Derin Öğrenme Yöntemleri ile Küçük Olmayan Hücre Akciğer Kanseri Tümör Karakterizasyonu
Küçük Resim Yok
Tarih
ICIAS 2022 conference
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Küresel kanser araştırmaları ölüm oranlarına göre bulgular en tehlikeli hastalık olarak Akciğer
kanserini göstermektedir. Solunum yolu hastalıklarına neden olan havada bulunan küçük çaplı partikül
maddeler akciğer kanserine neden olmaktadır. Akciğer kanseri için en önemli risk faktörü sigara ve
benzeri alışkanlıklardır. Hastalığın tanısında manyetik rezonans görüntüleme ve bilgisayarlı tomografi
gibi teknikler kullanılarak akciğer bölgesinin detaylı görüntülenmesi erken akciğer nodüllerini bulmak
için cerrahi bir yöntem olmayan tespit yöntemlerinden biridir. Bilgisayar destekli görüntüler sayesinde
akciğer nodülü tespit sisteminin kullanılması erken teşhis konusunda uzman doktorlara yardımcı
olmaktadır. Günümüzde PET-CT görüntüleme ile uzman kişilerin onkolojik tanısına oldukça katkı
sunmaktadır. Tıbbi görüntüler radyologlar ve doktorlar tarafından teşhis edilmektedir. Ancak uzmanlar
tarafından yapılan bu teşhis için dikkat ve uzun süreli incelenmesi yorgunluğa ve hatalara neden
olabilmektedir. Bu nedenle görüntülerin değerlendirilmesi için otomatikleştirilmesine ihtiyaç vardır.
Evrişimsel Sinir Ağı gibi derin öğrenme algoritmaları, tümörleri tespit etmek ve sınıflandırmak için
yaygın olarak kullanılmaktadır. Derin öğrenmeyi temel alan akciğer kanseri erken teşhis ve analiz
yönteminin temel özelliği, akciğer Bilgisayarlı Tomografi görüntülerini bilgisayar sistemi ve yardımcı
tanı sistemi aracılığıyla analiz ederek, dahil edilen görüntülerdeki akciğer nodüllerinin özelliklerini
çıkarmaktır. İyi huylu ve kötü huylu akciğer nodüllerinin görüntülerini sınıflandırmanın temel amacı,
akciğer nodülü hakkında doktorlara ve hastalara daha bilimsel ve güvenilir bir yardımcı sınıflandırma
sonucu sağlamak, böylece teşhis ve tedavi sürecinin daha doğru olabilmesi, doktorlarının klinik
muayenesini ve görünütüyü okuma iş yükünü azaltmaktır. Bu çalışmada, derin öğrenmenin en yaygın
kullanımlarından biri olan transfer öğrenme modeli kullanılacaktır. Bu yöntem ile önceden eğitilmiş ağlar
ile farklı sınıfa ait gerçek görüntüler eğitilmiştir
Açıklama
Anahtar Kelimeler
Yapay Zeka, Görüntü İşleme, Derin Öğrenme, Örüntü Tanıma, Akciğer Kanseri
Kaynak
1st International Conference on Innovative Academic Studies
