Akademik Veri Yönetim Sistemi
Aktepe F., Bayçelebi D., Özerdem M. S., Albayrak A., Ekşioğlu E. M., Türkmen İ., et al.
Türkiye Sağlık Enstitüleri Başkanlığı (TÜSEB) Araştırma Projesi, 2024 - 2026
Histopatolojik veriler ve diğer klinik verilerden elde edilen öznitelikler makine öğrenmesi teknikleriyle eğitilerek rekürrens skor(RS) tahmini üretilir. Tüm slayt görüntülerden skor tahmini yapabilmek için gerekli öznitelikleri çıkarımında zayıf gözetimli öğrenme yaklaşımı benimsenmiştir. Önerilen yaklaşımda giriş tüm slayt görüntüler önce sabit boyutlu yamalara parçalanır. Yamalar içerisinde, olgu moleküler skorunu en iyi temsil edenler veri öbekleme yaklaşımıyla saptanır. Böylece hem yama sayısı azaltılmış hem de bilgi taşımayan gürültü bölgeler atılmış olur. Seçilen yamalara ait öznitelikler önceden eğitilmiş derin öğrenme ağ modelleri yardımıyla saptanır. Seçilmiş yamalara ait öznitelikler birleştirilerek tüm slaydı temsil eden öznitelik vektörü oluşturulur. Olgu klinik bilgilerine ait sayısal veriler benzer şekilde bir öznitelik vektörüne dönüştürülerek klinik verileri temsil edecek şekilde hazırlanır. Bu aşamada moleküler skordan faydalanarak öznitelik seçimi yapılacaktır. İki farklı modaliteden elde edilen özniteliklerin birleştirilerek nihai RS’nin tahmin edilmesi için veri tümleştirme ve karar tümleştirme olarak iki farklı yaklaşım benimsenecektir. Veri tümleştirmede iki öznitelik vektörü birbirine birleştirilerek makine öğrenmesi yöntemleri ile skor tahmini yapılacak. Karar tümleştirme yaklaşımında ise iki farklı makine öğrenmesi modeli iki modalite için tek tek eğitilecek ve elde ettikleri tahminler karar tümleştirme yaklaşımları ile birleştirerek tek bir karar üretilecektir