Derin öğrenme yaklaşımı ile pulmoner nodül karar destek sistemi

Günümüzde tıbbi analiz ve teşhisi kolaylaştırmak için makine öğrenmesi kullanımı yaygınlaşmaktadır. Makine öğrenmesi ile bilgisayar destekli tanı sistemleri geliştirilerek makinelere yorum yapabilme yeteneği kazandırılmaktadır. Bu bağlamda bilgisayar destekli tanı sistemleri radyologlara ikinci bir görüş sunarak tanı ve tespit doğruluğunu arttırmaktadır. Erken dönemde tanı, hastanın sağ kalım sürecini artırmaktadır. Bu amaçla, bu tez çalışmasında, akciğer kanseri tanısında pulmoner nodüllerin benign (iyi huylu) ya da malign (kötü huylu) olarak sınıflandırılması için derin öğrenme yaklaşımının bir yöntemi olan konvolüsyonel sinir ağlarını kullanan bir karar destek sistemi geliştirildi. Makine öğrenmesinde Konvolüsyonel Sinir Ağı (Convolutional Neural Network-CNN) görüntülerin analiz edilmesinde başarıyla uygulanan derin yapay sinir ağıdır. CNN'ler minimal önişleme gerektiren, çok katmanlı yapıyı kullanır. Veri seti olarak Karadeniz Teknik Üniversitesi Farabi Hastanesi Radyoloji Bölümü'nden alınan 600 hastaya ait 1070 adet toraks BT (bilgisayarlı tomografi) görüntüleri kullanıldı. Geliştirilen karar destek sistemi ile toraks BT görüntüleri üzerinden akciğer kanseri tanısı için pulmoner nodüller otomatik olarak sınıflandırıldı. Beş kat çapraz doğrulama sonucunda en yüksek doğruluk %84, ortalama doğruluk %76, ortalama hassasiyet %77 ve ortalama özgüllük %75 olarak hesaplandı. Geliştirilen sistemin temel CNN modeli kullanılarak yapılan çalışmalar arasında en yüksek doğruluğa sahip olduğu görüldü.