Meme kanserinde görüntü işleme tabanlı lezyon tespiti

Bu çalışmanın amacı, yüksek doğruluk ve düşük hata oranı ile meme tümor bölgesini belirlemektir. Bu çalışmada, TCİA (The Cancer İmaging Archive) veri bankasından alınan 8 kanserli görüntüde, K-ortalama kümeleme ve otsu eşikleme yöntemi kullanılmıştır. Kümeleme işlemi için, sırasıyla TPR (True Positive Rate) 0.89, FPR (False Positive Rate) 0.14, TNR (True Negative Rate) 0.86, FNR (False Negative Rate) 0.10, benzerlik 0.67, doğruluk 0.87, duyarlılık 0.89, hassasiyet 0.86, özgüllük 0.87,F puanı 0.87 bulunmuştur. Otsu için, TPR (True Positive Rate) 0.84, FPR (False Positive Rate) 0.12, TNR (True Negative Rate) 0.89,FNR (False Negative Rate) 0.14,benzerlik 0.73, doğruluk 0.84,duyarlılık 0.84, hassasiyet 0.86,özgüllük 0.87,F puanı 0.84 olarak hesaplanmıştır. Sonrasında 8 görüntüye ek olarak, Kaggle veri bankasından 646 adet görüntü alınarak, 504 eğitim,142 tanesi de test için ayrılmıştır. U-Net yapay sinir ağı mimarisi ile bölge tespiti yapılmıştır. Ağ eğitimi sonucu çıkan tümor bölgesi ile işaretli referans görüntüdeki tümor bölgesi karşılaştırılmıştır.100 Epoch değeri ile, test sonucu %4 kayıp oranı ile %96 doğruluğa ulaşılmıştır. Sonuç olarak, bu kullanılan yöntemlerin tümor tespiti için kullanılabileceği, yapay sinir ağı modelinin en yüksek doğruluğu bulguladığı tespit edilmiştir.