Alzheimer ve göğüs kanseri görüntülerinin derin öğrenme yöntemleri ile sınıflandırılması

Hastalığın erken tanı ve teşhisi ile hastaların ölüm riski azaltılır. Ancak manuel yapılan radyolojik muayenelerde çoğu zaman hastalık yanlış teşhis edilebilir. Bu sebeple hızlı ve doğru karar veren bilgisayar destekli yöntemlere ihtiyaç vardır. Bu çalışmada günümüzde son yıllarda önemli bir yer tutan Alzheimer ve göğüs kanseri hastalıkları ele alınmıştır ve bu hastalıkların erken teşhisine yönelik bir çalışma geliştirilmiştir. Tez kapsamında alzheimer hastalığını tespit etmek için örnek veri seti üzerinde derin öğrenme modelleri uygulanmış ve sonuçlar karşılaştırılmıştır. Çalışmanın ilk aşamasında örnek veri seti analiz edilmiştir ve hangi özelliklerin alzheimer hastalığına etki edeceği belirlenmiştir. Sonraki aşamasında ise dört farklı derin öğrenme modeli ile alzheimer hastalığı evrelerine (çok hafif, hafif, orta, hastalık yok) göre tespit edilerek çok sınıflı bir model oluşturulmuştur. Göğüs kanseri türlerini (adeno kanser, büyük hücreli nöroendokrin kanser, kanser yok, skuamöz hücreli karsinom) sınıflandırmak için veriseti çeşitli önişlemlerden geçirilerek normalize edilmiştir. Bir sonraki aşamada ise kanserli hücrenin evrelerine göre göğüs kanserinin otomatik olarak tespit edilmesi sağlanmıştır. Ayrıca aizhemer ve göğüs kanserinin tanısına yönelik DNN, CNN, VGG16 ve AlexNet gibi farklı derin öğrenme modellerinin performans değerlendirilmesi gerçekleştirilmiştir. Ayrıca tüm modeller için oluşturulan ağ yapısı farklı dağılımlar (Glorot Uniform, HeNormal) ile analizi gerçekleştirilmiştir. Farklı epoch değerleri ile sonuçlar alınmıştır. İlk aşamada tüm önerilen modeller 100 epoch çalıştırılarak sonuçlar alınmıştır. İkinci aşamada ise "val_loss" kriterine göre başarı oranı en yüksek 6 epoch için sonuçlar alınarak tüm modeller değerlendirilmiştir. Bu çalışma diğer çalışmalardan farklı olarak derin öğrenme mimarilerinin ortak ağ yapısı geliştirilerek her iki veri seti için de performans ve başarı oranları arttırılmıştır. Ayrıca farklı ağ yapıları ile modellenerek önerilen modellerin her iki veri için sınıflandırma başarısı farklı değerlendirme kriterleri (kesinlik, doğruluk, duyarlılık, F1 skor) ile analiz edilip sonuçları değerlendirilmiştir ve karmaşıklık matrisleri tüm modeller için eğitim, valid ve test için analiz edilmiştir. Tüm modeller değerlendirilerek hastalık tahmini ve tespitinde bu alanda çalışan bilim insanlarına kolaylık ve yol gösterici çözüm önerileri sunulmuştur. Anahtar Kelimeler: Alzheimer, Doğruluk, Derin Öğrenme, Göğüs Kanseri, Sınıflandırma