Akciğer kanserinin CT görüntülerinden teşhisi için differansiyel konvolüsyonel yapay sinir ağı tabanlı görüntü tanıma yazılımı geliştirilmesi

Akciğer kanseri dünyada ölüm oranını artıran önemli nedenlerden biridir, çünkü her yıl diğer kanser türlerine kıyasla akciğer kanseri nedeniyle çok sayıda ölüm gerçekleştiği görülmektedir. Eğer ilk aşamada tespit edilir ve tanımlanırsa, çok sayıda hastanın hayatta kalma oranı artırılabilir. Bu nedenle, uygun ve anlık bir sonuç elde etmek için, tıbbi görüntü işleme alanında makine öğreniminin son tekniklerini kullanarak sınıflandırmanın doğruluğunu artırılabilir. Bu çalışmada, Diferansiyel Konvolüsyon olarak adlandırılan yeni bir konvolüsyon tekniği ve güncellenmiş hata geri yayılım algoritması kullanılmaktadır. DCNN yönsel aktivasyon farklılıklarını içeren özellik haritalarını bir sonraki katmana aktarmayı amaçlamaktadır. Bu uygulama, konvolüsyonlu özelliklerin özellik haritası üzerinde nasıl değiştiği fikrini dikkate almaktadır. Bu özellik, filtre sayısını değiştirmeden sınıflandırma performansını artırmaktadır. Anormal ve normal bilgisayar tomografi (BT) görüntüleri de dahil olmak üzere farklı akciğer kanseri türlerini sınıflandırmak için diferansiyel konvolüsyonel sinir ağı modeli önermektedir. Bu modelin performansını test etmek ve eğitmek için, anormal ve normal görüntüleri içeren 1.000 akciğer bilgisayarlı tomografi (BT) görüntüsünden oluşan bir veri kümesi kullanmıştır. Deneysel sonuçlar, önerilen modelin %96,25'lik bir doğruluğa ulaştığını göstermiştir. Bu çalışmada, önerilen diferansiyel CNN modelinin akciğer kanserinin otomatik sınıflandırılmasını kolaylaştırmak için kullanılabileceğini göstermektedir.