Meme kanserinin otomatik teşhisi için yeni bir derin öğrenme yaklaşımı

Meme kanseri özellikle dünya genelinde kadınların en çok karşılaştığı hastalıklardan biridir. Hem erken teşhis hem de ilgili kişinin erken tedavisi için rutin meme kontrolleri hayati önem taşır. Bilgisayar destekli teşhis sistemleri, patologlar için teşhis sırasında yardımcı bir araç olma yolunda uzun bir mesafe katetmiştir. Bu tez çalışmasında, meme kanserinin histopatolojik görüntülerden etkili teşhisi için yeni bir evrişimsel sinir ağı önerilmektedir. Klasik evrişimsel sinir ağları sadece bir girişe sahipken, ilgili ağ eğitim sürecinde veri kümesinden sadece ham görüntüleri kullanır. Bu, ağın ek bir özellik kullanma kabiliyetini sınırlar. Önerilen yöntemde ise ağın bir girişi histopatolojik ham görüntüleri kullanırken, diğer girişi ise ilgili görüntülerin derin özelliklerini kullanır. Tüm deneysel çalışmalar literatürde yaygın olarak kullanılan BreakHis veri kümesi üzerinde gerçekleştirildi. Performansın testi için doğruluk kriteri tercih edildi ve 5 kat çapraz doğrulama tekniği dikkate alındı. 40×, 100×, 200× ve 400× alt veri kümelerinde sırasıyla %99,94, %98,94, %99,05 ve %97,30 doğruluk puanları elde edildi. Elde edilen sonuçlar, meme kanseri teşhisi için son derece etkili değerler olmanın ötesinde, literatürde rapor edilen diğer sonuçlardan çok daha üstündü.