Tıbbi görüntülerde sınıflandırma başarısının arttırılması için ön işlem ve model parametrelerinin sezgisel optimizasyonu

Hastalıkların tespiti, takibi ve tedavilerinin uygulanması amacıyla tıbbi görüntüleme tekniklerinden yararlanılmaktadır. Fakat tıbbi görüntüleri kullanarak tanı koyan uzmanlar da unutma ve yorgunluk gibi insani faktörlerden etkilenmektedir.. Yapay zekânın alt dalı olan derin öğrenme teknolojisi ile geliştirilen modeller, birçok hastalığın teşhisinde ve sınıflandırılmasında kullanılmaktadır. Bu çalışmada, tıbbi görüntülerin sınıflandırma başarısının artırılması için ön işleme teknikleri de kullanılarak en uygun model ve parametrelerin sezgisel optimizasyon ile belirlenmesi gerçekleştirilmiştir. Meme kanseri veri setleri (MKVS-1, MKVS-2), akciğer nodülü veri seti (ANVS), akciğer kanseri veri seti (AKVS) ve diyabetik retinopati (DR) göz hastalığının sınıflandırılması için, literatürde önemli yer tutan veri setleri kullanılmıştır. Verilere ilk olarak kontrast sınırlı uyarlanabilir histogram eşitleme (CLAHE) ön işleme tekniği uygulanmıştır. Daha sonra orijinal ve CLAHE uygulanmış veriler olarak ikiye ayrılan bu veri setlerine çeşitli filtreler uygulanmıştır. Veriler hazırlandıktan sonra ızgara arama (IA), diferansiyel evrim (DE) ve parçacık sürü optimizasyonu (PSO) yöntemleri ile ANVS üzerinde bir optimizasyon çalışması yapılmıştır. IA yöntemi ile ANVS üzerinde en yüksek doğruluk elde edildikten sonra DE ve PSO algoritmaları 10 defa çalıştırılmış ve karşılaştırma yapılmıştır. DE optimizasyonu daha başarılı bulunduktan sonra beş veri seti DE algoritması ile 10 defa çalıştırılmıştır. ANVS, MKVS-1 ve DR veri setlerinde veri artırma uygulanmamış hali ile, AKVS ve MKVS-2 veri setlerinde ise veri artırma uygulanmış hali ile DE algoritması kullanılarak 10 defa çalıştırılma sonrasında en yüksek doğruluk skorları elde edilmiştir. ANVS için 0,9903, MKVS-1 için 0,813, DR veri seti için 0,9141, AKVS için 0,95 ve MKVS-2 için 0,8807 doğruluk elde edilmiştir. Aynı veri setlerinin kullanıldığı diğer çalışmalarla yapılan kıyaslamada ANVS ve AKVS için literatüre göre daha başarılı sonuçların elde edildiği gözlenmiştir. MKVS-1 ve DR veri setlerinin doğruluk açısından literatürdeki sonuçlara çok yakın sonuçlar elde etmiş olup diğer sınıflandırma metriklerinde ise diğer çalışmalara göre daha başarılı sonuçlar elde edilmiştir.