Akciğer Histopatoloji Görüntülerinden Çıkarılan Derin Özellikleri Kullanan Makine Öğrenmesi Sınıflandırıcıları ile Akciğer Kanseri Tespiti

Abstract

Kanser dünyada ve ülkemizde gözlenme sıklığı giderek artan sağlık sorunlarının başında gelmekte ve her yıl milyonlarca insan kanser nedeniyle hayatını kaybetmektedir. Histopatolojik tanı, kanser türünün teşhisinde ve tedavi stratejisinin belirlenmesinde önemli bir rol oynamaktadır. Bu çalışmada akciğer histopatoloji görüntüleri kullanılarak derin öğrenme yöntemlerine dayalı bir otomatik model geliştirilmesi amaçlanmıştır. Geliştirilen modelde öncelikle DenseNet201, MobileNetV2, VGG16, NASNetLarge, Xception, InceptionV3, VGG19, EfficientNetB7 ve ResNet152 gibi önceden eğitilmiş derin öğrenme mimarileri kullanılarak özellik çıkarımı gerçekleştirilmiş ve daha sonra Adaboost, Çok katmanlı algılayıcı, Rastgele orman ve Destek vektör makinesi gibi makine öğrenmesi yöntemleri ile sınıflandırılmıştır. Ardından sınıflandırıcılardan elde edilen değerlendirme sonuçlarına göre en iyi performansa sahip ilk üç derin öznitelik birleştirilerek makine öğrenmesi sınıflandırıcılarına girdi olarak kullanılmıştır. Deneysel sonuçlar en iyi özniteliklerin birlikte kullanılmasının sınıflandırma başarısına olumlu yönde katkı sağladığını göstermiştir. Test veri setinden elde edilen sonuçlar, önerilen hibrit yaklaşımın %97.22 ortalama sınıflandırma başarısı ile akciğer histopatoloji görüntülerinden adenokarsinom, skuamöz hücreli karsinom ve normal dokuların otomatik sınıflandırmasında etkili olduğunu göstermiştir.