Derin öğrenme yöntemleri kullanılarak mide displazisinin erken dönemde tespiti

Dünya genelinde kanser oranı, ülkelere ve bölgelere göre değişiklik gösterir. Kanser oranı, bir grup insanların kanser teşhisi alma olasılığını ifade etmektedir. Bu oran, genellikle 100,000 kişi başına kanser vakası olarak ifade edilir ve yıllık olarak raporlanır. Kanser, vücudumuzun herhangi bir yerindeki hücrelerin kontrolsüz çoğalması ve büyümesidir. Kanser hücreleri, normal hücrelerden farklı olarak, ölmeyi bilmezler ve sürekli olarak çoğalmaya devam ederler. Bu durum, doku ve organlarda hasara neden olarak kanser hastalığına yol açar. Kanser oranları etkileyen birçok faktör vardır, bunlar arasında yaşam tarzı seçimleri, genetik yatkınlık, çevresel etkenler ve erken teşhis yer alır. Sigara içme, alkol tüketimi, obezite, sağlıksız beslenme, hareketsiz yaşam tarzı ve maruz kalınan kanserojen maddeler kanser üzerinde etkilidir. Mide displazisi, midenin iç yüzeyini kaplayan hücrelerin normal şekilde büyümesini ve gelişmesini durdurmasıdır. Bu hücreler, kontrolsüz bir şekilde büyümeye ve çoğalmaya başlar ve sonunda mide kanserine dönüşmektedir. Bu hastalığı kansere dönüşmeden en aza indirgeyebilmek temel hedeftir. Bunun için bu tez çalışmasında, mide displazisinin erken evrede tespiti için derin öğrenme ve Evrişimsel Sinir Ağları (ESA) teknikleri kullanıldı. Çalışmada histopatolojik görüntüler üzerinde birden fazla ESA modeli kullanılarak özellik çıkarma işlemi yapılmıştır. Çalışmada VGG16, VGG19, ResNet, MobileNet, NasNet ve EfficientNet modelleri kullanılarak yapılan özellik çıkarma sonucu elde edilen özellikler, Destek Vektör Makinesi (DVM), En Yakın Komşu (KNN) ve Çok Katmanlı Algılayıcılar (ÇKA) sınıflandırıcıları kullanılarak üç ayrı sınıfa ayrılmıştır. Ayrıca ESA modeli kullanılmıştır. Elde edilen sonuçlar evrişimli sinir ağlarının hasta ve sağlıklı görüntüleri sınıflandırmada başarılı bir yöntem olduğunu kanıtlamıştır.