Mide kanserinin yapay zeka teknikleri ile analizi

Bu tez çalışmasında, mide tümörlerine ait histopatolojik görüntülerin otomatik olarak sınıflandırılması amacıyla farklı özellik çıkarım, boyut indirgeme ve sınıflandırma yöntemlerinin başarımı incelenmiştir. Çalışma kapsamında normal, benign ve malign olmak üzere üç farklı sınıfa ait histopatolojik görüntüler kullanılmıştır. Her bir sınıf için 30 görüntü eğitim, 30 görüntü test verisi olarak ayrılarak sınıflar arasında veri dengesi sağlanmıştır. Özellik çıkarımı aşamasında Hızlandırılmış Sağlam Özellikler (HSÖ) ve Maksimum Durağan Ekstrem Bölgeler (MDEB) yöntemleri kullanılmış; Çıkarılan özellikler, daha kompakt ve ayırt edici bir temsil elde edebilmek amacıyla Temel Bileşenler Analizi (TBA) ve Genelleştirilmiş Diskriminant Analizi (GDA) yaklaşımları doğrultusunda dönüştürülmüştür. İndirgenmiş özellikler, Karar Ağaçları, Rastgele Orman, Yapay Sinir Ağları ve Naive Bayes sınıflandırıcıları ile değerlendirilmiştir. Özellik sayısı 1 ile 50 arasında kademeli olarak artırılarak yöntemlerin farklı boyutlardaki performansları analiz edilmiştir. Elde edilen sonuçlar, sınıf bilgisini dikkate alan boyut indirgeme yöntemleri ile güçlü sınıflandırıcıların birlikte kullanılması durumunda sınıflandırma doğruluğunun anlamlı biçimde arttığını göstermiştir. Özellikle MDEB–GDA tabanlı yöntemlerin, benign ve malign sınıflar arasındaki ayrımı daha başarılı biçimde gerçekleştirdiği gözlemlenmiştir. Bu çalışma, geliştirilen yaklaşımın bilgisayar destekli tanı sistemleri için güvenilir bir ön değerlendirme aracı olabileceğini ortaya koymaktadır.