Görüntüleme
19
İndirme
6
Serviks (rahim ağzı) kanseri, dünyada her iki dakikada bir kadının ölümüne neden olan ve kadınlarda meme kanserinden sonra en sık görülen ikinci kanserdir. Rahim ağzından kaynaklanan en önemli risk faktörü papilloma virüsü (HPV) ile oluşan enfeksiyondur. Servikal kanser tarama programları, bu kanserin görülme sıklığını ve ölüm oranlarını azaltmak için son derece önemlidir. Serviks kanseri için yapılan taramaların birincil hedefi, servikal kanseri önleme amacıyla, serviksin intraepitelyal prekürsör lezyonlarının doğru tespit edilmesi ve tedavisinin zamanında yapılmasıdır. PAP smear testi ile kanseröz dönemdeki hücreler endoservikal kanalda saptanmakta ve bu aşamadaki kanser tedavisi ile hücreler kansere dönüşmeden kanser gelişimi önlenebilmektedir. Erken tanıda kullanılan PAP testi kolay uygulanabilen, maliyeti düşük, zarar vermeyen, duyarlılığı yüksek ayrıca tedavi yükünü azaltan bir testtir. Son zamanlarda yapay zekâ alanındaki gelişmeler, serviks kanserinin teşhisinde ciddi başarılar elde edilmektedir. Yapılan bu çalışmada, transfer öğrenme tabanlı serviks kanser tespit yöntemi ve bu işlemlerin kolayca yapılabilmesi amacıyla geliştirilen bir uygulama sunulmaktadır. Kanserli ve kanserli olmayan servikal hücreler, ön-eğitimli ağlar kullanılarak sınıflandırılmıştır. Problem için Xception, VGG-16, DenseNet, İnceptionV3 ve InceptionResNetV2 olmak üzere beş popüler ön eğitilmiş ağ kullanılmış ve elde edilen performans sonuçları karşılaştırılmıştır. Ayrıca bu alanda çalışan uzmanların bu tip sınıflandırmaları kolay yapabilmeleri amacıyla bir uygulama geliştirilmiştir. Bu uygulama ile yeni bir eğitim yapılarak kullanıcılar kendi modellerini oluşturabilir, bu çalışmada oluşturulan modeli kullanabilir ve yeni elde edilen görüntülerin hangi sınıfa ait olduklarını hızlı bir şekilde test edebilmektedirler. Çalışma sonucunda, DenseNet ağı %94,72 doğruluk ile en yüksek doğruluk elde edilmiştir. Deneysel sonuçlar, önerilen yaklaşımın rahim ağzı kanseri tespiti için herkesin uygulayabileceği ucuz ve hızlı bir karar destek sistemi sağlayabileceği gösterilmektedir.
cervical cancer is the second most common cancer in the world that causes a woman's death every two minutes and is the second most common cancer in women after breast cancer. The most important risk factor that is caused by the uterus mouth is the infection formed by the papilloma virus (HPV). cervical cancer screening programs are extremely important to reduce the frequency of this cancer and death rates. The primary objective of scans for cervical cancer is to prevent cervical cancer, to correctly detect and timely treat intraepithelial precurator in the cervical. PAP smar test identifies the cells in the cancer period in the endoservical channel and with cancer treatment in this stage cells can prevent the development of cancer without converting into cancer. The PAP test used in early diagnosis is a test that can be easily applied, cost low, does not damage, sensitivity high and reduces the treatment burden. Recent developments in the field of artificial intelligence have achieved serious successes in the diagnosis of cervical cancer. This study provides a transfer learning-based method of detection of cervical cancer and an application developed in order to facilitate these processes. Cancer and non-cancer cervical cells are classified using pre-trained networks. For the problem, five popular pre-trained networks, including Xception, VGG-16, DenseNet, InceptionV3 and InceptionResNetV2, have been used and achieved performance results compared. Also, an application has been developed in order to allow specialists working in this field to make this type of classifications easy. With this application, a new training allows users to create their own models, use the model created in this study, and quickly test which class of newly obtained images belong. The study found that the DenseNet network had the highest accuracy with 94.72 percent accuracy. Experimental results show that the recommended approach can provide a cheap and fast decision support system that anyone can apply to detect cervical cancer.
Cervical cancer is the second most common cancer in women after breast cancer, causing the death of one woman every two minutes in the world. The most important risk factor originating from the cervix is infection with the papilloma virus (HPV). Cervical cancer screening programs are extremely important to reduce the incidence and death rates of this cancer. The primary goal of screening for cervical cancer is the accurate detection and timely treatment of intraepithelial precursor lesions of the cervix, in order to prevent cervical cancer. With the PAP smear test, cells in the cancerous stage are detected in the endocervical canal, and cancer development can be prevented before the cells turn into cancer with cancer treatment at this stage. The PAP test, which is used in early diagnosis, is an easy-to-apply, low-cost, harmless, high-sensitivity test that also reduces the burden of treatment. Recent developments in the field of artificial intelligence have achieved serious success in the diagnosis of cervical cancer. In this study, a transfer learning-based cervical cancer detection method and an application developed to easily perform these procedures are presented. Cancerous and non-cancerous cervical cells were classified using pre-trained networks. Five popular pre-trained networks, namely Xception, VGG-16, DenseNet, InceptionV3, and InceptionResNetV2, were used for the problem and the obtained performance results were compared. In addition, an application has been developed so that experts working in this field can easily make such classifications. With this application, users can create their own models by conducting a new training, use the model created in this study, and quickly test which class the newly obtained images belong to. As a result of the study, DenseNet network obtained the highest accuracy with 94.72% accuracy. Experimental results show that the proposed approach can provide an inexpensive and rapid decision support system for cervical cancer detection that anyone can apply.
Alan : Fen Bilimleri ve Matematik; Mühendislik
Dergi Türü : Uluslararası
Makale Detay 
Benzer Makaleler
PDF Görüntüle
Dergi Bilgisi
Eseri Dinleyin
Alıntı Yap
Bu Sayfayı Yazdırın
Paylaş
Mendeley
