DERĠN ÖĞRENME VE DALGACIK DÖNÜġÜMÜNE DAYALI AKCĠĞER KANSERĠ ERKEN TANISINDA BELĠRSĠZLĠK ÖLÇEĞĠNĠN SAPTANMASI

Abstract

Bilimsel çalışmalarda 200'den fazla kanser türünün insanları etkilediği ifade edilmektedir. Söz konusu bilinen kanser türleri arasında en ölümcül olanı akciğer kanseridir. Akciğer kanserini, semptom ve bulguların takip edilmesiyle teşhis ve tedavi etmek oldukça önemlidir. Ancak hastalığın hangi aşamada olduğuna, örneğin hastalığın başka organlara da yayılma durumuna bağlı olarak, semptomlarda farklılıklar görülebilir. Fakat hastalığa ilişkin herhangi bir semptom görülmediğinde, elde edilmiş bir bulgu olmadığı için hekimler tarafından yapılan fiziksel muayene esnasında hastalık gözden kaçırılabilmektedir. Dolayısıyla bu gibi durumların yaşanmaması için hastalığın tanısında Manyetik Rezonans Görüntüleme (MR), Bilgisayarlı Tomografi (BT) vb. tekniklerin kullanılmasıyla akciğer bölgesinin detaylı görüntülenmesi çok önemlidir. Bu yöntemler sayesinde her yıl yüz binlerce canın kurtarılabilmesi amacıyla kanser hastalığı erken safhada saptanabilmektedir. Fakat söz konusu bu yüz binlerce hastaya ait taramaların analiz edilmesi radyologlar açısından zaman ve yoğun emek gerektiren ciddi bir iş yüküdür. Çok sayıda radyoloğun bu ciddi iş yükünün neden olduğu gözlemci yorgunluğu sebebiyle performansları da olumsuz şekilde etkilenmektedir. Dolayısıyla BT taramalarının daha verimli şekilde okunarak saptanması ve değerlendirilmesi amacıyla bir sisteme gereksinim duyulmaktadır. Bu tez kapsamında bu gereksinimden hareketle; %80‟i eğitim, %10‟u test ve geriye kalan %10‟u ise doğrulama için kullanılmak üzere Kanser Arşiv Merkezi (KAM) merkezinden alınan 639598 BT görüntüsü üzerinde Derin Öğrenme (DÖ) ve Öğrenme Aktarımı (ÖA) yöntemlerine dayalı işlemler yapılarak 4K-ESA ve BNN 4K-ESA modelleri geliştirilmiştir. Geliştirilen 4K-ESA modelinin geleneksel modellerden (AlexNet, MobileNet vb.) önemli farkı; 4 katmanlı olması sebebiyle bilgisayara fazla yük getirmemesi ve seyreltme tekniği yerine DropWeights tekniğini kullanmasıdır. Çünkü geleneksel modeller çok katmanlı ve çok parametreli yapılara sahip olmaları sebebiyle yanlış hata oranlıları oldukça yüksek olan modellerdir. Bu tez çalışması kapsamında geliştirilen 4K-ESA modeli geleneksel yöntemlerin (ImageNet gibi) aksine, BT görüntülerini işlemeye uygun ince ayarlar yapılarak hazırlanması ve fazla yük ve parametrelerden arındırılmış olması sebebiyle sadece bir konuya yönelerek veriyi 00:03:21sn gibi bir sürede işleyebilmektedir. 4K-ESA üzerine Uncertainty of Quantification (UQ) eklenmesiyle oluşturulan Bayes Ağları (BNN) 4K-ESA modeli sayesinde ise 4K ESA modelinden elde edilen sonuçlar güven ölçeğine tabi tutulmaktadır. Geliştirilen modeller sırasıyla; ön işleme, sınıflandırma, belirsizlik ölçeğinin uygulanması ve karar verme olmak üzere temel olarak dört adımdan oluşmaktadır. Ön işleme adımından elde edilen sonuçlara göre; verilerin mini-paket şeklinde xviii verilmesinin bütün modellerin performanslarını olumlu yönde etkilediği kanıtlanmıştır. Sınıflandırma adımından elde edilen sonuçlar sayesinde; modellere girdi olarak verilen BT görüntülerinin kanserli olup olmadığı, kanserli ise bunun iyi mi yoksa kötü huylu mu oldukları belirlenmiştir. Belirsizlik ölçeğinin uygulanması adımından elde edilen sonuçlarla; çalıştırılan modeller arasında en iyi sonuç veren modelin, parametre sayıları geleneksel modellere göre daha düşük olan 4K-ESA modeli olduğu görülmüştür. Karar verme aşamasından elde edilen sonuçlara göre ise; UQ eklenmeden yapılan deneyler neticesinde 4K-ESA modellinin Matthews correlation coefficient (MCC) değeri 0.988, F2 skoru 0.816, doğruluk oranı 0.971, özgüllük 0.825, hassasiyet 0.974 olarak hesaplanmıştır. F1 skoru 0.962; UQ eklenerek yapılan deneyler neticesinde de BNN 4K-ESA MC modellinin MCC değeri 0.98, F2 skoru 0.88, doğruluk oranı 0.98, özgüllük 0.94, hassasiyet 0.97 ve F1 skoru 0,96 olarak bulunmuştur. Ayrıca çalışmadan elde edilen bulgulara dayalı olarak; belirsizlik Tahmini Entropisi ve Uyuşmazlık Yoluyla Bayesian Aktif Öğrenme (UYBNN) oranları da %90 olarak saptanmıştır. Böylece akciğer hastalıklarıyla ilgili BT görüntülerinde hastalığın, kanser olup olmadığı kanser ise hangi tür kanser olduğunun tespit edilebilmesi açısından geliştirilen modellerin geleneksel modellere göre %98‟e kadar daha doğru sonuçlar verdiği görülmüştür.