Sığdırma & Uyarma Ağı ile Farklı CNN Mimarilerinin Beyin Tümörü Sınıflandırması

Abstract

– Beyin tümörleri, tıbbi teşhis ve tedavi süreçlerinde kritik bir rol oynar ve erken tanı, hastaların yaşam kalitesini önemli ölçüde etkileyebilir. Bu nedenle, etkili bir beyin tümörü sınıflandırma yöntemi, hastalığın tanısının konulmasında ve tedavi stratejilerinin belirlenmesinde hayati bir öneme sahiptir. Dikkat mekanizması, bir modelin belirli özelliklere odaklanmasına ve önemli bölgelere daha fazla vurgu yapmasına yardımcı olan özel bir strateji olarak tanımlanabilir. Bu çalışmanın temel hedefi, ImageNet veri seti ile önceden eğitilmiş DenseNet121, EfficientNetB0 ve InceptionV3 Evrişimli Sinir Ağı (ESA) mimarilerini kullanarak dikkat mekanizmasının beyin tümörü sınıflandırma konusundaki etkinliğini incelemektir. Beyin tümör sınıflandırması için Kaggle beyin MR görüntülerinden yararlanılmıştır. Değerlendirme metrikleri olarak kayıp, doğruluk, kesinlik ve geri çağırma ölçütleri referans alınmıştır. Araştırma sonuçları, dikkat mekanizmasını içeren CNN mimarilerinin geleneksel CNN'lerden daha yüksek sınıflandırma doğruluğuna sahip olduğunu göstermektedir. Bu, beyin tümörlerinin daha hassas bir şekilde sınıflandırılmasını ve böylece daha iyi tedavi yöntemlerinin gelişimini sağlayabilir. Ayrıca dikkat mekanizmasının beyin tümörü sınıflandırma alanında nasıl kullanılabileceği konusunda önemli bir yol haritası sunabilir. Dikkat mekanizmaları, gelecekte yapılacak biyomedikal uygulamalı araştırmalarda daha fazla kullanım potansiyeli taşımaktadır. Sonuç olarak yapılacak olan bu çalışmalar, tıbbi teşhis ve tedavi alanındaki önemli bir ilerlemenin kapısını açabilir ve hastaların yaşam kalitesini artırarak sağlık sektöründe önemli bir katkı sağlayabilir.