Histopatolojik Pap-Smear görsellerinin bilgisayarlı tanı/tespit yazılımlarıyla değerlendirilerek rahim ağzı kanser varlığının otomatik tespit edilmesi konusu aktif bir çalışma alanıdır. Bunun nedeni görsellerde bulunan nesnelerin (hücre çekirdeği, sitoplazma, beyaz kan hücresi, bacil ve benek) üstüste gelerek birbirinin geometrik yapısını ve desenini değiştirmesi, farklı yoğunlukta görüntüye dağılmaları, ve gürültü modellerinin farklı olmalarıdır. Ayrıca etiketlenmiş büyük veri kümesi oluşturmadaki zorluk ve maliyetler bu alanda ortak bir veri kümesinin ortaya çıkmasını engellemiştir. Bahsedilen zorluklar mevcut sınıflandırma çalışmalarındaki başarımları olumsuz etkilemekte ve yeni yaklaşımlara olan ihtiyacı tetiklemektedir. Bu çalışmada, Çekişmeli Üretken Ağlar (ÇÜA) kullanılarak büyük Pap-Smear veri kümeleri inşa etmeye dayalı üç aşamalı bir yaklaşım önerilmektedir. Buna göre ilk aşamada, Pap-Smear görsellerindeki her bir nesne yapısının geometrik şekil ve desen modelleri oluşturulmaktadır. İkinci aşamada, üretilen parametrik modeller kullanılarak istenilen sayıda ve dağılımda nesneye sahip sentetik Pap-Smear görselleri (Ground True) üretilmektedir. Üçüncü aşamada, mevcut ÇÜA’ların (Pix2Pix, CycleGAN, DiscoGAN ve AttentionGAN) GT’yi üretme performansları değerlendirilmekte ve çözüm odaklı yeni bir güncel ÇÜA mimarisi (Pix2PixSSIM) önerilmektedir. Yapılan deneysel çalışmalar, önerilen ÇÜA mimarisiyle oldukça kısa bir sürede büyük Pap-Smear veri kümesinin üretilebildiğini ortaya koymaktadır. Bu sayede yüksek sınıflandırma başarısına sahip derin ağların eğitilebileceği görülmektedir.
Discussion(0)
No comments yet. Be the first to comment.