Gelişmiş derin öğrenme yöntemleri ile polip tespiti ve takibi

Kolorektal kanser, başlarda kalın bağırsağın mukus tabakasında bir polip olarak görülmekte ve tedavi edilmediğinde zamanla kansere dönüşmektedir. Son yıllarda bir milyona yakın vaka sayısı ile dikkat çeken kolorektal kanser ölümcül ve agresif kanser türleri arasında gösterilmektedir. Kalın bağırsak polipleri başta iyi huylu olsalar da erken teşhis edilerek kontrol altına alınıp tedavi edilmediği takdirde zamanla kötü huylu bir kansere dönüşebilmektedir. Bu tez çalışmasında kalın bağırsak poliplerinin otomatik tespit ve takibinin yapılması amaçlanmıştır. Derin öğrenme yöntemleri kullanılarak poliplerin otomatik tespit edilmesi ve nesne takip algoritmaları ile takibinin gerçekleştirilebilmesi problemi üzerinde durulmuştur. Polip tespiti için son yıllarda öne çıkmış derin öğrenme yöntemlerinden biri olan Faster R-CNN modeli kullanılmıştır. Nesne tespit modeli eğitimi Tensorflow Object Detection API ile gerçekleştirilmiştir. Nesne tespit modelinin eğitiminde yeni ve mevcut veri setlerinden 4 kat daha büyük olan LDPolypVideo veri seti kullanılmıştır. Polip takibi içinse nesne takip algoritmalarından biri olan kalman filtresi kullanılmıştır. Eğitmiş olduğumuz nesne tespit modeli %86,37'lik mAP değeri ile kabul edilebilir bir başarı elde etmiştir. Eğitilmiş nesne tespit modeli ile gerçekleştirilen testlerde modelimizin polipleri tespit edip sınırlayıcı kutular ile işaretlediği görülmüştür. Nesne tespiti ile birlikte uygulanan nesne takip yöntemi iler de poliplerin etiketlenerek takibinin yapılabildiği görülmüştür. Bu tez çalışması ile yeni bir kolonoskopi veri setinde derin öğrenme yöntemleri kullanılarak otomatik polip tespiti gerçekleştirilmiştir. Elde edilen sonuçlar bu alandaki çalışmalara bir örnek olma niteliği taşımaktadır.