Yapay zeka teknikleri kullanılarak ağız kanseri tespiti

Abstract

Oral Skuamöz Hücreli Karsinom (OSCC) yüksek mortalite oranlarına sahiptir ve OSSC geç teşhis edildiğinde ciddi sağlık sorunlarına yol açmaktadır. Bu durum bir halk sağlığı problemi olarak nitelendirilmektedir. Hastalığın teşhisinde önemli bir nokta olan histopatolojik inceleme uzmanlık gerektiren, zaman alıcı ve manuel bir süreçtir. Bu çalışma histopatolojik görüntüler üzerinden ağız kanserinin erken ve doğru tespiti için derin öğrenme tabanlı yeni bir yaklaşım sunmaktadır. Çalışma kapsamında Vision Transformer (ViT), CLIP, ConvNextV2, Deit ve Dinov2 gibi güncel mimarilerin performansları karşılaştırmalı olarak analiz edilmiştir. Alınan sonuçlar doğrultusunda modellerin güçlü yönlerini birleştiren hibrit bir mimari önerilmiştir. 696 histopatolojik görüntüden oluşan veri seti üzerinde gerçekleştirilen deneylerde temel modeller arasında ConvNextV2 ve ViTL16 mimarileri %84 bandında doğruluk oranları ile öne çıkmıştır. Ancak çalışmanın en önemli katkısı, Transformer tabanlı modellerin global bağlam yeteneği ile CNN tabanlı modellerin yerel öznitelik çıkarım gücünü Efficient Channel Attention (ECA) - Gated Features modeliyle birleştiren önerilen yöntemdir. ViTL16, Dinov2 ve ConvNextV2 mimarilerinin entegrasyonu ile oluşturulan bu hibrit model KNN sınıflandırıcısı ile %89.95 doğruluk, %89.82 F1 skoru ve %89.95 duyarlılık değerlerine ulaşarak literatürdeki temel modelleri geride bırakmıştır. Elde edilen sonuçlar, çoklu mimarilerin füzyonunun tıbbi görüntü analizinde tanısal güvenilirliği artırdığını ve patologlara karar destek mekanizması olarak yardımcı olabileceğini göstermektedir.

Oral squamous cell carcinoma (OSCC) has high mortality rates and leads to serious health problems when diagnosed late. This situation is considered a public health problem. Histopathological examination, which is an important point in the diagnosis of the disease, is a time-consuming and manual process that requires expertise. This study presents a novel deep learning-based approach for the early and accurate detection of oral cancer from histopathological images. The performance of state-of-the-art architectures such as Vision Transformer (ViT), CLIP, ConvNextV2, Deit, and Dinov2 was comparatively analyzed. Based on the results, a hybrid architecture combining the strengths of the models is proposed. In experiments conducted on a dataset of 696 histopathological images, the ConvNextV2 and ViTL16 architectures stood out among the basic models with accuracy rates around 84%. However, the most significant contribution of this study is the proposed method, which combines the global context capability of Transformer-based models with the local feature extraction power of CNN-based models using the Efficient Channel Attention (ECA) - Gated Features model. This hybrid model, created by integrating the ViTL16, Dinov2, and ConvNextV2 architectures, achieved 89.95% accuracy, 89.82% F1 score, and 89.95% sensitivity with a KNN classifier, outperforming the baseline models in the literature. The results obtained demonstrate that the fusion of multiple architectures increases diagnostic reliability in medical image analysis and can assist pathologists as a decision support mechanism.