COMPARATIVE ANALYSIS OF DEEP LEARNING METHODS FOR RENAL TUMOR DETECTION

BÖBREK TÜMÖRÜ TESPİTİ İÇİN DERİN ÖĞRENME YÖNTEMLERİNİN KARŞILAŞTIRMALI ANALİZİ

Abstract

Kidney tumors are very common nowadays. Tumor in the patient's kidney; may vary in size and region. If the tumor cannot be detected correctly by a specialist, late diagnosis and early treatment are not applied, patients are at risk of death. In such cases, the importance of technology becomes clear. With the rapid development of technology, the concept of artificial intelligence has become the center of our lives in recent years. Medicine is also one of the areas where this concept is used the most. Computed tomography medical imaging devices are widely used in the detection of kidney tumors. Within the scope of this study, images obtained by computerized tomography device were used. Convolutional Neural Network (CNN) was used as the classifier model for kidney tumor detection analysis. Performance comparison analysis between them was made using VGG16, VGG19 and ResNET50 models. Python and Tensorflow, Keras and OpenCV libraries were used as the software language of the application. As a result of the analysis, it was seen that it was successfully performed in the detection of kidney tumors

Özet

Günümüzde böbrek tümörü vakalarına oldukça sık rastlanmaktadır. Hastanın böbreğindeki tümör; büyüklük ve bölgesel olarak farklılık gösterebilir. Tümörün bir uzman tarafından doğru tespit edilememesi, geç teşhis ve erken tedavi uygulanmaması halinde hastalar çok ciddi riskler ile karşı karşıyadır. Doğru ve hızlı teşhis için literatürde yapay zeka teknolojilerine dayalı karar destek sistemlerinin önemli çözüm önerileri sunduğu görülmektedir. Tıp alanı yapay zekanın en çok kullanıldığı alanların başını çekmektedir. Böbrek tümörlerin tespitinde bilgisayarlı tomografi tıbbı görüntüleme cihazları yaygın olarak kullanılmaktadır. Bu çalışma kapsamında, bilgisayarlı tomografi cihazı tarafından üretilen görüntüler kullanılmıştır. Böbrek tümörü tespit analizi için sınıflandırıcı model olarak Convolutional Neural Network (CNN) kullanılmıştır. VGG16, VGG19 ve ResNET50 modelleri kullanarak aralarındaki performans karşılaştırma analizi yapılmıştır. Uygulamanın yazılım dili olarak Python ile Tensorflow, Keras ve OpenCV kütüphaneleri kullanılmıştır. Yapılan analiz tespiti sonucunda böbrek tümörlerinin saptanmasında %85’lere varan oranda tespitin başarılı şekilde gerçekleştirildiği görülmüştür.