IAD Index of Academic Documents
  • Home Page
  • About
    • About Izmir Academy Association
    • About IAD Index
    • IAD Team
    • IAD Logos and Links
    • Policies
    • Contact
  • Submit A Journal
  • Submit A Conference
  • Submit Paper/Book
    • Submit a Preprint
    • Submit a Book
  • Contact
  • El-Cezeri
  • Volume:8 Issue:3
  • Açıklanabilir Evrişimsel Sinir Ağları ile Beyin Tümörü Tespiti

Açıklanabilir Evrişimsel Sinir Ağları ile Beyin Tümörü Tespiti

Authors : Abdullah ORMAN, Utku KÖSE, Tuncay YİĞİT
Pages : 1323-1337
Doi:10.31202/ecjse.924446
View : 22 | Download : 4
Publication Date : 2021-09-30
Article Type : Research Paper
Abstract :Derin öğrenme teknikleri özellikle 2000’li yılların başından bu yana yapay zeka alanının en önemli temsilcileri olarak bilinmektedir. Bu teknikler birçok farklı alanda yaygın bir biçimde kullanılıyor olsa da özellikle sağlık alanındaki başarılı performansları dikkatleri daha çok çekmektedir. Ancak bu tekniklerin geleneksel makine öğrenmesi tekniklerine göre çok daha fazla sayıda parametrelerle optimize ediliyor olması, çözüm süreçlerinin karmaşık olmasına ve insan taraflı algı düzeyine kapalı olmalarına sebep olmaktadır. Bu sebeple kara-kutu olarak da adlandırılan derin öğrenme tekniklerden oluşan zeki sistemleri insan gözünde güvenilir yapmak ve söz konusu sistemlerin sınırlılıklarını ya da hata yapma eğilimlerini anlayabilmek adına alternatif çalışmalar gerçekleştirilmeye başlanmıştır. Gelişmeler neticesinde açıklanabilir yapay zeka olarak adlandırılan bir alt-alanın doğmasına yol açan çözümler, derin öğrenme tekniklerinin sunduğu çözümlerin güvenli olup olmadığının anlaşılmasına olanak sağlamaktadır. Bu çalışmada, beyin tümörü tespiti için bir Evrişimsel Sinir Ağları insert ignore into journalissuearticles values(ESA); modeli kullanılmış ve modelin güvenlik düzeyi, Sınıf Aktivasyon Haritalama insert ignore into journalissuearticles values(SAH / CAM: Class Activation Mapping); destekli açıklanabilir bir modül üzerinden anlaşılabilmiştir. Geliştirilen ESA-SAH sistemi, hedef veri seti üzerindeki uygulama sürecinde ortalama %96,53 doğruluk, %96,10 duyarlılık ve %95,72 özgüllük sağlamıştır. Yine doktorların sistemdeki SAH görsellerine ve genel sistem performansına yönelik sundukları dönütler de ESA-SAH tabanlı çözümün pozitif yönde kabul edildiğini göstermiştir. Bu bulgular, ESA-SAH sisteminin tümör tespitinde güvenilir ve anlaşılır olduğunu ortaya koymaktadır.
Keywords : Evrişimsel sinir ağları, açıklanabilir yapay zeka, beyin tümörü, derin öğrenme

ORIGINAL ARTICLE URL
VIEW PAPER (PDF)

* There may have been changes in the journal, article,conference, book, preprint etc. informations. Therefore, it would be appropriate to follow the information on the official page of the source. The information here is shared for informational purposes. IAD is not responsible for incorrect or missing information.


Index of Academic Documents
İzmir Academy Association
CopyRight © 2023-2025