Görüntüleme
1
Son yıllarda Dünya’da ve Türkiye’de yapılan araştırmalarda da görüldüğü üzere mide kanseri diğer kanser türlerine oranla ilk sıralarda yer almaktadır. Tespit edilme açısından da oldukça zorluk çekilen bir kanser türü olarak bilinmektedir. Mide displazisi, midenin iç yüzeyini kaplayan hücrelerin normal şekilde büyümesini ve gelişmesini durdurmasıdır. Bu hücreler, kontrolsüz bir şekilde büyümeye ve çoğalmaya başlarlar, sonrasında mide kanserine dönüşmektedirler. Bu hastalığı kansere dönüşmeden en aza indirgeyebilmek temel hedeftir. Mide displazisi düşük dereceli ve yüksek dereceli displazi olmak üzere iki şekilde ayrılır. Yüksek dereceli displazi, kanserin bir öncesidir. Bu yüzden mide displazinin tanı ve tedavisi için erken dönemde teşhis son derece önem taşımaktadır. Bu çalışmada, mide displazinin tespiti için derin öğrenme ve evrişimsel sinir ağları teknikleri kullanılarak displazi durumunun erken evrede tespiti amaçlanmaktadır. Çalışmada histopatolojik görüntüler üzerinde birden fazla Evrişimsel Sinir Ağları (ESA) modeli kullanılarak özellik çıkarma işlemi yapılmıştır. Hasta ve sağlıklı olmak üzere iki etiket sınıfına ayrılan veri derin öğrenme mimarileri ve sınıflandırıcılar yardımıyla karşılaştırılmıştır.
As seen in research conducted in the world and in Turkey in recent years, stomach cancer ranks first compared to other types of cancer. It is known as a type of cancer that is very difficult to detect. Gastric dysplasia is when the cells lining the inner surface of the stomach stop growing and developing normally. These cells begin to grow and multiply uncontrollably, then turn into stomach cancer. The main goal is to minimize this disease before it turns into cancer. Gastric dysplasia is divided into two types: low-grade and high-grade dysplasia. High-grade dysplasia is a precursor to cancer. Therefore, early diagnosis is extremely important for the diagnosis and treatment of gastric dysplasia. This study aims to detect dysplasia at an early stage by using deep learning and convolutional neural networks techniques for the detection of gastric dysplasia. In the study, feature extraction was performed on histopathological images using multiple Convolutional Neural Networks (ESA) models. The data, divided into two label classes: patient and healthy, were compared with the help of deep learning architectures and classifiers.
Dergi Türü : Uluslararası
Makale Detay 
Benzer Makaleler
PDF Görüntüle
Dergi Bilgisi
Eseri Dinleyin
Alıntı Yap
Bu Sayfayı Yazdırın
Paylaş
Mendeley
