Acta Infologica
Yazarlar: Onur SEVLİ
Konular:Bilgisayar Bilimleri, Bilgi Sistemleri
Anahtar Kelimeler:Beyin MRI Sınıflama,Transfer Öğrenme,Evrişimsel Sinir Ağları
Özet: Beyin tümörleri, beyin hücrelerinin kontrolsüz bölünmeleri sonucu meydana gelen kitlelerdir. Tümörler zamanında ve doğru teşhis edilmezlerse ölümcül sonuçlara neden olabilir. Beyin tümörlerini tespit etmede yaygın olarak kullanılan tekniklerden biri olan MRI’dir. MRI, sağladığı yüksek çözünürlük ile beyindeki anormalliklerin kolay tespitine imkân verir. MR görüntüleri geleneksel olarak radyologlar tarafından incelenip yorumlanır. Ancak teknolojinin gelişmesi ile birlikte üretilen çok miktarda veriyi makul sürelerde yorumlamak daha zor hale gelmektedir. Bu nedenle bilgisayarlı yarı otomatik ya da otomatik yöntemlerin geliştirilmesi önemli bir araştırma konusu haline gelmiştir. Verilerden öğrenerek tahmin yapabilen makine öğrenmesi yöntemleri bu alanda yaygın olarak kullanılmaktadır. Ancak makine öğrenmesi için görüntü özelliklerinin çıkarımı özel bir mühendislik gerektirir. Makine öğrenmesinin bir alt dalı olan derin öğrenme, veri içerisindeki karmaşık hiyerarşiyi otomatik olarak keşfetmeye imkân sağlar ve makine öğrenmesinin sınırlılıklarını ortadan kaldırır. Transfer öğrenme ise eldeki eğitim verisinin az olması halinde ya da iş yükünü azaltmak için daha önceden eğitilmiş bir derin sinir ağının bilgilerinin benzer başka bir modele aktarılmasıdır. Bu çalışmada önceden eğitilmiş Vgg-16, ResNet50 ve Inception v3 modellerinin sınıflamadaki performansları değerlendirilmiştir. Vgg-16 modeli %94.42 doğruluk, %83.86 recall, %100 precision ve %91.22 F1 skoru ile en yüksek başarıyı göstermiştir. Bunu %82.49 doğrulukla ResNet50 modeli izlemektedir. Bu çalışmada elde edilen bulgular literatürdeki benzer çalışmalarla karşılaştırılmış ve çoğu çalışmadan daha yüksek başarı gösterdiği görülmüştür.