Derin Öğrenme Yaklaşımı ile Histolojik Kan Doku Görüntülerinde Lökosit Türlerinin Tespiti ve Sınıflandırılması

Histolojik kan dokusu goruntulerinde beyaz kan hucreleri olarak da bilinen lokosit turlerinin belirlenmesi, cesitli hematolojik hastaliklarin teshisine olanak saglamasi acisindan onemlidir. Bu calismada, hematolojik bir bozukluk olan lenfoma kanserinin teshisi icin derin ogrenme yaklasimi kullanarak otomatik tespit ve siniflandirma modeli sunulmustur. Bir tur bolge tabanli Konvolusyonel Sinir Agi (KSA) modeli olan Faster R-CNN nesne tespiti ve siniflandirma problemlerinde tatmin edici performans elde etmektedir. Goruntu tabanli uygulamalarda ozellik cikarma surecini ortadan kaldirmak icin, lenfosit, monosit, bazofil, eozinofil ve notrofil olan lokosit turlerinin tespiti ve siniflandirilmasi icin ResNet50 ile modifiye edilmis Faster R-CNN modeli onerilmistir. Bu amacla, ResNet50 modeli modifiye edilerek yeni bir Faster R-CNN nesne tespit modeli tasarlanmis ve goruntudeki lokositlerin yerleri belirlenerek siniflandirilmistir. Onerilen modelin etkinligi, kan dokusu goruntulerini iceren yeni bir histolojik veri seti uzerinde test edilmistir. Kan dokusundaki lenfosit sayisi, lenfoma kanseri tanisinda degerlendirme kriteri olarak kullanilmaktadir. Bu nedenle bu calisma klinik calismalara ornek teskil etmektedir. Onerilen modele gore, oncelikle kan dokusu goruntuleri normalize edilir ve egitilebilir konvolusyon cekirdegi kullanilarak ortuk ozellikler cikarilir. Ardindan, ortuk unsurlarin boyutlarinin azaltilmasi icin maksimum havuzlama uygulanir. Bundan sonra, Bolge Teklif Aglari (BTA'ler), tespit icin Faster R-CNN tarafindan kullanilan, yuksek kaliteli bolge onerileri olusturmak icin kullanilir. Son olarak, softmax siniflandirici ve regresyon katmani, sirasiyla lokosit turlerini kategorize etmek ve test orneklerinin sinir kutularini tahmin etmek icin kullanilir. Deneysel sonuclar lokosit turlerinin tespiti ve siniflandirilmasi icin yeni Faster R-CNN'nin basarili performansini ve genellestirme yetenegini gostermektedir. Bu model klinik calismalar icin bir teshis araci olarak kullanilma potansiyelini gostermektedir cunku yontem gercek dunya histolojik veri setinde test edilmistir.