Evrişimli Sinir Ağlarında Beyin Tümörü Segmentasyonu

Abstract

Beyin tümörleri kafatası içinde anormal hücre ve kitle büyümesinin genel adıdır. Beyin tümörü tanısı konulabilmesi için en yaygın tetkik beyin dokusu ve dokudaki yabancı kitleleri gösteren MR (manyetik rezonans) görüntülemesinin yapılmasıdır. Tanı konduktan sonra hızlıca tedavi süreci planlamalıdır. MR görüntüleri çekildikten sonra uzman radyologlar tarafından görüntülerin incelenerek raporlanması zaman alabilmektedir. Son yıllarda hızla gelişen derin öğrenme teknolojileri ile tıp alanında bulunan yenilikler sayesinde hastalıkların erken ve doğru teşhis edilmesi için çeşitli çalışmalar yapılmaktadır. İnsan kaynaklı hataların en aza indirilmesi bu çalışmalar içerisinde önemli bir yere sahiptir. Bu çalışmada MRI görüntülerinin işaretlenerek uzmanlara yardımcı olması için yapay zekâ tekniklerinden yararlanılarak yeni bir evrişimli sinir ağı modeli eğitilmiştir. Eğitim aşamasında U-Net modelinden yararlanılarak, BRAST veri kümesinin %80’i kullanılmıştır. Veri kümesi içerisindeki örneklerin %20’si modelin performansının değerlendirilmesi için kullanılmıştır. Eğitim ve test işlemleri sonucunda elde edilen bulgular incelendiğinde eğitilen modelin tüm tümör, tümör çekirdeği ve genişleyen tümör bölgelerini sırayla 0.908, 0.807 ve 0.877 Benzerlik oranı (BO, Dice Coefficent Score) ile başarılı bir şekilde işaretleme yapabilen bir model eğitildiği görülmektedir.

Effects of Histogram Equalization Method on Some Deep Learning Models in Brain Tumor Classification

“…Model geliştirilirken U-Net ağından faydalanılarak Brast veri kümesinin %80'i kullanılmıştır. Eğitimin sonucunda modelin tümörün belli kısımlarını başarılı bir şekilde işaretlediği görülmüştür (Gökçe et al 2022).…”