Mammogram görüntülerinden derin öğrenme yöntemleri ile meme kanseri teşhisi

Meme kanserinde ölüm oranını düşürebilmek için erken tespit ve tanı çok önemlidir. Bu sebeple de meme kanseri görüntüleme yöntemlerinden biri olan mammogram görüntülerini doğru olacak bir şekilde incelemek gerekmektedir. Yüksek doğruluk oranını ve daha hızlı mammogram görüntülerinin sınıflandırılması içi çeşitli yöntemler geliştirilmiştir. Bu çalışmanın amacı da mammogram görüntülerinin sınıflandırılması için derin öğrenme yöntemlerini kullanarak yüksek doğruluk oranı ve hızı sağlamaktır. Bunun içinde derin öğrenme yöntemlerini kullanarak sınıflandırma yapmadan önce, görüntü işleme adımında görüntü filtreleme ve histogram eşitleme yöntemleri ile yüksek doğruluk oranı sağlanabilir. Bu çalışmada DDSM, Inbreast, MIAS veri setlerine ait 20000 adet mammogram görüntüsü kullanılmıştır. Kullanılan derin öğrenme yöntemleri ise VGG16,VGG19, ResNet50'dir. Kullanılan görüntü filtreleme yöntemleri ise medyan filtre, ikili filtre, averaj filtre, gauss filtreleridir. Ayrıca histogram eşitleme için de klasik histogram eşitleme ve kontrast limitli adaptif histogram eşitleme kullanılmıştır. Ağın oluşturulması için ise transfer öğrenme ve ince ayar yöntemleri uygulanarak yüksek doğruluk oranı sağlanmıştır. En iyi sonucun %99.93 doğruluk oranında olduğu görülmektedir. Bu doğruluk değeri mammogram görüntülerinin sınıflandırılması için çok yüksek bir değerdir. Bu doğruluk değerini sağlayan yöntemler ise VGG16 transfer öğrenme ağının averaj filtrenin mamogram görüntüsüne uygulanmış halinin kullanılması , VGG16 transfer öğrenme ağının medyan filtre ile klasik histogram eşitleme yönteminin mammogram görüntüsüne uygulanmış halinin kullanılması, VGG19 transfer öğrenme yönteminin medyan filtrenin mamogram görüntüsüne uygulanmış halinin kullanılması ile oluşan yöntemlerdir. Sonuçlara bakıldığında histogram eşitleme ve görüntü filtreleme yöntemlerinin mammogram görüntüsünün derin öğrenme yöntemleri ile sınıflandırılmasında olumlu yönde etki ettiği görülmektedir.