Beyin tümörü sınıflandırılmasında derin öğrenme mimarilerinin performans analizi

Beyin tümörleri, hücre yenilenme sürecinde ortaya çıkan kopyalama hataları sonucunda gelişen malign (kötü huylu) veya benign (iyi huylu) kontrolsüz doku büyümeleridir. Bu tümörler, kafatası içindeki basıncın artmasıyla beyin hasarına veya ciddi sağlık sorunlarına neden olabilirler. Genel olarak, beyin tümörleri birincil ve ikincil olmak üzere iki ana kategoride incelenir. Birincil tümörler, genellikle benign özellikler gösterirken, beyinde doğrudan oluşur; ikincil tümörler ise diğer organlardaki kanser hücrelerinin metastaz yaparak beyine sıçramasıyla meydana gelir. Beyin tümörlerinin erken teşhisi, tedavi planlaması ve sonuçlarının değerlendirilmesi hayati önem taşımaktadır. Bu çalışma, Manyetik Rezonans Görüntüleme (MRI) kullanılarak beyin tümörlerinin erken teşhisini ve sınıflandırmasını hedeflemektedir. Araştırmada, EfficientNet, DenseNet ve AlexNet derin öğrenme mimarilerinin performans karşılaştırmaları, glioma, meningioma, pituitary tümörleri ve tümörsüz beyin görüntüleri içeren üç farklı veri seti üzerinde yapılmıştır. Çalışma, mevcut derin öğrenme teknikleri ve çeşitli performans metriklerini karşılaştırarak en yüksek performansı sunan mimarileri tespit etmektedir. Sonuçlar, geliştirilen yöntemlerin beyin tümörü sınıflandırmasında etkin olduğunu ortaya koymaktadır. Bu araştırma, sağlık profesyonellerine doğru teşhis koyma sürecinde yardımcı olarak hastaların hızlı ve etkin bir şekilde tedavi edilmesine olanak tanımayı amaçlamaktadır ve beyin tümörlerinin erken teşhisi ile tedavi planlamasında önemli bir katkı sağlamaktadır.