktadır. Lökosit olarak da bilinen beyaz kan hücreleri tüm kanın %1’lik bir kısmını oluşturmasına rağmen vücudun savunma mekanizmasını oluşturmaları nedeni ile önemli bir yere sahiptir. Kan örnekleri aracılığı ile beyaz kan hücrelerinin alt türlerinin otomatik olarak tespiti ve sınıflandırılması hastalık teşhisinde oldukça elzemdir. Bu çalışmada evrişimsel sinir ağları kullanılarak beyaz kan hücrelerinin sınıflandırılması gerçekleştirilmiştir. Veri tabanı olarak beyaz kan hücrelerinden eozinofil, lenfosit, monosit ve nötrofil olmak üzere dört ana sınıftan oluşan ve her sınıfta 3000 üzerinde imge bulunan bir veri seti kullanılmıştır. Kullanılan veri seti ilgili alanda oldukça popüler olan kan hücresi sayımı ve tespiti (Blood Cell Count and Detection, BCCD) veri setinin artırılmış görüntüleri ile elde edilmiştir. Daha sonra verilerin %80’inin eğitim %10’unun doğrulama ve kalan %10’unun ise test aşamasında kullanılmak üzere rastgele bölünmesi gerçekleştirilmiştir. Sınıflandırma aşamasında eğitim için ayrılan veriler kullanılarak başarımı kanıtlanmış VGG16, InceptionV3, MobilenetV2 ve DenseNet201 sınıflandırma mimarileri transfer öğrenme aracılığı ile uygulanmıştır. Daha sonra oluşturulan model eğitimde kullanılmayan ve modelin sınanması aşamasında kullanılmak üzere ayrılan test verileri ile sınanmıştır. Sonuç olarak derin öğrenme tabanlı evrişimsel sinir ağları tabanlı karşılaştırılan sınıflandırma mimarileri içerisinde DenseNet201 Mimarisi bulunan en yüksek sınıflandırma doğruluğu değeri olan %94,82 ile en başarılı yöntem olarak tespit edilmiştir.