Yapay zekadan makale özeti
- Kısa
- Ayrıntılı
- Bu video, Gebe Üniversitesi Bilgisayar Mühendisliği öğrencisi Muzaffer Metehan Nalan'ın 2019 bitirme projesi kapsamında hazırladığı bir sunumdur.
- Video, meme kanserinde mitoz sayımının otomatikleştirilmesi için geliştirilen bir sinir ağı sisteminin tanıtımını içermektedir. Proje, ICPR 2012 veri setinden alınan histopatolojik görüntüleri kullanarak, bölükleme, veri artırımı ve AlexNet, VGG16 gibi modellerle eğitim aşamalarını kapsamaktadır. Sunumda sistemin çalışma prensibi, eğitim süreci ve test sonuçları gösterilmekte, ayrıca programın gerçek bir test görüntüsünde nasıl çalıştığı ve sonuçları gösterilmektedir.
- Meme Kanserinde Mitoz Sayımı Projesi
- Meme kanserinde mitoz sayımı, tümörün agini belirleyen kritik unsurlardan biridir ve günümüzde patologlar tarafından manuel olarak yapılmakta olup zorlu ve zaman alıcıdır.
- Projenin amacı, bir sinir ağı oluşturarak histopatolojik görüntüleri verisi olarak kullanılıp eğitildikten sonra verilen histolojik test görüntüsünden otomatik olarak mitoz testi yapılmasıdır.
- Proje tasarım planında, ICPR 2012 veri setinden alınan görüntülere bölükleme uygulanmış, hücrenin test edilmesiyle bir veri seti oluşturulmuş ve bu veri seti AlexNet VG16 gibi modellerle eğitilmiştir.
- 00:50Veri Seti Hazırlama ve Bölükleme
- ICPR 2012 veri sitesinde yer alan 50 adet biyopsi görüntüsü 28 tanesi eğitim, 15 tanesi validation, 15 tanesi test olmak üzere bölünmüştür.
- Biyopsi görüntülerinde yüzlerce hatta binlerce hücre bulunmasının yanı sıra arka planda birçok istenmeyen olgu bulundurduğu için görüntüler üzerinde bölükleme (segmentation) uygulanmıştır.
- Bölükleme işlemi için görüntü işleme yöntemleri ile denk renk dekomolisyonu, morfolojik açılım, kapanım ve eşikleme yapılmıştır.
- 01:26Hücre Tespiti ve Veri Artırımı
- Hücrelerin bölüklenmiş görüntülerinde test edip kesilmesi için özyinelemeli bir yöntem uygulanmıştır.
- Hücrelerin teker teker test edilmeleri sırasında aynı zamanda ana görüntülen kesilebilmeleri için convex-A problemi yaklaşımıyla dışbükey çokgen oluşturulmuştur.
- Eğitim görüntüleri büyütme ve kesilme işlemleri sonucunda 28 adet görüntüden 170 tane mitozlu, 10.000 mitoz olmayan hücre oluşmuştur.
- 01:54Veri Artırımı ve Model Eğitimi
- Mitoz hücre sayısı mitoz olmayan hücre sayısına göre fazla olması eğitimi zorlaştıracağı için veri artırımına gidilmiştir.
- Veri artırımı için öncelikle hücrelere aynalama işlemi uygulanmış, daha sonra döndürme işlemi uygulanmıştır ve sonuç olarak her görüntü 20 katına çıkartılmıştır.
- Veri tamamen oluşturduktan sonra Google Cap üzerinde Keras ön yüz, TensorFlow arka yüz olmak üzere AlexNet ve VG16 modelleri ile eğitim yapılmış, ancak Alex eğitimi başarısız olmuştur.
- 02:31Eğitim Sonuçları ve Test
- Veri artırımı yapılmış haliyle yapılan eğitim için 0,95 bölü değişim kürsi elde edilmiştir.
- Eğitim tamamlandıktan sonra oluşan model ile 15 adet test görüntüde yapılan tahminler sonucunda 0,48 F skoru elde edilmiştir.
- Programın çalışması sonrasında toplam 4 tane mitoz tespiti yapılmış olup, orijinal görüntüde sarı olanlar doğru mitoz hücrelerin konumlarını göstermektedir.