Gauss Filtreleme ve ResNET50 Modeli Kullanılarak Beyin Tümörlerinin Sınıflandırılması

Özet

Beyin tümörleri, dünya genelinde önemli bir halk sağlığı sorunu olarak karşımıza çıkmaktadır. Beyin tümörünün erken teşhisi tedavi süreci için kritik bir öneme sahiptir. Son yıllarda, bilgisayar ortamında derin öğrenme modellerinin kullanımı, beyin tümörü teşhisi ve sınıflandırılmasında önemli bir ilerleme sağlamıştır. Bu modeller farklı görüntüleme modellerinden elde edilen verileri birleştirerek yüksek doğruluk oranları ve güvenilir sonuçlar sağlayabilir. Bu çalışmada beyin tümörlerinin sınıflandırılması için MR (manyetik rezonans) görüntüleri kullanılarak Resnet50 derin öğrenme mimarisi üzerinde çalışma gerçekleştirilmiştir. Beyin görüntülerindeki olumsuzlukları azaltmak için Gauss filtreleme işlemi uygulanmıştır. Böylece yüksek oranda doğruluk değerine ulaşarak hastalığın erken teşhisini sağlayıp yorucu ve zaman alıcı teşhis süreçlerini otomatikleştirilmesine katkı sunulmuştur. Bu sayede tümör teşhisleri daha hızlı ve daha tutarlı bir şekilde yapılabilir.

Abstract

Brain tumors are an important public health problem worldwide. Early diagnosis of brain tumor is critical for the treatment process. In recent years, the use of deep learning models in the computer environment has made significant progress in brain tumor diagnosis and classification. These models can combine data from different imaging models, providing high accuracy and reliable results. In this study, a study was carried out on the Resnet50 deep learning architecture using MR (magnetic resonance) images for brain tumor classification. Gaussian filtering is applied to reduce the problems in the brain images. Thus, by achieving a high accuracy value, it provides early diagnosis of the disease and contributes to automating the tedious and time-consuming diagnostic processes.This way, tumor diagnoses can be made faster and more consistently.

Anahtar kelimeler: Beyin tümörü, Derin Öğrenme Modelleri, Sınıflandırma, Resnet50