Tıbbi Görüntü İşleme ve Derin Öğrenme Yöntemleriyl

Yapay zekâ biliminin son yıllarda gelişmesiyle birlikte hayatın her alanında etkin bir şekilde kullanılmaya başlandığı bilinmektedir. Yapay zekanın bir alt dalı olarak kabul edilen makine öğrenmesi ve derin öğrenme çalışmalarının da hız kazanmasıyla birlikte sağlık sektöründe uygulama alanı oldukça genişlemiştir. Salgın hastalıkların son zamanlarda artması ve kanser hastalığı gibi insan yaşamını tehdit eden ölümcül hastalıkların her yıl artış göstermesinden dolayı bu alanda yapılan çalışmalara daha fazla önem verilmeye başlanmıştır. Özellikle son yıllarda derin öğrenme yöntemleri kullanılarak görüntü ve veri işleme konusunda yapılan çalışmalar artmış, hastalık ön tanısı ve MR görüntüsü işleme alanında birçok çalışma yapılmıştır.
Bu çalışmada, Beyin, Göğüs ve Cilt tümörlerinin MR görüntüleri kullanılarak klasik makine öğrenmesi ve derin öğrenme yöntemleriyle sınıflandırma ve hastalığın erken teşhisi için uygulamalar yapılmıştır. Önerilen yöntemlerde Evrişimsel sinir ağları esas alınmıştır. Üç farklı veri seti kümesine sırasıyla klasik makine öğrenmesi teknikleri (Destek Vektör Makinesi, K-En Yakın Komşu, Naive Bayes, Karar Ağacı ve Lineer Diskriminant Analizi), dört farklı Evrişimsel sinir ağı (VGG, ResNet, SqueezeNet, DenseNet) modeli ve Topluluk öğrenmesi (Oylama) yöntemi ile karşılaştırmalı olarak analiz yapılmış ve uygulanmıştır. Modellerin eğitim ve test aşaması sırasında Kaggle kütüphanesinde açık erişimli şekilde bulunan veriler kullanılmıştır. Önerilen yöntemlerin iyileştirilmesi için Python yazılım programından faydalanılmış, kullanılan metrikler ve sınıflandırma başarım oranları karşılıklı olarak değerlendirilmiştir. Bulunan sonuçlar literatürdeki benzer çalışmalarla karşılaştırılmış ve tüm sonuçlar ayrıca verilmiştir.