Özet:
Dünya çapında kadınlarda görülen kanser hastalıkları sıralamasında dördüncü sırada yer
alan rahim ağzı kanserini erken aşamada tespit edebilmek hastalığın tedavisinde önemli
bir yapı taşıdır. Hastalığın teşhisi için pap-smear testi kullanılmaktadır. Bu çalışma
kapsamında rahim ağzı kanserini erken aşamada tespit edebilecek bilgisayar temelli bir
karar sisteminin tasarlanması amaçlanmıştır. Pap- smear testi sonucunda elde edilmiş
olan serviks görüntülerinde normal ve anormal özellikli hücreler bulunarak anormal olan
hücreler görüntü üzerinde işaretlenmiştir. Çalışma genel olarak segmentasyon ve
sınıflandırma olmak üzere iki bölümden oluşmaktadır. Segmentasyon işleminde çekirdek
ve sitoplazma ayrı olarak ele alınmış ve birbirinden bağımsız olarak bölütlenmiştir.
Çekirdek segmentasyonu aşamasında eşikleme ve K-means olmak üzere iki farklı yöntem
kullanılmıştır. Sitoplazma segmentasyonu işleminde eşikleme ve iki görüntünün farkı
yöntemleri kullanılarak sitoplazma bulunmuştur. Sınıflandırma aşamasında ise
görüntülerden çıkarılmış olan bazı özellikler sınıflandırma kriteri olarak belirlenmiştir.
Görüntülerden çıkarılan özellikler patoloji uzmanları ile incelenmiş ve bir veri seti
oluşturulmuştur. Herlev veri setinde bulunan 917 görüntünün her biri için bu özellikler
çıkarılmış ve bir veri setine kaydedilmiştir. Çalışmanın sınıflandırma aşamasında ise
oluşturulan veri setine makine öğrenmesi yöntemlerinden derin öğrenme, Destek Vektör
Makinesi (DVM), Naive Bayes (NB), Rastgele Orman (RO), Çok-Katmanlı Algılayıcı (ÇKA),
Lojistik Regresyon (LR), K-En Yakın Komşu (KNN) ve Derin öğrenme yöntemleri
uygulanarak sınıflandırma işlemi gerçekleştirilmiştir ve %81 ve %93 arasında doğruluk
değerleri elde edilmiştir. Gelecek çalışmalarda bilgisayar temelli karar sistemini
tamamlamak ve yapay zekâ modelini eğitebilmek için bu veri seti kullanılacaktır.
