Research Article

Kolorektal Histopatolojide Tarayıcılar Arası Genellemede Frekans-Farkında Modüller ve Renk Normalizasyonu Stratejileri Gerçekten Katkı Sağlıyor mu? Çok-Tohumlu Bir Değerlendirme

Volume: 13 Number: 1 October 13, 2026
TR EN

Kolorektal Histopatolojide Tarayıcılar Arası Genellemede Frekans-Farkında Modüller ve Renk Normalizasyonu Stratejileri Gerçekten Katkı Sağlıyor mu? Çok-Tohumlu Bir Değerlendirme

Abstract

Dijital patolojide farklı tarayıcıların yol açtığı alan kayması (domain shift), derin öğrenme modellerinin kurumlar arası kullanımını sınırlamaktadır. Bu soruna yönelik iki yaygın strateji — frekans-farkında mimari bileşenler ve normalize edilmemiş veriyle karışık eğitim — literatürde çoğunlukla tek koşumlu deneylerle olumlu sunulmaktadır. Bu çalışmada, kolorektal doku sınıflandırması bağlamında bu stratejilerin güçlü bir evrişimli sinir ağı (ConvNeXt-Small) taban modeline gerçek bir katkı sağlayıp sağlamadığı, üç tohumlu ve dış doğrulamalı kapsamlı bir protokolle sınanmıştır. Modeller NCT-CRC-HE-100K üzerinde eğitilip bağımsız CRC-VAL-HE-7K veri seti üzerinde test edilmiştir. Üç özgün bileşen — tarayıcılar-arası frekans normalizasyonu (CFN), doku-frekans ayrıştırma modülü (TFDM) ve uyarlanabilir füzyon (AFSM) — çıkarmalı (leave-one-out) ablasyonla; karışık ve normalize eğitim ise 2×2 tasarımıyla değerlendirilmiştir. Bulgular tutarlı biçimde olumsuzdur: taban modelin dış doğruluğu (%96.60±0.45), incelenen bileşenlerin hiçbiri eklendiğinde istatistiksel olarak anlamlı biçimde iyileşmemekte; CFN bileşeni dış doğruluğu sistematik olarak düşürmektedir (−0.70 yüzde puanı). Karışık eğitim, normalize eğitime kıyasla yalnızca +0.39 puan fark yaratmakta ve güven aralıkları tümüyle çakışmaktadır; hedeflenen zayıf sınıflarda (STR, MUS) dahi anlamlı iyileşme gözlenmemektedir. Sonuçları büyük ölçüde tohumlar arası varyans (±0.15–1.19 puan; tek-koşum yayılımı 2.2 puana ulaşmakta) belirlemektedir. Çalışma, bu kıyaslama kümesinde küçük mimari ve veri-stratejisi kazanç iddialarının önemli bölümünün tohum gürültüsüyle açıklanabileceğini göstermekte ve tek-koşumlu karşılaştırmalara karşı uyarmaktadır.

Keywords

Hesaplamalı Patoloji, Alan Kayması, Tekrarlanabilirlik, Renk Normalizasyonu

Ethical Statement

Bu çalışmada yalnızca kamuya açık ve anonim veri kümeleri (NCT-CRC-HE-100K, CRC-VAL-HE-7K) kullanılmış olup insan veya hayvan katılımcılarla yeni bir deney yürütülmemiştir; bu nedenle etik kurul onayı gerektirmemektedir.

Thanks

Bu araştırmanın gerçekleştirilmesi sürecinde kullanılan bilgisayar donanımı ve teknik altyapının sağlanmasına verdikleri katkılardan dolayı Adıyaman Üniversitesi Tıp Fakültesi Biyoistatistik ve Tıp Bilişimi Anabilim Dalına teşekkür ederiz.

