TY  - JOUR
TI  - Veri çoğaltma kullanılarak derin öğrenme ile beyin tümörlerinin sınıflandırılması
AB  - Tıbbi görüntü sınıflandırma, veriyi belirli sayıda sınıfa ayrıştırma işlemidir. Son yıllarda, Manyetik Rezonans Görüntüleme (MRG) beyin tümörlerinin tespit edilmesinde ve tanısında yaygın olarak kullanılmaktadır. Bu çalışmada, üç farklı beyin tümörünün (gliyom, menenjiyom ve hipofiz bezi tümörü) T1 ağırlıklı MR görüntüleri üzerinde evrişimsel sinir ağı (ESA) kullanılarak sınıflandırılması ve aksiyel, koronel ve sagital MR kesitlerinin sınıflandırmadaki etkinliğinin belirlenmesi amaçlanmıştır. Ağırlıklar, daha önce ImageNet veri kümesi için eğitilmiş DenseNet121 ağından ESA’ya transfer edilerek ilklendirilmiştir. Ayrıca, MR görüntülerinde afin dönüşümü ve piksel-seviye dönüşümü kullanılarak veri çoğaltma işlemi yapılmıştır. Eğitilen ESA’nın tam bağlantılı ilk katmanından elde edilen öznitelikler, destek vektör makinesi (DVM), k en yakın komşu (kNN) ve Bayes yöntemleriyle de sınıflandırılmıştır. Bu sınıflandırıcıların başarısı test veriseti üzerinde duyarlılık, belirlilik, doğruluk, eğri altında kalan alan ve Pearson korelasyon katsayısı ile ölçülmüştür. ESA, ve ESA tabanlı DVM, kNN ve Bayes sınıflandırıcılarının elde ettiği doğruluk değerleri sırasıyla 0,9860, 0,9979, 0,9907 ve 0,8933’ dür. Beyin tümör sınıflandırma için önerilen ESA tabanlı DVM modeli literatürdeki benzer çalışmalardan daha yüksek performans değerleri elde etmiştir. Ayrıca, tümör tipinin belirlenmesinde koronel kesitlerin diğer kesitlere göre daha iyi sonuç verdiği görülmüştür.
AU  - Miller-Van Wieren, Leila
AU  - Karakis, Rukiye
DO  - 10.17341/gazimmfd.762056
PY  - 2021
JO  - Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi
VL  - 36
IS  - 2
SN  - 1300-1884
SP  - 997
EP  - 1012
DB  - TRDizin
UR  - http://search/yayin/detay/494465
ER  -