Akciğer kanseri tanısında yapay zeka yöntemlerinin karşılaştırılması

Akciğer kanseri, en ölümcül kanser türlerinden biridir. 2020 yılında yaklaşık 2 milyon yeni vaka tespit edilmiştir. Kanser hastalarının yaklaşık %20'si akciğer kanseridir. Küçük hücreli ve küçük hücreli olmayan olmak üzere 2 alt türü bulunmaktadır. Küçük hücreli olmayanlar ise adenokarsinom, skuamöz hücreli karsinom ve büyük hücreli karsinom olmak üzere 3 alt gruba ayrılmaktadır. Alt türlerin tümör yapıları birbirinden farklıdır. Bu yüzden bilgisayarlı tomografi görüntülerinde ayrımı yapılabilmektedir. Bu çalışmada bilgisayarlı tomografi görüntüleri üzerinden kişinin akciğer kanseri olup olmadığına dair tanı konulmaktadır. Aynı zamanda akciğer kanserinin alt türü de tespit edilmektedir. Sınıflandırma işlemi tamamlandıktan sonra en iyi sınıflandırma yapan algoritma tespit edilmiştir. Bu çalışmada Naive Bayes, k en yakın komşu, destek vektör makinesi, momentumlu dereceli azalma, Levenberg-Marquardt, ölçeklenmiş eşlenik gradyan, evrişimsel sinir ağları, VGG16 ve ResNet101 modelleri karşılaştırılmıştır. Kaggle Chest CT-Scan veri setinden elde edilen görüntüler 80x40 boyutuna indirgenerek standartlaştırılmıştır. Görüntülerin dalgacık dönüşümünden geçebilmesi için görüntüler gri seviyeye dönüştürülmüştür. Elde edilen görüntülere 3. seviye dalgacık dönüşümü uygulanarak özellik çıkarma işlemi gerçekleştirilmiştir. Verilerin rastallığını sağlamak amacıyla 5 katmanlı çapraz doğrulama yöntemiyle veriler ayrılmıştır. Makine öğrenimi ve yapay sinir ağları tek boyutlu girdi aldığından görüntüler tek boyuta indirgenmiştir ve modellere girdi olarak verilmiştir. Derin öğrenme modelleri, görüntü işlemede otomatik olarak özellik çıkarabildiğinden veriler modellere doğrudan girdi olarak verilmiştir. En başarısız model %51,28 F1 puanı ve 0,335 kappa puanı ile Naive Bayestir. Naive Bayesten sonraki en başarısız model %74,22 F1 puanı ve 0,646 kappa puanı ile momentumlu dereceli azalma algoritması ile optimize edilen yapay sinir ağı modelidir. En başarılı iki model %98,78 F1 puanı ve 0,983 kappa puanı olan ResNet101 modeli ve evrişimsel sinir ağı modelleridir.