Derin öğrenme yöntemleri ile medikal görüntülerde kanserli doku tespiti

DERİN ÖĞRENME YÖNTEMLERİ İLE MEDİKAL GÖRÜNTÜLERDE KANSERLİ DOKU TESPİTİKanser, insanlarda sıkça görülen ve ölüm sebepleri arasında ikinci sırada olan bir hastalıktır. Ülkemizde de kanser vakalarında ciddi bir artış yaşanmaktadır. Kanserin erken evrelerde teşhis edilmesinin tedavinin başarısını arttırmak için çok kritik olduğu bilinmektedir. Ancak günümüzde kanser vakalarının artışı testlere ayrılan inceleme süresinin kısalmasını zorunlu hale getirmekte ve en doğru teşhisi koyma şansının azalmasına sebep olmaktadır. Ülkemizde onkoloji alanındaki uzman doktor sayısının da yetersiz olması da incelemelerde yetersizliğe sebep olmaktadır.Medikal görüntülemede ciddi gelişmeler yaşanmasının yanında, bu görüntülerin incelenmesinde de teknolojik gelişmelerden faydalanılmaktadır. Bu teknolojik gelişmelerden biri yapay zekanın günümüzdeki karşılığı olan derin öğrenmedir. Bu çalışmada medikal görüntüler üzerinde derin öğrenme yöntemleri kullanılarak kanserli doku tespiti yapmak amaçlanmıştır. Çalışmada bir Konvolüsyonel Sinir Ağı mimarisi olan YOLO kullanılmıştır. Gerçek zamanlı bir nesne tespit aracı olan YOLO, doğru konfigürasyonlarla medikal görüntülerde kanserli hücreleri tespit etmeyi başarmıştır. Çalışmada kullanılan veri setindeki tümür hücre görüntülerinin tespitinde %70-75 arası başarı elde edilmiştir.--------------------CANCERIOUS TISSUE DETECTION ON MEDICAL IMAGES BY USING DEEP LEARNING METHODSCancer is one of the most frequent disase and the second cause of death. The number ofcancer cases is increasing in our country too.It is known that early detection of cancer is critical to increase the success of treatment. But nowadays the increase in the number of cancer cases causes examination periods to be shorter and the chance of making the right diagnosis to be decreased. Additionaly, theinsufficient number of expert doctors in oncology area in our country causes inadequacy in the examinations.In addition to serious developments in medical imaging, technological developments are also utilized in the examination of these images. One of these technological developments is deep learning which is current equivalent of artificial intelligence.In this study, it was aimed to detect cancerous tissue on medical images by using deep learning methods. YOLO, one of the Artificial Neural Network architectures is used in the study. A real-time object detection tool, YOLO succeeded detection of cancer cells in medical images with the correct configuration. About 70 -75% success rate was achieved in the detection of tumor cell images in the data set used in the study