Abstract

Tibbi goruntulerin yorumlanarak hasta ve hastalik hakkinda onemli veriler elde edilmesi zaman ve emek acisindan oldukca maliyetlidir. Tibbi goruntulerin yapay zekâ yontemleri ile analiz edilmesi sayesinde hastalik tespitinin yapilmasi, siniflandirilmasi ve bunlarin otomatiklestirilmesi uzmanlarin is yukunu azaltmaktadir. Bu calismada, Data Science Bowl 2018 veri setinden elde edilen tibbi goruntulerdeki cekirdeklerin tespitinin otomatiklestirilmesi yapilmaktadir. Data Science Bowl 2018, cekirdek tespitinin otomatiklestirilmesi amaciyla bir yarisma icin bir araya getirilmis tibbi goruntulerden olusmaktadir. Bu veri seti icerisinde 670 adet egitim goruntusu ve bunlara ait maske goruntuleri ile 65 adet test goruntusu yer almaktadir. Test goruntulerine ait maske goruntuleri olmadigi icin calisma, egitim goruntulerinin %10’unun dogrulama verisi olarak ayrilarak bu veriler uzerinden yapilmaktadir. Calismada, cekirdek tespitinin otomatiklestirilmesinde U-Net Evrisimli Sinir Agi kullanilip en yuksek dogruluk ve en dusuk hata oraninin elde edilmesi amaclanmistir. Cekirdek tespitindeki dogruluk oraninin arttirilmasi ve hata oraninin minimize edilmesi amaclandigi icin, yapilan deneysel calismalar iki bolume ayrilmaktadir. Ilk olarak Adam optimizasyonu ve belirli hiper parametreler kullanilmakta, ikinci bolumde ise sonuclarin en iyilenmesi icin hiper parametre optimizasyonu yapilmaktadir. Hiper parametre optimizasyonu icin Izgara Arama yontemi tercih edilmistir. Deneysel calismalarin ilk asamasinda dogrulama verileri icin elde edilen dogruluk orani 0.9675 olarak bulunmustur. Hiper parametre optimizasyonu yapildiktan sonra ise dogrulama verileri icin en iyi iki sonuc sirasi ile 0.9698 ve 0.9739 olarak bulunmustur. Son olarak, en iyi sonucu veren 0.9739 orani icin belirlenen hiper parametreler Stokastik Gradyan Inis, RMSProp ve AdaDelta optimizasyon yontemleri icin de denenmistir. Bu sayede optimizasyon yontemlerin kiyaslamasi da yapilmis ve en iyi sonucu veren optimizasyon yonteminin Adam optimizasyonu oldugu belirlenmistir.

Full Text
Published version (Free)

Talk to us

Join us for a 30 min session where you can share your feedback and ask us any queries you have

Schedule a call