Akciğer kanserinin erken teşhisi için derin öğrenme tekniği

Kanser, birçok metabolik anomalinin ve genetik bozukluğun bir araya gelmesiyle ortaya çıkan ölümcül bir hastalıktır. Günümüzde insanlar arasında başlıca ölüm ve sakatlık nedenlerinden biri akciğer kanseridir. Uygun etki yolunu seçerken, bu tür malignitelerin histopatolojik olarak tanımlanması tipik olarak en önemli faktördür. Her iki cephede de bir hastalığın erken teşhisi ölüm oranlarını önemli ölçüde azaltır. Araştırmacılar, bu tür kanser teşhisini hızlandırmak için makine öğrenimi ve derin öğrenme tekniklerini kullanarak çok sayıda hastayı çok daha kısa sürede ve daha ucuz bir maliyetle araştırabilirler. Akciğer kanserini etkili bir şekilde tespit etmek için bu çalışmada hibrit topluluk özellik çıkarma modeli geliştirdik. Kanser görüntüleme koleksiyonları için yüksek performanslı filtrelemeyi derin özellik çıkarma ve topluluk öğrenimi ile birleştirir. Modelin değerlendirilmesinde histopatolojik (LC25000) akciğer ve kolon veri setleri kullanılmıştır. Çalışma sonuçları hibrit modelimizin akciğer kanseri tespitinde % 99,63 doğruluk oranına sahip olduğunu göstermektedir. Araştırmanın sonuçları, önerilen yaklaşımımızın mevcut yaklaşımlardan önemli ölçüde daha iyi performans gösterdiğini göstermektedir. Bu nedenle bu modeller, hekimlere kanser teşhisinde yardımcı olmak için kliniklerde kullanılabilir. ANAHTAR KELİMELER: Akciğer kanseri, Derin Öğrenme, El Yapımı Tanımlayıcılar, Özellik çıkarma ve Transfer öğrenme.