Histopatolojik görüntülerden deri hastalıklarının tespit edilmesi için yapay zekâ tabanlı yeni bir yaklaşım

Cilt hastalıkları tüm dünyada milyarlarca insanı etkileyen oldukça yaygın hastalıklardır. Cilt hastalıklarının teşhisinde ilgili bölgenin fotoğraflanması ve doku örneği alınması yöntemleri kullanılmaktadır. Doku örneklerinin patoloji uzmanları tarafından incelenmesi ve tanı koyma süreçleri zaman alıcı olabilmektedir. Bu tez çalışması kapsamında Düzce Üniversitesi Tıp Fakültesi Patoloji Anabilim Dalı'ndan temin edilen görüntüler ile Liken Skleroz, Morfea ve Kutanöz Küçük Damar Vasküliti hastalıklarına ait oluşturulan iki farklı veri seti üzerinde, makine öğrenmesi ve derin öğrenme yöntemleri kullanılarak sınıflandırma işlemleri yapılmıştır. Kullanılan veri setlerinin özgün özellikleri bakımından literatürde öncü bir çalışma olma niteliği taşımaktadır. Veri setlerine Reinhard normalizasyonu, Gauss filtreleme, CLAHE histogram eşitleme yöntemleri ve veri artırımı uygulanmış, sonrasında Gri Seviye Eş Oluşum Matrisi (GLCM) ve histogram tabanlı istatistiksel yöntemler kullanılarak doku özellikleri ön plana çıkarılmıştır. Çalışmada ilk veri seti dijital mikroskop ile elde edilen görüntülerden oluşmaktadır ve bu veri seti üzerinde transfer öğrenme yöntemleri uygulandığında VGG16 modeli %97 ve ResNet50 %98 modeli ile doğruluğa ulaşılmıştır. Çalışmada oluşturulan ikinci veri seti doku örneklerinin yüksek çözünürlükte kayıt altına alınmasını sağlayan Tam Slayt Görüntüleyici kullanılarak Liken Skleroz ve Morfea hastalıklarına görüntülerden oluşturulmuştur. İkinci veri seti üzerinde makine öğrenmesi yöntemleri kullanılarak gerçekleştirilen sınıflandırma işlemleri sonucundan Yapay Sinir Ağları ve Destek Vektör Makineleri yöntemleri ile %97 sınıflandırma doğruluğuna ulaşılmıştır. Yapılan çalışmalar sonucunda patoloji uzmanları için doğru ve hızlı tanı koymada destek olacak bir yaklaşım sunulmuştur.