Özet:
Dünya Sağlık Örgütü (DSÖ) raporlarına göre beyin tümörleri nedeniyle meydana
gelen ölümlerin sayısı her geçen gün artmaktadır. Kötü huylu beyin tümörleri çok hızlı
bir biçimde büyürler ve yayılırlar. Bu nedenle hastalığın erken teşhisi hayati bir önem
taşımaktadır. Beyin tümörlerinin tanı ve teşhisinde Manyetik Rezonans Görüntüleme
(MRG) yöntemi yaygın olarak kullanılmaktadır. Uzmanlar tarafından MRG
görüntüleri incelenerek tümörün türü tespit edilmektedir. Fakat, uzmanlar tarafından
manuel olarak yapılan tümör sınıflandırması çok fazla zaman alabilir hem de yanlış
kararlar verilmesine yol açabilir. Bu nedenle, beyin tümörlerini otomatik olarak
sınıflandırma çalışmaları önemli bir araştırma konusu haline gelmiştir. Bu tez
çalışmasında beyin MRG görüntülerinden tümör türlerini otomatik olarak
sınıflandıran bir yöntem önerilmiştir. Ön işlem aşamasında; öznitelik çıkartmak, boyut
azaltmak ve gürültü gibi istenmeyen verileri ortandan kaldırmak için beyin MRG
görüntülerine Ayrık Dalgacık Dönüşümü (ADD) uygulanmıştır. Elde edilen dalgacık
öznitelikleri önceden eğitilmiş Evrişimli Sinir Ağı (ESA) modellerinden Inception V3
ağının girdisi olarak kullanılmıştır. Deneysel çalışmalar; 1621 gliyom, 1645
menenjiyom, 1757 hipofiz bezi ve 2000 normal beyin MRG görüntüsünün bulunduğu
veri seti üzerinde yapılmıştır. Önerilen modelin doğruluğunu ölçmek için 5 kat çapraz
doğrulama yöntemi uygulanmış ve ortalama %99,58 doğruluk başarımı elde edilmiştir.
Bu tez çalışmasından elde edilen sonuçlar derin öğrenme tabanlı yöntemler
kullanılarak beyin tümörlerinin başarılı bir şekilde sınıflandırılabileceğini
göstermiştir
