Akciğer kanserinin makine öğrenme teknikleri ile analizi

Bu çalışmada, akciğer tomografisi, akciğer hücresi histopatolojisi ve ışık mikroskobundan alınan görüntüler ile daha iyi akciğer kanseri teşhisi hedeflenmiştir. Ayrıca elde edilen görüntüler iyi ve kötü huylu olmak üzere iki tip görüntü kullanılmıştır. Bu iki çeşit görüntülere ait optimum özellikler elde edebilmek için çeşitli boyut azaltma yöntemleri kullanılmıştır. Bu yöntemler Temel Bileşenler Analizi (TBA), Genelleştirilmiş Diskriminant Analizi (GDA), Doğrusal Diskriminant Analizi (DDA), Yerel Doğrusal Gömme (YDG), Klasik Çok Boyutlu Ölçekleme (KÇBÖ), Komşuluk Koruyan Gömme (KKG), Stokastik Yakınlık Gömme (SYG) yöntemleridir. Sınıflandırıcı olarak ise Naive Bayes (NB), Rastgele Orman (RO), Karar Ağaç (KA) yöntemleri kullanılmıştır. Ayrıca bu sınıflandırıcı yöntemlerinin her birine Maksimum Durağan Ekstrem Bölgeler (MDEB), Hızlandırılmış Sağlam Özellikler (HSÖ), Yönlendirilmiş Gradyanlar Histogramı (YGH) özellikleri eklenerek doğruluk değerinin durumu incelenmiştir. Akciğer kanserinin erken ve doğru teşhisi için çeşitli yöntemler geliştirilmiştir. Bu çalışmada metodlar için toplam 240 adet görüntü kullanılmıştır. Bu görüntüler 60 adet hastadan, her biri için 4 adet kesit alınarak elde edilmiştir. Kullanılan görüntüler ile her bir sınıflandırıcının, her bir boyut azaltma yönteminin ve her bir özelliğin birbirine göre doğruluk oranının kıyaslanması yapılmıştır. Ayrıca en yüksek doğruluk oranına sahip yöntemler bulunmuştur. Kullanılan yöntemlerin bazıları ile %100 doğruluk oranına sahip sonuçlar bulunmuştur. Böylece en yüksek doğruluk oranını sağlayan yöntemler sayesinde iyi huylu ve kötü huylu tümörlerin ayrımı sağlanmıştır. Dünyada en fazla ölüm oranına sahip kanser türlerinden biri olan akciğer kanserinin erken teşhisi için doğruluk oranının yükseltilmesi de amaçlanmıştır. Böylece bilgisayar destekli tanı sistemlerine yüklenen akciğer görüntüleri bu sistemde çeşitli aşamalardan geçirilerek doğru bir sonucun elde edilmesi sağlanmıştır. Anahtar Kelimeler: Akciğer Kanseri, Makine Öğrenme, Sınıflandırma, Görüntü İşleme, Histopatoloji, Akciğer Tomografisi, Bilgisayar Destekli Tanı, Bilgisayarlı Tomografi.