Histopatolojik Görüntülerden Yumurtalık Kanseri Sınıflandırması için VGG-19 Tabanlı Çoklu Sınıf Modeli

Abstract

Bu çalışma da kadınlarda oldukça yaygın görülen yumurtalık kanserini histopatolojik görüntüler üzerinden beş alt türünü tahmin etmek ve sınıflandırmak için VGG-19 modeli önerilmektedir. Yumurtalık kanseri jinekolojik kanser türleri arasında en sık görülen, en agresif ve sağkalım oranı oldukça düşük olan kanser türlerinden biridir. Teşhis süreci genellikle zaman alıcı ve maliyetlidir. Bu sebeple yumurtalık kanserinin erken teşhisi ve alt türlerinin sınıflandırılması tedavi için oldukça önemlidir. Bu çalışmada histopatolojik görüntülerinin otomatik sınıflandırması ve patologlara ikinci bir görüş sağlaması amacıyla derin öğrenme tabanlı transfer öğrenme yöntemi olan VGG-19 önerilmektedir. Yapılan çalışmada VGG-19 ön-eğitimli ağı kullanılarak görüntüler eğitilmiş ve test edilmiştir. Test veri seti için elde edilen sonuçlara göre doğruluk oranı %85, hassasiyet %87 ve duyarlılık %85 olarak belirlenmiştir. Eğitim veri seti için ise doğruluk %87, hassasiyet %88 ve duyarlılık %87 olarak belirlenmiştir. Başarım grafikleri ve karmaşıklık matrisi kullanılarak, modelin eğitim süreci ve performansı detaylı bir şekilde incelenmiştir. Sonuçlar incelendiğinde görüntü sınıflandırmada konusunda başarılı sonuçlar elde eden modelin, patologlara güçlü bir destek sunma potansiyeli olduğu görülmüştür. Bu noktada, elde edilen sonuçların iyileştirilmesi için veri kümesinin çeşitliliğinin arttırılması ve daha fazla örnek eklenmesi modelin genelleme yeteneğini geliştirebileceği düşünülmektedir. Ayrıca modeli farklı veri kümeleri veya kanser türleri üzerinde de genelleme yeteneğini değerlendirmesi gerekmektedir. Bu sayede modelin farklı klinik senaryolarda kullanılabilirliği sağlanabilir.