Akciğer Kanseri Tespitinde Sınıf Aktivasyon Haritaları Kullanarak Açıklanabilir Derin Öğrenme Modeli ve Radyolog Değerlendirmesi

Authors : Savaş Tunçer, Oğuzhan Katar, Tülin Öztürk, Özal Yıldırım

Pages : 166-175

View : 72 | Download : 125

Publication Date : 2024-12-31

Article Type : Conference Paper

Abstract :Akciğer kanseri dünya genelinde yaygın ve ölümcül olan kanser türlerinden biridir. Akciğer kanserinin erken tanısı, hastalığın tedavi edilebilir aşamada tespit edilmesine olanak tanır ve bu da hastanın yaşam şansını önemli ölçüde artırır. Yapay zekânın bu alanda kullanımı, bir dizi avantaj sağlayarak hastalığın daha etkili bir şekilde tespitine yardımcı olabilir. Son zamanlarda derin öğrenme yaklaşımları görüntü sınıflandırma çalışmalarında baskın bir rol almaktadır. Derin öğrenme yöntemlerinin en önemli dezavantajlarından birisi kapalı-kutu yapısı nedeniyle güvenirlik açısından şeffaflık eksikliğidir. Bu amaçla açıklanabilir modeller önemli bir araştırma haline gelmiştir. Açıklanabilir derin öğrenme modelleri, genellikle sınıf aktivasyon haritaları (Class Activation Maps - CAM) gibi tekniklere dayanmaktadır. Bu çalışmada, akciğer kanseri tespitinde açıklanabilir bir derin öğrenme modeli oluşturulmuştur. Makale kapsamındaki deneysel çalışmalar, akciğer bilgisayarlı tomografi (BT) görüntülerini içeren ve açık erişimli bir veri seti üzerinde yürütülmüştür. Sınıflandırma aşamasında konvolüsyonel sinir ağları (KSA) tabanlı ResNet101V2, VGG16, MobileNetV2, DenseNet201 ve EfficientNetB0 modelleri kullanılmıştır. Deneysel sonuçlara göre EfficientNetB0 modeli %98.63 ile en yüksek sınıflandırma doğruluğuna ulaşmıştır. Sınıflandırıcı modele uygulanan farklı CAM teknikleri ile ısı haritaları elde edilmiştir. Elde edilen ısı haritaları uzman radyolog tarafından değerlendirilerek sonuçlar tartışılmıştır.
Keywords : Derin Öğrenme, Akciğer kanseri, açıklanabilir derin öğrenme, konvolüsyonel sinir ağları

ORIGINAL ARTICLE URL