DALGACIK DÖNÜŞÜMÜ VE DERİN ÖĞRENME TABANLI YÖNTEMLER KULLANARAK BEYİN TÜMÖRLERİNİN SINIFLANDIRILMASI

Abstract

Dünya Sağlık Örgütü (DSÖ) raporlarına göre beyin tümörleri nedeniyle meydana gelen ölümlerin sayısı her geçen gün artmaktadır. Kötü huylu beyin tümörleri çok hızlı bir biçimde büyürler ve yayılırlar. Bu nedenle hastalığın erken teşhisi hayati bir önem taşımaktadır. Beyin tümörlerinin tanı ve teşhisinde Manyetik Rezonans Görüntüleme (MRG) yöntemi yaygın olarak kullanılmaktadır. Uzmanlar tarafından MRG görüntüleri incelenerek tümörün türü tespit edilmektedir. Fakat, uzmanlar tarafından manuel olarak yapılan tümör sınıflandırması çok fazla zaman alabilir hem de yanlış kararlar verilmesine yol açabilir. Bu nedenle, beyin tümörlerini otomatik olarak sınıflandırma çalışmaları önemli bir araştırma konusu haline gelmiştir. Bu tez çalışmasında beyin MRG görüntülerinden tümör türlerini otomatik olarak sınıflandıran bir yöntem önerilmiştir. Ön işlem aşamasında; öznitelik çıkartmak, boyut azaltmak ve gürültü gibi istenmeyen verileri ortandan kaldırmak için beyin MRG görüntülerine Ayrık Dalgacık Dönüşümü (ADD) uygulanmıştır. Elde edilen dalgacık öznitelikleri önceden eğitilmiş Evrişimli Sinir Ağı (ESA) modellerinden Inception V3 ağının girdisi olarak kullanılmıştır. Deneysel çalışmalar; 1621 gliyom, 1645 menenjiyom, 1757 hipofiz bezi ve 2000 normal beyin MRG görüntüsünün bulunduğu veri seti üzerinde yapılmıştır. Önerilen modelin doğruluğunu ölçmek için 5 kat çapraz doğrulama yöntemi uygulanmış ve ortalama %99,58 doğruluk başarımı elde edilmiştir. Bu tez çalışmasından elde edilen sonuçlar derin öğrenme tabanlı yöntemler kullanılarak beyin tümörlerinin başarılı bir şekilde sınıflandırılabileceğini göstermiştir