TY  - JOUR
TI  - Göğüs Kanseri Histopatolojik Görüntü Sınıflandırması
AB  - Meme kanseri, dünya genelinde kadınlarda, akciğer kanserinden sonra en çok rastlanan kanser türlerinden biridir. Kanserin erken teşhisi ve sınıflandırılması hastaların iyileşme sürecine olumlu etki edebilmektedir. Bu çalışmada, göğüs histopatolojik görüntülerinde kanser tespiti için derin öğrenme yaklaşımları sunulmuştur. Derin öğrenme mimarilerinin başarısı probleme özgü değişebilmektedir. Bu çalışmada, önceden eğitilmiş CNN mimarilerinden, VGG16, Inception-V3 ve iki derin sinir ağın birleşimi olan ağ (VGG16+Inception-V3) kullanılarak sınıflandırma yapılmıştır. Çalışma içerisinde birleştirme ağ yapısı VIHist olarak adlandırılmıştır. Önerilen yaklaşımların performansı, BreakHist veri seti üzerinde incelenmiştir. Tespit için kullanılan görüntüler 40X büyütülmüş görüntü slaytlarıdır. Elde edilen bulgularda, %99.03 başarı ile birleştirme ağ yapısı (VIHist) en yüksek doğruluk oranını vermiştir. Inception-V3 ağı, VGG16 derin sinir ağına göre ~%6 daha üstün performans göstermiştir. Hastalık üzerinde patoloji bilgisine sahip olunmamasına rağmen, önerilen derin öğrenme mimarileri ile hastalık tespitinde %98.3 ± %1 başarı elde edilmiştir. Sonuçlar incelendiğinde, literatürdeki başarılı çalışmalara göre performansın daha yüksek bulunduğu görülmüştür.
AU  - ERDEM, EBRU
AU  - Aydın, Tolga
DO  - 10.17671/gazibtd.746673
PY  - 2021
JO  - Bilişim Teknolojileri Dergisi
VL  - 14
IS  - 1
SN  - 1307-9697
SP  - 87
EP  - 94
DB  - TRDizin
UR  - http://search/yayin/detay/473581
ER  -