Akademik Veri Yönetim Sistemi
Tezin Türü: Tıpta Uzmanlık
Tezin Yürütüldüğü Kurum: Van Yüzüncü Yıl Üniversitesi, Tıp Fakültesi, Dahili Tıp Bilimleri Bölümü, Türkiye
Tezin Onay Tarihi: 2021
Tezin Dili: Türkçe
Öğrenci: Muhammed Bilal Akıncı
Danışman: Muhammed Bilal Akıncı, Mesut Özgökçe
Özet:
Amaç: Akciğer tomografilerinde saptanan nodüllerin derin öğrenme yöntemleri kullanılarak
malign-benign olarak ayrımını yapmayı amaçlıyoruz.
Materyal ve metod: Van yüzüncüyıl üniversitesi radyoloji anabilim dalı arşivinde kayıtlı olan ,
2015-2020 yılları arasında bilgisayarlı tomografi çekilmiş ve akciğer nodülü saptanmış hastaları
retrospektif olarak taradık. Taradığımız hastalar içerisinden histopatolojik olarak benign tanısı almış
yahut en az iki yıllık takiplerinde boyut artışı izlenmeyen 68 hastayı benign grubuna, histopatolojik
olarak malign tanısı almış yahut takiplerinde boyut artışı gösteren 29 hastayı malign grubuna dahil
ettik . Ayrıca normal hastalardan oluşan 67 kişilik üçüncü bir grup oluşturduk. Bu gruplardaki
hastaların tomografi kesitlerinden normal grubunda 343, benign grubunda 202 ve malign grubunda
199 görüntü içeren veri setlerimizi hazırladık. Oluşturduğumuz üç sınıflı veri setinin %80’lik kısmı
ile derin sinir ağlarını eğittik ve %20’lik kısmı ile test ettik. Ardından özellik çıkarımı yapıp makine
öğrenmesi algoritmalarından olan sınıflandırıcılar ile tekrardan sonuçları değerlendirip konfüzyon
matriks analizlerini ve doğruluk oranlarını karşılaştırdık.
Bulgular: Derin sinir ağlarının eğitiminden sonra denediğimiz modeller içerisinde en yüksek
doğruluk oranına %80 ile AlexNET modelinde ulaştık. Özellik çıkarımı ve sınıflandırıcılar ile
yaptığımız ikinci aşama sonuçlarımızda en yüksek doğruluk oranına VGG19 modelinde SVM
sınıflandırıcısı ile %93.5 olarak ulaştık ve bu kombinasyonda sensitivite ve spesifite değerlerimizi
sırasıyla 0.90099, 0.964945 olarak hesapladık. Ayrıca tüm modeller içerisinde SVM
sınıflandırıcısını kullanılmasıyla doğruluk oranlarında, sensitivite ve spesifite değerlerinde kayda
değer bir şekilde artışlar dikkati çekmiştir.
Sonuç: Akciğer nodüllerinde benign-malign ayrımının derin öğrenme kullanılarak yapılması
radyoloji pratiğinde bize erken teşhis noktasında önemli avantajlar sağlayabilir. Çalışmamızda elde
ettiğimiz veriler bunu destekler nitelikte olup umut vericidir.
Anahtar Kelimeler: Soliter pulmoner nodül, Akciğer kanseri, Yapay zeka, Derin öğrenme