Dermoskopik görüntülerin sinir ağları kullanılarak sınıflandırılması

Kanser türleri arasında melanom en ölümcül olanlarından bir tanesidir. Amerikan Kanser Topluluğunun 2016 raporuna göre Birleşik Devletler'de yaklaşık 76380 kişide yeni vaka teşhis edileceği ve bunlardan yaklaşık 10130 kişinin bu sebepten dolayı hayatını kaybedeceği tahmin edilmektedir. Melanom cilt kanserlerinin 2%'sinden daha azını oluştursa da, cilt kanserinden ölenlerin çoğuna melanom sebep olmaktadır. Melanom kaynaklı ölümleri azaltmanın en temel yolu melanomu erken teşhis etmektir. Dermatologlar melanomların teşhisi için yaygın olarak dermoskopi isimli yöntemi kullanmaktadır. Bu yöntemde hastaya cerrahi bir müdahalede bulunulmaz. Lezyon üzerine bir jel sürülür ve büyütme cihazıyla, kullanılan cihaza bağlı olarak, lezyon 6-100 kat büyütülür. Bu büyütülmüş görüntüler üzerinde ABCD kuralı, Menzies yöntemi ve yedi nokta kontrol listesi gibi tanı yöntemleri kullanılarak cilt lezyonunu değerlendirmeye tabi tutulur. ABCD kuralı her lezyona bir skor atanmasını sağlar. Bu skor dört farklı özelliğin ayrı ayrı puanlandırılmasının (asimetri (Asymmetry), kenar (Border), renk (Colors), farklı yapılar (Differential Structures)) ardından skorların birleştirilmesinden oluşur. Menzies yöntemi negatif (simetrik desenler, tek renk) ve pozitif (mavi-beyaz peçe, atipikal yapılar vb.) olmak üzere iki farklı özelliğe dayanmaktadır. Pozitif özelliklerin varlığı melanoma işaret eder. Son olarak yedi nokta kontrol listesi de lezyonları puanlandırır. Fakat bu yöntemde sadece farklı yapıların olup olmadığına bakılır ve her yapıya 2 ya da 1 olarak puan atanır. Eğer toplam skor 3'ün üzerinde ise bu durum lezyonun melanom olduğuna dair önemli bir işarettir. Bahsedilen yöntemler kullanılsa bile melanomların tespiti yine de sübjektif olarak yapılmaktadır. Çünkü tespit edilmesi doktorun görmesine ve tecrübesine dayanmaktadır. Bilgisayarlarla yapılacak dermoskopik görüntü analizi bu tür sübjektif durumların önüne geçmek için ve melanom tespitinin duyarlılığını artırmak için kullanılabilir. Son yıllarda bu hastalığın bilgisayarlı teknolojilerle tespit edilmesi için büyük bir çaba gösterilmektedir. Bu tezde, dermoskopik görüntülerin farklı özelliklerini kullanan yeni yöntemler önerilmekte ve bu yöntemler karşılaştırılmaktadır. Dermoskopik lezyon görüntülerinin sınıflandırılmasında kullanılan yöntemler arasında ABCD kuralı tabanlı yöntem, istatiksel özelliklere dayanan yöntem ve doku özelliklerini kullanan yöntem bulunmaktadır. Dermoskopik görüntülerin özellikleri çıkarılarak bu yöntemlerle sınıflandırılmıştır. Bunların dışında dermoskopik görüntünün renk özellikleri ve desen özellikleri çıkartılarak kutu grafik yöntemiyle el yordamıyla bütün öznitelikler kontrol edilmiş ve bu özniteliklerden en ayırt edici olanlar seçilerek ayrıca lezyon görüntüleri sınıflandırılmıştır. Bu yöntemin de kısmen öznel bir tarafı bulunmasına rağmen yine de özniteliklerin ayırt ediciliğinden faydalandığı için nesnel tarafı da bulunmaktadır. Bu öznitelikler ayrıca otomatik olarak da ayırt ediciliklerine karar verilebilir. Bu kullanılan kutu grafik yönteminin de sonuçların doğruluğunu artırdığı gösterilmiştir. ABCD kuralı tabanlı özellikler, lezyon kenarlarının Fourier tanımlayıcılarının büyüklük ve fazlarını, lezyonun