Abstract :Meme kanseri, kadınlarda ölüme neden olabilen hastalıkların başında gelmektedir. Araştırmalar meme kanserinin erken teşhisinin ölüm oranlarını azaltabileceğini göstermiştir. Normal durumlarda meme hücreleri düzenli bir şekilde bölünür. Yeni hücrelere ihtiyaç olmadığı halde hücreler bölünmeye devam ederse, dokuda kütlesi oluşur. Oluşan kitleye tümör denir. Tümör iyi veya kötü huylu olabilir. Tanının temel amacı iyi huylu ve kötü huylu tümör arasında ayrım yapmaktır. Meme kanserinden kurtulmanın en önemli yolu erken tanıdır. Meme kanserinin erken evrelerde teşhis edilmesi için derin öğrenme yöntemlerinin kullanıldığı çalışmalar oldukça önemlidir. Ayrıca mamogram görüntüleri ile elde edilen teşhislerin tıp uzmanlarının teşhislerinden daha iyi olduğu gözlemlenmiştir. Gelişen teknoloji ile birlikte hastalığın teşhisinde birçok farklı derin öğrenme modeli kullanılmaktadır. Hazırlanmış olduğum çalışmada, derin öğrenme modellerinin tıp alanında da başarılı sonuçlar üretip üretmediğini araştırmayı amaçlamaktadır. Meme kanseri tanısında birçok derin öğrenme algoritması kullanılmıştır. UCI Machine Learning havuzundan Wisconsin Meme Kanseri veri kümeleri, farklı tekniklerin derin öğrenme yeteneğini kontrol etmek için kullanılır. Derin öğrenme yaklaşımlarıyla yapılan deneyler, sağlık alanında karar vermeyi desteklemeye yönelik olumlu yönde gelişme gösteriyor. Keywords : Derin Öğrenme, Meme Kanseri, Sınıflandırma, Yapay Zekâ
