Histopatolojik Görüntülerde Kanser Tespit ve Lokasyon Yöntemleri

Authors : Zehra BOZDAĞ, Muhammed Fatih TALU

Pages : 608-616

Doi:10.31590/ejosat.888836

View : 30 | Download : 26

Publication Date : 2021-04-30

Article Type : Research Paper

Abstract :Meme lenf düğümlerinin histopatolojik görüntülerinde tümör tespiti meme kanseri teşhisinde en önemli bulgulardan bir tanesidir. Histopatolojik görüntüler, patologlar tarafından dikkatli bir şekilde incelenerek tümör tespiti yapılır. Bu işlem hem iş yükü yoğunluğuna hem de sübjektif bir değerlendirmeye neden olmaktadır. Görüntülerde tümörün otomatik tespiti için International Symposium on Biomedical Image (ISBI) tarafından Camelyon16 veri seti oluşturulmuştur. Bu veri seti, hızlı bölge tabanlı evrişimli sinir ağı (Faster Region-Based Convolutional Neural Network, Faster RCNN) ve mask bölge tabanlı evrişimli sinir ağı (Mask Region-Based Convolutional Neural Network, Mask RCNN) derin öğrenme algoritmaları kullanılarak tümör tespiti ve bölütleme yapılmıştır. Tüm slayt görüntülerin farklı seviye çözünürlüklerinde oluşturulan veri setleri ile Faster RCNN ve görüntülerin 3. çözünürlük seviyeden oluşturulan farklı boyutu veri setleri ile Mask RCNN algoritmaları performansları incelenmiştir. Son olarak ISBI’da dereceye giren HMS&MIT yöntemi kısıtlı bir veri seti üzerinde uygulanarak Faster RCNN ve Mask RCNN algoritmaları ile tüm slayt görüntüsü üzerindeki başarımları kıyaslanmıştır. Tüm slayt görüntülerinin analizinde Mask RCNN (%57) görüntülerin düşük çözünürlük seviyesinde (3. seviye) çalışmış olmasına rağmen yüksek çözünürlük seviyesinde (0. seviye) çalışan HMS&MIT (%58) yöntemine yakın bir doğruluk (AUC) değeri almaktadır.
Keywords : Görüntü Bölütleme, Derin Ögrenme, Faster RCNN, Mask RCNN, Medikal Görüntü Bölütleme, Nesne Tespiti, Tümör Tespiti