- Avrupa Bilim ve Teknoloji Dergisi
- Issue: 32 Special Issue
- An Improved Deep Learning Based Cervical Cancer Detection Using a Median Filter Based Preprocessing
An Improved Deep Learning Based Cervical Cancer Detection Using a Median Filter Based Preprocessing
Authors : Zehra KARAPINAR ŞENTÜRK, Süleyman UZUN
Pages : 50-58
Doi:10.31590/ejosat.1045538
View : 15 | Download : 4
Publication Date : 2021-12-31
Article Type : Research
Abstract :Rahim ağzı kanseri, teşhis edildikten sonra diğer kanser türlerine kıyasla tedavi başarısı en yüksek olanıdır ve kadınlar arasında en sık görülen kanser türlerinden biridir. Rahim ağzı kanserinin otomatik sınıflandırılması, tedavi sürecini hızlandırmak ve hastaların hayatta kalma oranlarını artırmak için çok önemlidir. Yetersiz farkındalık, tıbbi imkânların yetersizliği ve pahalı tarama prosedürleri ölüm oranlarını artırmaktadır. Bu yaygın kanser sıklıkla Pap smear, servikografi ve kolposkopi gibi çeşitli görüntüleme testleri ile taranır. Kararlar bu testler yardımıyla verilir, ancak servikal hücrelerin yapısal karmaşıklıkları kararı zorlaştırabilir. Sinir ağlarındaki son gelişmeler, hastalık teşhisinde dikkate değer başarılar göstermektedir. Ayrıca, transfer öğrenme avantajlarından dolayı çoğu araştırmacının dikkatini çekmektedir. Bu makale erken teşhis için transfer öğrenme tabanlı bir serviks kanseri tespit yöntemi sunmaktadır. Pap smear görüntüleri, daha iyi sınıflandırma için, görüntülerden gürültüyü çıkarmak amacıyla derin öğrenme modelinin eğitiminden önce medyan filtresi kullanılarak ön işleme tabi tutulmuştur. Kanserli ve kanserli olmayan servikal hücreler, önceden eğitilmiş ağlar aracılığıyla ayırt edilir. SqueezeNet, VGG-19, AlexNet, ResNet-50 ve InceptionV3 isimli beş popüler önceden eğitilmiş ağ kullanılmış ve problem için karşılaştırılmıştır. SqueezeNet diğer sinirsel yapılarla karşılaştırıldığında en iyi test doğruluğunu (%96.90) elde etmiştir ve bu performans önerilen yöntemi serviks kanseri teşhisi için literatürdeki diğer denetimsiz yaklaşımlar arasında en iyisi yapmaktadır. Ek deneyler, Parabasal ve Metaplastik hücreler olmak üzere iki benzer sınıfın sınıflandırılması için önerilen modelin başarısını da kanıtladı. Sonuçlar, önerilen yaklaşımın rahim ağzı kanseri teşhisi için güvenilir, ucuz ve hızlı bir karar destek sistemi sağlayabileceğini göstermektedir.Keywords : Rahim ağzı kanseri teşhisi, Evrişimli sinir ağları, Transfer öğrenme, Pap smear görüntüleri