References

  1. Kather JN, Krisam J, Charoentong P, et al. Predicting survival from colorectal cancer histology slides using deep learning: A retrospective multicenter study. PLOS Medicine 2019;16:e1002730. https://doi.org/10.1371/journal.pmed.1002730
  2. Kather JN, Weis C-A, Bianconi F, et al. Multi-class texture analysis in colorectal cancer histology. Scientific Reports 2016;6:27988. https://doi.org/10.1038/srep27988
  3. Stacke K, Eilertsen G, Unger J, et al. Measuring Domain Shift for Deep Learning in Histopathology. IEEE Journal of Biomedical and Health Informatics 2021;25:325–336. https://doi.org/10.1109/JBHI.2020.3032060
  4. Chen RJ, Ding T, Lu MY, et al. Towards a general-purpose foundation model for computational pathology. Nature Medicine 2024;30:850–862. https://doi.org/10.1038/s41591-024-02857-3
  5. Lu MY, Chen B, Williamson DFK, et al. A visual-language foundation model for computational pathology. Nature Medicine 2024;30:863–874. https://doi.org/10.1038/s41591-024-02856-4
  6. Vorontsov E, Bozkurt A, Casson A, et al. A foundation model for clinical-grade computational pathology and rare cancers detection. Nature Medicine 2024;30:2924–2935. https://doi.org/10.1038/s41591-024-03141-0
  7. Xu H, Usuyama N, Bagga J, et al. A whole-slide foundation model for digital pathology from real-world data. Nature 2024;630:181–188. https://doi.org/10.1038/s41586-024-07441-w
  8. Wang X, Zhao J, Marostica E, et al. A pathology foundation model for cancer diagnosis and prognosis prediction. Nature 2024;634:970–978. https://doi.org/10.1038/s41586-024-07894-z
  9. Bulten W, Kartasalo K, Chen P-HC, et al. Artificial intelligence for diagnosis and Gleason grading of prostate cancer: the PANDA challenge. Nature Medicine 2022;28:154–163. https://doi.org/10.1038/s41591-021-01620-2
  10. de Jong ED, Marcus E, Teuwen J. Current Pathology Foundation Models are unrobust to Medical Center Differences. ArXiv 2025. https://doi.org/10.48550/arXiv.2501.18055
APA
Kutlu, H. (2026). Kolorektal Histopatolojide Tarayıcılar Arası Genellemede Frekans-Farkında Modüller ve Renk Normalizasyonu Stratejileri Gerçekten Katkı Sağlıyor mu? Çok-Tohumlu Bir Değerlendirme. Adıyaman Üniversitesi Mühendislik Bilimleri Dergisi, 13(1), 1-10. https://doi.org/10.54365/adyumbd.2002976
AMA
1.Kutlu H. Kolorektal Histopatolojide Tarayıcılar Arası Genellemede Frekans-Farkında Modüller ve Renk Normalizasyonu Stratejileri Gerçekten Katkı Sağlıyor mu? Çok-Tohumlu Bir Değerlendirme. Adıyaman Üniversitesi Mühendislik Bilimleri Dergisi. 2026;13(1):1-10. doi:10.54365/adyumbd.2002976
Chicago
Kutlu, Hüseyin. 2026. “Kolorektal Histopatolojide Tarayıcılar Arası Genellemede Frekans-Farkında Modüller Ve Renk Normalizasyonu Stratejileri Gerçekten Katkı Sağlıyor Mu? Çok-Tohumlu Bir Değerlendirme”. Adıyaman Üniversitesi Mühendislik Bilimleri Dergisi 13 (1): 1-10. https://doi.org/10.54365/adyumbd.2002976.
EndNote
Kutlu H (October 1, 2026) Kolorektal Histopatolojide Tarayıcılar Arası Genellemede Frekans-Farkında Modüller ve Renk Normalizasyonu Stratejileri Gerçekten Katkı Sağlıyor mu? Çok-Tohumlu Bir Değerlendirme. Adıyaman Üniversitesi Mühendislik Bilimleri Dergisi 13 1 1–10.
IEEE
[1]H. Kutlu, “Kolorektal Histopatolojide Tarayıcılar Arası Genellemede Frekans-Farkında Modüller ve Renk Normalizasyonu Stratejileri Gerçekten Katkı Sağlıyor mu? Çok-Tohumlu Bir Değerlendirme”, Adıyaman Üniversitesi Mühendislik Bilimleri Dergisi, vol. 13, no. 1, pp. 1–10, Oct. 2026, doi: 10.54365/adyumbd.2002976.
ISNAD
Kutlu, Hüseyin. “Kolorektal Histopatolojide Tarayıcılar Arası Genellemede Frekans-Farkında Modüller Ve Renk Normalizasyonu Stratejileri Gerçekten Katkı Sağlıyor Mu? Çok-Tohumlu Bir Değerlendirme”. Adıyaman Üniversitesi Mühendislik Bilimleri Dergisi 13/1 (October 1, 2026): 1-10. https://doi.org/10.54365/adyumbd.2002976.
JAMA
1.Kutlu H. Kolorektal Histopatolojide Tarayıcılar Arası Genellemede Frekans-Farkında Modüller ve Renk Normalizasyonu Stratejileri Gerçekten Katkı Sağlıyor mu? Çok-Tohumlu Bir Değerlendirme. Adıyaman Üniversitesi Mühendislik Bilimleri Dergisi. 2026;13:1–10.
MLA
Kutlu, Hüseyin. “Kolorektal Histopatolojide Tarayıcılar Arası Genellemede Frekans-Farkında Modüller Ve Renk Normalizasyonu Stratejileri Gerçekten Katkı Sağlıyor Mu? Çok-Tohumlu Bir Değerlendirme”. Adıyaman Üniversitesi Mühendislik Bilimleri Dergisi, vol. 13, no. 1, Oct. 2026, pp. 1-10, doi:10.54365/adyumbd.2002976.
Vancouver
1.Hüseyin Kutlu. Kolorektal Histopatolojide Tarayıcılar Arası Genellemede Frekans-Farkında Modüller ve Renk Normalizasyonu Stratejileri Gerçekten Katkı Sağlıyor mu? Çok-Tohumlu Bir Değerlendirme. Adıyaman Üniversitesi Mühendislik Bilimleri Dergisi. 2026 Oct. 1;13(1):1-10. doi:10.54365/adyumbd.2002976