Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightDeneysel sonuçlar önerilen çalışmanın uzmanlarla karşılaştırılabilir bir performans elde ederek sitopatologlara ikinci bir görüş sağlayabildiğini ve iş yükünü azalttığını göstermektedir.
📌 3 Maddede Bu Makale
Özet
Geçmişten günümüze yapay zekanın kullanım alanları giderek artmaktadır ve en çok kullanılan alanlardan biri de sağlık sektörüdür. Özellikle tıbbi görüntülerin işlenmesinde oldukça başarılı sonuçlar vermesi ile bir yapay zekâ algoritması olan derin öğrenme, bu görüntülerin işlenmesi ve yorumlanması konusunda sıkça tercih edilmektedir. Son yıllarda dünya çapında artan kanser oranlarıyla birlikte gelişen görüntüleme teknikleri bu hastalıkların teşhisi ve tanısı konusunda uzmanlara oldukça faydalı hale gelmiştir. Bu çalışmanın temel amacı sitopatologlar tarafından manuel olarak yapılan teşhis etme biçiminden esinlenerek derin öğrenmeye dayalı bir çalışma gerçekleştirilmiştir. Bu algoritma bir derin öğrenme mimarisi olan evrişimsel sinir ağı kullanılmıştır Evrişimsel sinir ağı, tanısal olarak ilgili görüntü bölgelerini tanımlayarak önceden belirlenen malignite skolarlarını atar ve bu sayede malignite tahmini yapılır. Deneysel sonuçlar önerilen çalışmanın uzmanlarla karşılaştırılabilir bir performans elde ederek sitopatologlara ikinci bir görüş sağlayabildiğini ve iş yükünü azalttığını göstermektedir.
Abstract
From past to present, the usage areas of artificial intelligence are increasing and one of the most used areas is the health sector. Deep learning, which is an artificial intelligence algorithm with its very successful results in the processing of medical images, is frequently preferred for the processing and interpretation of these images. Imaging techniques, which have developed with the increasing cancer rates worldwide in recent years, have become very useful to experts in the diagnosis and diagnosis of these diseases. The main purpose of this study is to carry out a deep learning-based study inspired by the manual diagnosis method by cytopathologists. This algorithm is used in convolutional neural network, which is a deep learning architecture. Convolutional neural network defines diagnostically relevant image regions and assigns predetermined malignancy scolars, and thus malignancy prediction is made. Experimental results show that the proposed study can achieve a performance comparable to that of experts, providing cytopathologists with a second opinion and reducing their workload.