- Avrupa Bilim ve Teknoloji Dergisi
- Issue: 32 Special Issue
- Serviks Kanser Hücrelerinin Ön-Eğitimli Ağ Temelli Otomatik Sınıflandırılması İçin Bir Ara Yüz Tasar...
Serviks Kanser Hücrelerinin Ön-Eğitimli Ağ Temelli Otomatik Sınıflandırılması İçin Bir Ara Yüz Tasarımı ve Geliştirilmesi
Authors : Bünyamin Bingöl, Süleyman Uzun, Cem Özkurt
Pages : 268-274
Doi:10.31590/ejosat.1045509
View : 24 | Download : 5
Publication Date : 2021-12-31
Article Type : Research
Abstract :Serviks (rahim ağzı) kanseri, dünyada her iki dakikada bir kadının ölümüne neden olan ve kadınlarda meme kanserinden sonra en sık görülen ikinci kanserdir. Rahim ağzından kaynaklanan en önemli risk faktörü papilloma virüsü (HPV) ile oluşan enfeksiyondur. Servikal kanser tarama programları, bu kanserin görülme sıklığını ve ölüm oranlarını azaltmak için son derece önemlidir. Serviks kanseri için yapılan taramaların birincil hedefi, servikal kanseri önleme amacıyla, serviksin intraepitelyal prekürsör lezyonlarının doğru tespit edilmesi ve tedavisinin zamanında yapılmasıdır. PAP smear testi ile kanseröz dönemdeki hücreler endoservikal kanalda saptanmakta ve bu aşamadaki kanser tedavisi ile hücreler kansere dönüşmeden kanser gelişimi önlenebilmektedir. Erken tanıda kullanılan PAP testi kolay uygulanabilen, maliyeti düşük, zarar vermeyen, duyarlılığı yüksek ayrıca tedavi yükünü azaltan bir testtir. Son zamanlarda yapay zekâ alanındaki gelişmeler, serviks kanserinin teşhisinde ciddi başarılar elde edilmektedir. Yapılan bu çalışmada, transfer öğrenme tabanlı serviks kanser tespit yöntemi ve bu işlemlerin kolayca yapılabilmesi amacıyla geliştirilen bir uygulama sunulmaktadır. Kanserli ve kanserli olmayan servikal hücreler, ön-eğitimli ağlar kullanılarak sınıflandırılmıştır. Problem için Xception, VGG-16, DenseNet, İnceptionV3 ve InceptionResNetV2 olmak üzere beş popüler ön eğitilmiş ağ kullanılmış ve elde edilen performans sonuçları karşılaştırılmıştır. Ayrıca bu alanda çalışan uzmanların bu tip sınıflandırmaları kolay yapabilmeleri amacıyla bir uygulama geliştirilmiştir. Bu uygulama ile yeni bir eğitim yapılarak kullanıcılar kendi modellerini oluşturabilir, bu çalışmada oluşturulan modeli kullanabilir ve yeni elde edilen görüntülerin hangi sınıfa ait olduklarını hızlı bir şekilde test edebilmektedirler. Çalışma sonucunda, DenseNet ağı %94,72 doğruluk ile en yüksek doğruluk elde edilmiştir. Deneysel sonuçlar, önerilen yaklaşımın rahim ağzı kanseri tespiti için herkesin uygulayabileceği ucuz ve hızlı bir karar destek sistemi sağlayabileceği gösterilmektedir.Keywords : Serviks Kanser Hücreleri, Sınıflandırma, Derin Öğrenme