Grading Brain Histopathological Images Using Deep Residual Networks and Support Vector Machine

Beyin kanseri, beyinde tumor olusumuna bagli olarak ortaya cikan olumcul bir hastaliktir. Kol ve bacaklarda gucsuzluk, konusma ve gorme bozukluklari, asiri siddetli bas agrilari ve kusma gibi semptomlara neden olabilir. Genelde dort sinifa ayrilir. Birinci ve ikinci siniflar "dusuk dereceli", yani "iyi huylu", ucuncu ve dorduncu siniflar "yuksek dereceli", yani "kotu huylu" olarak degerlendirilir. Tedavi prosedurleri icin tumorun erken evrelenmesi onemlidir. Beyin tumorlerinin histopatolojik goruntulere gore derecelendirilmesi, uzmanlik gerektiren yorucu bir surectir. Ote yandan, derin ogrenme algoritmalari bilgisayar destekli teshis sistemlerinde siklikla kullanilmaktadir. Bu calismada, dort faza ait 1133x40 beyin histopatolojik goruntulerinin otomatik derecelendirilmesi yapilmistir. Oncelikle, ResNet50 ve ResNet101 modelleri ile en son teknoloji onceden egitilmis Artik aglardan ozellikler cikarilmistir. Ardindan, hiper parametreler Bayesian Optimizasyonu ile optimize edilerek, Destek Vektor Makinesi (SVM) algoritmasi ile siniflandirilmistir. Veri setinin %80'i egitim ve %20'si test icin ayrilmistir. Coklu siniflandirma problemleri acisindan degerlendirildiginde Resnet50'de %80.09 gibi yuksek bir dogruluk oranina ulasilirken, Resnet101'de Grade I tespitinde %100 yuksek duyarlilik degerine ulasilmaktadir