yarıçap histogramını ve lezyonun orantısal büyüklüğünü içermektedir. Bu özelliklerin hepsi bütün olarak ve ayrı ayrı test edilmiştir. Dokunun istatiksel öznitelikleri lezyon görüntüsünün birinci-derece istatiksel özniteliklerini ve ikinci derece istatiksel özniteliklerini içermektedir. Lezyon görüntüleri 128x128 yamalar olarak bölünmüş ve birinci-derece ve ikinci-derece öznitelikleri çıkartılmıştır. Birinci-derece öznitelikleri, ortalama, varyans, kayıklık, kürtosis, enerji ve entropiyi içermektedir. İkinci-derece öznitelikler korelasyon, kontrast, ters fark, entropi ve maksimum olasılığı içermektedir. Doku özniteliklerinin çıkarılması için dalgacık dönüşümünden yararlanılmıştır. Dalgacık dönüşümü öznitelikleri, 2-boyutlu dalgacık dönüşümü 4. seviyeye kadar uygulandıktan sonra, yatay, dikey ve köşegen detayların enerji yüzdelerinin çıkartılmasından oluşur. Bunlar dermoskopik görüntü özellikleri olarak kullanılmıştır. Kutu grafik yönteminde ise lezyon görüntülerinin renk öznitelikleri ve desen özniteliklerinden yararlanılmıştır. Bu öznitelikler daha sonra kutu grafik yöntemiyle değerlendirmeye tabi tutulmuş ve sadece ayırt edici öznitelikler kullanılarak sınıflandırma yapılmıştır. Sınıflandırma için çok katmanlı yapay sinir ağlarından(ÇKYSA) yararlanılmıştır. ÇKYSA üzerinde geri yayılımlı öğrenme algoritması kullanılmıştır. Gizli katmanın boyutu en iyi sonucu verecek şekilde belirlenmiştir. Bu tezde, PH$^2$ dermoskopik görüntü veri tabanı kullanılmıştır. Bu veri tabanında toplamda 200 görüntü bulunmaktadır. Bunlardan 40 tanesi melanom ve 160 tanesi melanom değildir. Bu görüntülerin 180 tanesi 10-katlı çapraz doğrulama ile YSA'yı eğitmek için kullanılmıştır. 20 tanesi ise test kümesi olarak kullanıldı. Yapılan testler sonucunda en başarılı sonuçlar ABCD kuralı tabanlı sistemden alınmıştır. ABCD kuralı tabanlı sistemde başarı duyarlılık = 72.22%'ye ve özgüllük = 93.75%'e ulaşmıştır. Kutu grafik metodu kullanılarak yapılan sınıflandırmada ise duyarlılık oranı 92.5% ve özgüllük oranı 87.5% olarak tespit edilmiştir. Bu yöntemde genel olarak doğruluk yükselmiş olsa da özgüllük oranın düştüğü görülmüştür. Duyarlılık oranın düşük olmasının temel sebepleri arasında veri kümesinin boyutunun küçük olması yatmaktadır. Bu tür veri kümelerinde genellikle pozitif örneklerin frekansı düşük olmaktadır. Bu nedenle veri kümesinde negatif örneklere doğru kaçınılmaz bir meyil oluşmaktadır. Bu da özgüllük oranının duyarlılık oranına göre nispeten fazla olmasına neden olmaktadır. ABCD kuralı tabanlı yöntemde kullanılan lezyon kenarlarının Fourier tanımlayıcılarının alınan lezyon görüntülerin bazı lezyonlarda lezyonun tamamını içermediği için tam olarak istenen sonucu vermediği söylenebilir. Bu nedenle lezyon görüntüleri alınırken lezyonun bütünlüğünün bozulmaması doğruluğu artırıcı önemli bir faktör olarak görülmektedir. Bunun yanında bazı melanom cilt lezyonları iyi huylu lezyonlara fiziksel olarak ciddi oranda benzemektedir. Aynı şekilde bazı iyi huylu lezyonlar da melanom lezyonlara benzemektedir. Bu nedenle bunları dermatolojinin şimdiye kadar ortaya koyduğu teorik alt yapı ile belirlenebilmesi mümkün olmayabilir. Dermatolojide geliştirilecek olan yeni yöntemlerin bu tür bilgisayar destekli sistemlerin doğruluğunu artıracağı düşünülebilir.