Derin öğrenme uygulaması destekli pekiştirmeli öğrenme algoritması ile beyin kanserileri tanı ve sınıflandırılmasında arayüz oluşturulması

Beyin kanseri, beyin dokusunda kontrolsüz büyüyen tümörlerin neden olduğu ciddi bir hastalıktır. Bu hastalık baş ağrısı, mide bulantısı, kusma, denge kaybı ve nörolojik bozukluklar gibi çeşitli belirtilerle kendini göstermektedir. Tedavi süreci, tümörün türüne ve hastanın genel sağlık durumuna bağlı olarak cerrahi müdahale, radyoterapi, kemoterapi ve hedefe yönelik ilaç tedavilerini içerebilir. Beyin tümörlerinin tanısında Manyetik Rezonans Görüntüleme (MRI) önemli bir rol oynamaktadır. MRI, yüksek çözünürlüklü görüntüler sağlayarak tümörlerin tespit edilmesini ve değerlendirilmesini mümkün kılmaktadır. Medikal görüntü işleme, tıbbi görüntülerin analiz edilmesi ve yorumlanması için kullanılan dijital teknikler bütünüdür. Son yıllarda ise yapay zeka, derin öğrenme ve pekiştirmeli öğrenme gibi yöntemler bu süreçlerde büyük ilerleme sağlamıştır. Fakat literatürde derin öğrenme mimarileri ve pekiştirmeli öğrenme algoritmasının birlikte kullanıldığı çalışmalara rastlanılmamaktadır. Bu nedenle bu çalışmanın temel amacı derin öğrenme ve pekiştirmeli öğrenme yöntemlerini kullanarak MRI verilerinden primer beyin tümörlerini sınıflandırmak için otomatik bir tanı sistemi geliştirmektir. Bu amaç doğrultusunda, çalışmada, beyin kanserleri sınıflandırılması için derin öğrenme mimarileri destekli Q-öğrenme algoritmasıyla bir sistem geliştirilmiş ve Matlab ortamında, üç farklı veri seti kullanılarak primer beyin tümörleri MR görüntüleri sınıflandırılmıştır. Q-öğrenme algoritması ile çalışan bu model ile VGG16 mimarisinde %97.45 doğruluk, Resnet50 mimarisinde %96.06 doğruluk, DenseNet201 mimarisinde ise %96.93 doğruluk oranı elde edilmiştir. Sonuçlar geliştirilen modelin beyin tümörü sınıflandırmasında umut vadettiğini göstermektedir. Ayrıca tanıda hekimlere daha hızlı ve güvenilir bir teşhis süreci için sistem arayüz ile desteklenmiştir. Bu çalışmanın temel amacı, beyin tümörü teşhis sürecinde otomatik bir tanı sistemi geliştirmek ve bu sistemi hekimlere teşhis ve tedavi planlama süreçlerinde yardımcı olacak bir karar destek aracı haline getirmektir. Çalışma sonunda elde edilen sonuçlar, geliştirilen modelin teşhis doğruluğunu önemli ölçüde artırdığını ve klinik uygulamalarda geniş bir kullanım potansiyeline sahip olduğunu göstermektedir.