Makine öğrenme yöntemleri ile akciğer kanserlerindeki beyin metastazları ve tanısal raporlama

Beyin metastazları (BM), akciğer kanserinin en yaygın komplikasyonlarından biridir. Bu lezyonların manyetik rezonans görüntüleme (MRG) üzerinde doğru ve erken tespiti; tanı, tedavi planlaması ve prognoz açısından büyük önem taşımaktadır. Ancak, BM manuel olarak segmentasyonu zaman alıcıdır, gözlemciler arası farklılıklara açıktır ve genellikle görüntüleme özelliklerinin belirsizliği nedeniyle sınırlıdır. Bu tez çalışmasında, akciğer kanserine bağlı gelişen BM'lerinin T1 kontrastlı ve T2-ağırlıklı MRG görüntüleri kullanılarak derin öğrenme (DÖ) tabanlı bir tümör tanıma yaklaşımı önerilmiştir. CNN modeli, etiketlenmiş veri kümeleri üzerinde eğitilmiş ve otomatik tümör tespiti amacıyla değerlendirilmiştir. İşlem kısıtlamaları nedeniyle, 4B NIfTI hacimleri 2B dilimlere ön işleme tabi tutulmuş, 128x128 piksele yeniden boyutlandırılmış ve normalleştirilmiştir. Verilerin ön işleme ve dengeleme işlemlerinin ardından toplam 2.275 adet 2B görüntü kullanılmıştır. CNN modeli, ikili sınıflandırma için 17 katman ve 3 bloktan oluşmaktadır. Modelin karar verme sürecini görselleştirmek ve yorumlanabilirliği artırmak amacıyla occlusion sensitivity ve sınıf aktivasyon haritalama yöntemleri uygulanmıştır. Eğitilen model, test veri kümesinde %94,2 doğruluk, %94 duyarlılık, %92,83 özgüllük, %95 F1-skoru ve %98,65 AUC değeri elde etmiştir. Model birçok durumda başarılı sonuçlar verirken, Dice skoru düşük çıkan bazı örnekler incelenmiş ve tartışılmıştır. Bu çalışma, BM tespiti ve değerlendirilmesini desteklemeyi ve tıbbi görüntülemede güvenilir DÖ çözümlerinin geliştirilmesine destek sağlamayı amaçlamaktadır.