Dermatolojik hastalıkların teşhisinde derin öğrenme tabanlı yöntemlerin kullanılması

Sedef hastalığı (psoriasis) insan yaşamını oldukça etkileyerek yaşam standartlarını düşüren, görülme sıklığı gittikçe artan önemli bir cilt hastalığıdır. Bu cilt hastalığının çeşitli türleri bulunmaktadır ve türlerinin doğru bir şekilde teşhis edilebilmesi; tedavi ve hastaların yaşam kalitesinin artırılabilmesi açısından oldukça büyük önem taşımaktadır. Bu çalışmada, literatürde yer alan psoriasis hastalığına ait sınıflandırma yapılmış uygulamalara ek olarak yeni bir yöntem geliştirilmiştir. Bu yöntemle psoriasis hastalığının daha yüksek bir başarım oranıyla sınıflandırılması mümkün kılınmıştır. Bu yeni yöntemde literatürde oldukça sık kullanılan üç derin öğrenme modeli (DenseNet-121, EfficientNetB0 ve ResNet50) çoklu model birleşimi yapılarak klinik olarak özgün elde edilmiş veri seti ile eğitilmiştir. Belirtilen üç model birleştirilerek bir topluluk öğrenmesi modeli ortaya koyulmuştur. Bu model ile psoriasis hastalık türleri daha iyi ve başarılı bir şekilde sınıflandırılmıştır. Çalışmada kullanılan veri seti, Fırat Üniversitesi Hastanesi Dermatoloji Polikliniğinde tedavi gören hastaların görüntülerinden oluşturulmuştur. Veri setinde; uzman doktorlar tarafından etiketlenmiş Generalize, Guttat, Plak ve Püstüler Psoriasis olmak üzere dört türe ait fotoğraflar bulunmaktadır. Başlangıçta ayrı ayrı eğitilmiş ve test edilmiş üç derin öğrenme modeli arasından en başarılı sonuçlar DenseNet-121 modeli ile elde edilmiştir. Üç modelin son katman özelliklerinin birleştirilmesi ile elde edilen topluluk öğrenme modeli ile de çoğu performans ölçüm metriklerinde diğer üç modelden daha başarılı sonuçlar elde edilip doğruluk oranı olarak %93 başarım hesaplanmıştır. Bu çalışma ile dört sınıfın yer aldığı veri setinin %93'lik bir doğruluk oranıyla teşhis edilebilmesi sağlanmıştır.