Derin öğrenme modellerinin gürültüye karşı bağışıklığı ve histopatolojide uygulanması
Tez Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Dicle Üniversitesi, Mühendislik Fakültesi, Elektrik-Elektronik Mühendisliği Bölümü, Türkiye
Tez Danışmanı: Cafer Budak
Tezin Onay Tarihi: 2022
Tezin Dili: Türkçe
Özet:
Görüntü elde edilirken oluşan dalgalanmalar sonucunda görüntü piksel değerleri değişmekte ve görüntü gürültülü bir forma dönüşmektedir. Gürültü, eğitim sırasında öğrenilen özelliklerin birbirinden ayrıştırılmasını zorlaştırmakta ve model performansını olumsuz yönde etkilemektedir. Bu tez çalışmasında ilk olarak derin öğrenme mimarilerinin etiket, özellik ve hem etiket hem de özellik gürültülerine karşı bağışıklığı ölçülmüştür. Bu bağlamda: belirlenen altı popüler derin öğrenme mimarisinin doğruluk performansı göz önüne alınarak çeşitli gürültü seviyelerinde daha iyi bağışıklığa sahip model belirlenmiştir. Deneysel çalışmalar için MNIST el yazması rakamlar ve MNIST moda veri setleri kullanılmıştır. Etiket gürültüsü için sırasıyla %5, %10, %20, %30, %40 ve %50 olacak şekilde görüntü etiketleri rastgele değiştirilmiştir. Özellik gürültüsü için ise sırasıyla %5,%10, %20, %30, %40 ve %50 olacak şekilde özelliklere rastgele gürültü eklenmiştir. Gürültü eklenmiş görüntüler DenseNet-201, InceptionV3, Mobilnet-V2, Resnet50, VGG16 ve VGG19 gibi popüler derin öğrenme mimarileri ile eğitilerek gürültüye karşı bağışıklığı ölçülmüştür. Performans ölçüm metriği olarak doğruluk kullanılmıştır. Yapılan deneyler sonucunda derin öğrenme mimarilerinin bağışıklığının model mimarisi ve katman sayısına bağlı olarak değiştiği görülmektedir. Elde edilen sonuçlara göre orta büyüklükteki katman sayısına sahip VGG16 modeli ile çeşitli gürültü türleri ve seviyelerinde daha iyi bağışıklık elde edilmiştir. İkinci olarak histopatolojik mide görüntülerinde, popüler derin öğrenme mimarileri ile taşlı yüzük hücre tespiti yapılmıştır. Hastalığın evresi kanserin ciddiyetini, tedavisini ve hayatta kalma oranını belirlediğinden, erken evrede teşhis oldukça önemlidir. Hastalık geç bir aşamada keşfedildiği için hastanın iyileşme şansı ve hastalığın seyri hakkındaki tahminler genellikle zayıftır. Taşlı yüzük hücreli mide kanserinin erken aşamada teşhis edilmesi hastaların uygun tedaviye sahip olma şansını arttıracaktır. lgi bölgesi(RoI) belirlenmiş histopatolojik mide görüntülerinde kanserli hücre tespiti için VGG16, VGG19 ve InceptionV3 derin öğrenme mimarileri kullanılmıştır. Derin ağ mimarilerinin son beşkatmanı hedef verilerine göre özel hale getirilerek ince ayar stratejisi uygulanmıştır. Model performansını değerlendirmek için doğruluk, kesinlik, geri çağırma ve F1-puan parametreleri kullanılmıştır. Deneysel çalışmalar için "Digestive-System Pathological Detection and Segmentation Grand Challenge 2019" yarışmasından alınan taşlı yüzük hücre veri seti kullanılmıştır. Histopatolojik görüntülerde kanserli hücre tespiti için ise, doğru ilgi bölgesi belirlenmiş derin öğrenme modelleri ile yarışma sonuçlarına göre daha yüksek doğruluk oranı elde edilmiştir. Kullanılan modeller içinde %95 doğruluk ve %95 F1-puan değerleri ile VGG16 modeli daha iyi performans göstermiştir.