ENDOSKOPİK MESANE DOKULARINDAN TRANSFORMER MODELLERLE MESANE KANSERİNİN DERECELENDİRİLMESİ

Abstract

Mesane kanseri, idrarın toplandığı organ olan mesanenin iç yüzeyini kaplayan hücrelerin kontrolsüz çoğalması sonucu ortaya çıkan kötü huylu bir hastalıktır. Sigara kullanımı, kimyasal maddelere maruziyet, kronik mesane enfeksiyonları ve ileri yaş gibi faktörler, mesane kanseri riskini artırır. Hastalığın erken dönemlerinde belirgin semptomlar görülmeyebilir, ancak hastalık ilerledikçe idrarda kan (hematüri), sık idrara çıkma, idrar yaparken ağrı veya yanma hissi gibi belirtiler ortaya çıkabilir. Mesane kanserinin tedavisi, hastalığın evresine, tümörün türüne ve yayılım durumuna göre değişiklik gösterir. Erken evrede teşhis edilen kanserlerde, tümörün çıkarılması cerrahi yöntemlerle (TUR-Mesane) uygulanabilir ve bazı durumlarda kemoterapi ya da immünoterapi (BCG tedavisi) ile desteklenebilir. İleri evrelerde ise mesanenin tamamen çıkarılması (Radikal Sistektomi) gerekeceğinden kemoterapi ve radyoterapi gibi yöntemlere başvurulur. Bu süreç içerisinde mesane dokusundan elde edilen endoskopik görüntülerin incelenmesi karar süreçlerinde kritik rol oynar. Bu tez çalışmasında endoskopik görüntülerin değerlendirilmesi için transformer modellerin kullanımı hedeflenmiştir. Kullanılacak transformer modelleri Vision Transformer (ViT), Data-Efficient Image Transformer (DeiT), Class in Attention Image Transformers (CaiT), Swin Transformer ve Mixed Vision Transformer (MidViT)'dir. Kullanılacak veri seti halka açık Kaggle web sitesinden elde edilecektir. Transformer modellerinin tez çalışmasında kullanımı için beş adımlı bir süreç kullanılacaktır. Bunlar veri toplama, veri çoğullama, hiperparametre seçimi, eğitim ve test aşamalarıdır.

Bladder cancer is a malignant disease that arises from the uncontrolled proliferation of cells lining the inner surface of the bladder, the organ where urine is stored. Risk factors that increase the likelihood of developing bladder cancer include smoking, exposure to chemical substances, chronic bladder infections, and advanced age. In the early stages of the disease, symptoms may not be noticeable; however, as the disease progresses, symptoms such as blood in the urine (hematuria), frequent urination, and pain or burning during urination may occur. Treatment of bladder cancer varies depending on the stage of the disease, the type of tumor, and the extent of its spread. For cancers diagnosed at an early stage, surgical removal of the tumor (Transurethral Resection of Bladder Tumor - TURBT) may be performed, and in some cases, chemotherapy or immunotherapy (such as BCG therapy) can be used as supportive treatments. In advanced stages, complete removal of the bladder (Radical Cystectomy) may be necessary, along with chemotherapy and radiotherapy. During this process, the analysis of endoscopic images obtained from bladder tissue plays a critical role in the decision-making process. This thesis aims to utilize transformer models for the evaluation of endoscopic images. The transformer models to be used include Vision Transformer (ViT), Data-Efficient Image Transformer (DeiT), Class in Attention Image Transformers (CaiT), Swin Transformer, and Mixed Vision Transformer (MidViT). The dataset to be used will be obtained from the publicly available Kaggle website. A five-step process will be followed for the use of transformer models in this thesis study: data collection, data augmentation, hyperparameter selection, training, and testing stages.