Evrişimsel sinir ağları kullanılarak medikal görüntü sınıflandırılması

Beyin dokusunda gerçekleşen anormal büyümelerle ortaya çıkan hastalık beyin tümörü olarak adlandırılır. Beynin farklı bölgelerinde ortaya çıkan bu kanserli hücreler farklı boyutlarda ve şekillerde olabilmektedirler. Bu hastalığa yakalanan insanların hızlı tanısı ve tedavi planının belirlenmesi, hastanın yaşamı için önem arz etmektedir. Bugüne kadar farklı görüntüleme teknikleri kullanılarak beyin tümörleri tespit edilmeye çalışılmıştır. Bunlardan en yaygın ve tümörlü bölgeyle ilgili detaylı bilgiler içeren teknik Manyetik Rezonans (MR) tekniğidir. MR sayesinde beyin dokusunda yer alan kanserli hücrelerin yeri, boyutu ve hacmi tespit edilebilmektedir. Ancak bazı vakalarda doğru tanı ve tümör teşhisi güç olmaktadır. Uzmanlar tarafından gerçekleştirilen teşhis süresi ve doğruluğu hasta için kritik öneme sahiptir. Bu çalışmamızda bir derin evrişimsel sinir ağı olan U-Net 3 boyutlu olarak geliştirilmiş ve 3 boyutlu MR görüntülerine sahip BraTS 2020 veri seti kullanılarak çok sınıflı semantik bir beyin tümörü bölütlemesi gerçekleştirilmiştir. Geliştirilen model ile tümörlü bölgelerin farklı tümör etiketleri 0.97 gibi yüksek bir doğruluk değeriyle tespit edilmiştir. Modelin bölütleme başarısını ölçen Intersection over Union (IoU) skoru ise eğitim veri seti için 0.75, doğrulama veri seti için 0.62 çıkmıştır. Eğitilen model test amaçlı kullanılan ve modelin daha önce görmediği 3 boyutlu MR görüntülerini hızlı bir şekilde işleyip yüksek doğrulukla bölütlemesini gerçekleştirmektedir. Geliştirilen bu modelin beyin tümörü teşhisinde uzmanlar tarafından kullanılmasının tanı sürelerini kısaltacağına inanıyorum.