DEEP LEARNING BASED HYBRID MODELS FOR TUMOR DETECTION FROM BRAIN MR IMAGES

Abstract

İnsan hücrelerinin aşırı bölünmeye bağlı anormal bir şekilde çoğalmasına tümör denmektedir. Vücudun birçok noktasında oluşabilen tümörler, oluştuğu yere göre tehlikelilik derecesine sahiptir. Beyin, tümör oluşumunda en tehlikeli bölgelerden birisidir. Beyin bölgesindeki tümörlerin tespiti için son yıllarda yoğun çalışmalar gerçekleştirilmiştir. Yapay zeka temelli yöntemler bu çalışmaların başında gelmektedir. Bir derin öğrenme yöntemi olan evrişimli sinir ağları (CNN) sınıflandırma, özellik çıkarma ve transfer öğrenme amaçlarıyla kullanılmaktadır. Bu çalışmada CNN yöntemi beyin MR görüntülerinden özellik çıkarma amacıyla kullanılmıştır. Bu kapsamda ön eğitimli CNN modellerinden DarkNet53 modeli özellik çıkarımı için seçilmiştir. DarkNet53 modelinin özellik çıkarıcı katmanları sırasıyla conv52, res23, avg1 ve conv53 katmanlarıdır. Özellik çıkarımından sonra özellik seçimi işlemi uygulanmıştır. Relief ve Ki-Kare Test yöntemleri özellik seçici yöntemler olarak seçilmiştir. Özellik çıkarımından sonra klasik makine öğrenme yöntemlerinden birisi olan destek vektör makineleri algoritması sınıflandırıcı yöntem olarak belirlenmiştir. Önerilen yöntem, “Brain MRI Images for Brain Tumor Detection” veri seti üzerinde denenmiştir. Deneysel sonuçlara göre: res23 katmanının özellik çıkarıcı, Ki-Kare Test yönteminin özellik seçici olarak belirlendiği önerilen yöntemle en iyi sonuç elde edilmiştir.