Öğretim Üyelerimiz, Sağlıkta Yapay Zeka 2020 Kongresine Katılım Gösterdi
Fakültemiz öğretim üyelerinden Elektrik-Elektronik Mühendisliği Bölümü'nden Dr. Öğr. Üyesi Mustafa Berkan BİÇER, Endüstri Mühendisliği Bölümü'nden Prof. Dr. Deniz TÜRSEL ELİİYİ ve Dr. Öğr. Üyesi Sel ÖZCAN TATARİ ve İktisadi ve İdari Bİlimler Fakültesi öğretim üyelerinden İşletme Bölümü'nden Dr. Öğr. Üyesi Uğur ELİİYİ, "Meme Kanserinin Mikrodalga Görüntülerinde Derin Öğrenme ile Anomali Tespiti" başlıklı çalışmalarını Sağlıkta Yapay Zeka 2020 Kongresinde sunarak kongreye katılım göstermişlerdir. Çalışmaya ait özete aşağıdan ulaşabilirsiniz.
Meme Kanserinin Mikrodalga Görüntülerinde Derin Öğrenme ile Anomali Tespiti
"Meme kanseri, kadınlar arasında kanser kaynaklı ölümlerde ilk sıralarda gelmektedir. Meme kanserinin görüntülenmesinde x-ray mamografi, manyetik rezonans görüntüleme ve ultrason gibi yöntemler yaygın bir şekilde kullanılmaktadır. Bu yöntemlerin avantajları bulunmakla beraber, düşük enerjili olsa da iyonize edici x-ışınlarının kullanılması, kanserli dokular için düşük belirginlik ve pahalılık gibi dezavantajlar, araştırmacıları yeni görüntüleme ve tespit yöntemleri üzerinde çalışmaya yöneltmiştir. Düşük maliyetli yapısı ve iyonize edici olmayan düşük frekanslarda elektromanyetik dalgalarla ölçümleri gerçekleştirebilmesi avantajlarına sahip olan mikrodalga görüntüleme, son zamanlarda üzerinde yoğun şekilde çalışılan yöntemlerdendir. Bu çalışmada benzetimle elde edilen verilerdeki tümör varlığının elektromanyetik dalga ve sınıflandırma yöntemleriyle tespit edilmesi amaçlanmaktadır.
Sınıflandırma için sayısal bir meme modeli oluşturulmuş ve tümörlere ilişkin konum, boyut ve genlik parametreleri rastgele seçilmiştir. Sonrasında ters yapay açıklıklı radar prensibi kullanılarak bir benzetim çalışması yapılmış ve tümörlerin genlikleri, konumları ve adetleri bazında 10000 farklı senaryoda bir ila beş arasında tümör içeren benzer sayıda örneklem oluşturulmuştur. Elde edilen örneklem, tümör sayılarını tahminlemek üzere Evrişimli Sinir Ağı (Convolutional Neural Network, CNN) modeli ile sınıflandırılmıştır. Geliştirilen CNN modeli rastgele seçilen 5500 veriyle eğitilmiş, 4500 veriyle test edilmiştir.
Oluşturulan modelin eğitimi sonucunda elde edilen sinir ağı, eğitim verilerini %99.58 ve test verilerini %94.69 oranında doğru sınıflandırabilmiştir. Dolayısıyla bu çalışmada, sağlıklı dokulara minimum zarar vererek, meme kanseri başta olmak üzere tümör oluşumlarının tespitinde mikrodalga görüntüleme yönteminin kullanımı ve tümör varlığının elektromanyetik dalga ve yapay zekâ yöntemleri ile tespiti üzerine çok katmanlı bir CNN modeli geliştirilmiştir. Sonraki çalışmalarda mevcut sınıflandırmanın ilgili diğer boyutları tanımlayan ek parametrelerle derinleştirilmesiyle, tümör evrelerinin de tespiti üzerine çalışmalar yapılması hedeflenmektedir."
