Derin öğrenme yöntemleri ile göğüs kanseri teşhisi

Abstract

Göğüs kanseri dünyada kadınların arasında en yaygın kanser türü olup, kadınlardaki kanser oranının %23'ünü kapsamaktadır. Normalde memenin hücreleri düzenlenmiş bir şekilde bölünürler. Eğer hücreler, yeni hücrelere ihtiyaç duyulmadığında bölünmeyi sürdürürlerse, bir doku kütlesi oluşur. Bu kütleye bir tümör denir. Bu tümör habis veya iyi huylu olabilir. Teşhisinin amacı habis ve iyi huylu hücreleri birbirinden ayırmaktır. Göğüs kanserinden kurtulmanın tek umudu erken teşhistir. Bu tezde, derin öğrenme tıp alanında kullanılmaktadır, göğüs kanseri teşhis için derin öğrenme tabanlı klinik destek sistemi önermektedir. Derin öğrenme, yapay zekâ problemlerini çözmek için makine öğrenmenin bir alt alanıdır. Bu çalışma, derin öğrenme yaklaşımlarının tıbbi alanda da başarılı sonuçlar üretip üretemeyeceğini araştırmayı amaçlamakta olup, göğüs kanseri türündeki çalışmaları gösterecektir. Göğüs kanserinin teşhisinde daha önce derin öğrenme yöntemleri Tekrarlayan sinir ağları ve Tam bağlantılı sinir ağları kullanılırken yeni sıra ilk defa farklı derin öğrenme tekniklerinden Konvolüsyon sinir ağlarının yeni mimarisi kullanılmıştır. Wisconsin UCI makine öğrenme deposundaki göğüs kanseri veri setleri farklı derin öğrenme yöntemlerinin yeteneğini test etmek için kullanılmaktadır. Sonuçlar, derin öğrenme yaklaşımlarının, tıbbi karar vermeyi destekleme yönünde umut verici bir yön gösterdiğini doğrulamaktadır.

Breast cancer is the most well-known cancer of women over the world, involving 23% of every female cancer around the world. Normally, the cells of the breast divide in a regulated manner. If cells keep on dividing when new cells are not needed, a mass of tissue forms. This mass is called a tumor. This tumor can be malignant or benign. The goal of diagnosis is to distinguish between malignant and benign cells. The only hope of surviving from breast cancer is early detection. In this thesis, deep learning is used in medical filed, to propose deep learning based clinical support system for diagnosis breast cancer. Deep learning is a subfield of machine learning to solve problems of artificial intelligence. This study aims to investigate whether the deep learning approaches are also capable of producing successful results in the medical area. Many of deep learning algorithms have been used in the diagnosis of breast cancer, such as fully connected neural networks and recurrent neural network, the new order is the first time that the new architecture of convolution neural networks is used to diagnosis breast cancer. Wisconsin Breast Cancer datasets from the UCI Machine Learning repository is used to test the ability of deep learning different techniques. The experiments with deep learning approaches show a promising direction towards supporting medical decision making.