Grading Brain Histopathological Images Using Deep Residual Networks and Support Vector Machine

Authors : Ahmet Haşim YURTTAKAL, Hasan ERBAY, Recep ARSLAN

Pages : 77-83

View : 20 | Download : 7

Publication Date : 2020-12-30

Article Type : Research Paper

Abstract :Beyin kanseri, beyinde tümör oluşumuna bağlı olarak ortaya çıkan ölümcül bir hastalıktır. Kol ve bacaklarda güçsüzlük, konuşma ve görme bozuklukları, aşırı şiddetli baş ağrıları ve kusma gibi semptomlara neden olabilir. Genelde dört sınıfa ayrılır. Birinci ve ikinci sınıflar `düşük dereceli`, yani `iyi huylu`, üçüncü ve dördüncü sınıflar `yüksek dereceli`, yani `kötü huylu` olarak değerlendirilir. Tedavi prosedürleri için tümörün erken evrelenmesi önemlidir. Beyin tümörlerinin histopatolojik görüntülere göre derecelendirilmesi, uzmanlık gerektiren yorucu bir süreçtir. Öte yandan, derin öğrenme algoritmaları bilgisayar destekli teşhis sistemlerinde sıklıkla kullanılmaktadır. Bu çalışmada, dört faza ait 1133x40 beyin histopatolojik görüntülerinin otomatik derecelendirilmesi yapılmıştır. Öncelikle, ResNet50 ve ResNet101 modelleri ile en son teknoloji önceden eğitilmiş Artık ağlardan özellikler çıkarılmıştır. Ardından, hiper parametreler Bayesian Optimizasyonu ile optimize edilerek, Destek Vektör Makinesi insert ignore into journalissuearticles values(SVM); algoritması ile sınıflandırılmıştır. Veri setinin %80`i eğitim ve %20`si test için ayrılmıştır. Çoklu sınıflandırma problemleri açısından değerlendirildiğinde Resnet50`de %80.09 gibi yüksek bir doğruluk oranına ulaşılırken, Resnet101`de Grade I tespitinde %100 yüksek duyarlılık değerine ulaşılmaktadır
Keywords : Residual Networks, Support Vector Machine, Histopathology, Grading