Derin Öğrenme ile Göğüs Kanseri Tespiti

Bu proje, göğüs ultrason görüntülerini normal, iyi huylu (benign) ve kötü huylu (malignant) olarak sınıflandırmak için derin öğrenme modellerini kullanmayı amaçlamaktadır. Önceden eğitilmiş modeller (GoogleNet, MobileNetV2) ile özel tasarlanmış bir CNN modeli (OurCNN) karşılaştırılmıştır.

Özellikler

• BUSI Veri Kümesi kullanılarak analiz yapılmıştır.
• Veri artırımı (data augmentation) ile veri sınıfları dengelenmiştir.
• Üç modelin performansı karşılaştırılmıştır:
  • GoogleNet
  • MobileNetV2
  • Özel CNN (OurCNN)
• GoogleNet ile artırılmış verilerde %96 doğruluk elde edilmiştir.

Modeller ve Yöntemler

• GoogleNet: Görüntü sınıflandırmada kullanılan önceden eğitilmiş bir CNN.
• MobileNetV2: Hafif ve verimli bir CNN modeli.
• OurCNN: 38 katmanlı özel bir ağ mimarisi.
• Performans metrikleri: Doğruluk, Kesinlik, Duyarlılık, F1-Skoru.

Eğitim Tipine Göre Eğitim Validasyon Sonuçları

Ağlar	Augmentsiz Verilerle Eğitilmiş Ağ	Augmentli Verilerle Eğitilmiş Ağ
MobileNetV2	%81.20	%93.14
GoogleNet	%85.47	%96.08
OurCNN	%81.20	%89.36

Model Performans Karşılaştırması

Model	Veri Serisi	Accuracy	Precision	Sensitivity	F1-Score
MobileNetV2	Augmentsiz	0.81	0.81	0.74	0.76
MobileNetV2	Augmentli	0.94	0.94	0.95	0.94
GoogleNet	Augmentsiz	0.85	0.83	0.81	0.81
GoogleNet	Augmentli	0.96	0.96	0.96	0.96
OurCNN	Augmentsiz	0.85	0.86	0.79	0.82
OurCNN	Augmentli	0.90	0.90	0.91	0.90

Emeği Geçenler

• Semih Güner
• Caner Ekinci
• Samet Özer
• Merve Ünal
• Muhammet Recep Özer

Uygulama Arayüzü