Evrişimli sinir ağları ile akciğer kanseri sınıflandırması

Kanser kaynaklı ölümlerin önde gelen nedenlerinden biri olan akciğer kanseri, geç evrede teşhis edilmesi ve erken dönemdeki semptomların belirgin olmaması nedeniyle önemli bir halk sağlığı sorunu olmaya devam etmektedir. Önlenebilir ölümlerin azaltılabilmesi için erken ve doğru teşhis büyük bir öneme sahiptir. Bu çalışmada, akciğer kanseri teşhisi için Evrişimli Sinir Ağları (ESA) ve transfer öğrenme yöntemlerini kullanarak ileri teknikler araştırılmıştır. Çalışmanın başlangıcında, veri setindeki farklı akciğer kanseri hastalarına ait görüntüler birleştirilerek ve normal hastaların bilgisayarlı tomografi görüntüleriyle birlikte ikili sınıflandırma yapılmıştır. Bu aşamada, en iyi modeli belirlemek amacıyla farklı mimariler ve hiperparametre optimizasyonları kullanılarak deneyler gerçekleştirilmiştir. Deneyler sonucunda, mimariler arasında en iyi performans gösteren model %93 doğruluk oranı sağlamıştır. Bir sonraki aşamada, veri seti başlangıç haline getirilerek çoklu sınıflandırma yapılmış ve çeşitli optimizasyon algoritmalarının performansları karşılaştırılmıştır. Optimizasyon algoritmaları olarak; Adam, SGD, RMSprop, Adadelta, Adagrad, Adamax ve Nadam algoritmaları kullanılmış ve Adam algoritması ile %87 doğruluk oranı elde edilmiştir. Aynı çalışma, veri setindeki verilerin artırılması yoluyla daha fazla akciğer görüntüsü kullanılarak tekrar edilmiştir ve RMSprop optimizasyon algoritması ile %96 doğruluk oranına ulaşılmıştır. Ayrıca, mevcut veri seti üzerinde transfer öğrenme kullanılarak son teknoloji modeller eğitilmiş ve test doğrulukları elde edilmiştir. Önerilen yöntem hem transfer öğrenme tabanlı yaklaşımlardan hem de literatürdeki benzer çalışmalardan daha yüksek doğruluk değerlerine ulaşmıştır. Geliştirilen model başarılı sonuçlar vererek doktorların karar verme sürecine katkı sağlayacaktır.