Radyoterapi başarım kestirimi için akciğer malin tümörlerinin bilgisayar destekli 3-boyutlu modellenmesi

Akciğerler içerisinde kontrolsüz ve hızlı büyüyen kötü huylu tümörler akciğer kanseri hastalığına sebep olurlar. Akciğer kanseri hastalığı dünya genelinde en sık görülen kanser hastalığıdır. Kanser hastalıkları arasında en ölümcül olanıdır. Kötü huylu tümörlerin büyüyüp yayılması solunum fonksiyonun zorlaşmasına ve nihayetinde işlev görmemesine sebebiyet verir. Kötü huylu tümörler diğer doku, lif yapıları veya organlara da sıçrama yaparak bu organ ve sistemleri de işlevsiz hale getirme potansiyeline sahiptirler. Akciğer kanserinde teşhis, Bilgisayarlı Tomografi(BT), MR gibi görüntüleme teknolojileriyle elde edilen görüntüler ve biyopsi yardımıyla yapılır. Akciğer kanseri hastalığında cerrahi tedavinin yanında gerekli görülen durumlarda radyoterapi veya kemoterapi tedavisi verilir. Radyoterapi tedavisinde amaç kontrolsüz büyüyen kötü huylu tümörün büyümesi durdurularak kitleyi yok etmek veya küçülmesini sağlamaktır. Akciğer kanserine sebep olan tümörlerin uygulanan radyoterapi tedavisine tepkisinin izlenmesi, tedavinin başarısı hakkında bilgi verir. Tespit edilen tümörlerin, radyoterapi tedavisi boyunca değişimi ve tedaviye verdiği tepkiyi izlemek ve yorumlamak için Makine Öğrenmesine dayalı Bilgisayar Destekli Tanı Sistemleri kullanılır. Bu sayede tedavi sonuçları doğru ve ayrıntılı bir şekilde incelenebilmektedir. Bu çalışmada tümörlü kitle akciğerden bölütlenerek 3-boyutlu modellenmiştir. Bölütlenen tümör görüntüsüne ait doku, şekil ve istatistik öznitelikler elde edilmiştir. Bunun yanında hastaların demografik verileri ve tümörün patolojik sonuçları veri setine eklenmiştir. Elde edilen veri seti üzerinde makine öğrenmesi ve derin öğrenmeye dayalı sınıflandırma yöntemleri uygulanarak hastaların radyoterapi tedavisindeki başarı durumları tahmin edilmiştir. Makine Öğrenmesi Yöntemleri içinde en yüksek doğruluk sonucu Destek Vektör Makineleri tabanlı Kernel yöntemi ile %75,26 olarak elde edilmiştir. Derin öğrenme modelleri ile yapılan sınıflandırmada ise VGG16 modeli ile %79,31 doğruluk oranı elde edilmiştir.