@article{article_638455, title={Derin Konvolüsyonel Nesne Algılayıcı ile Plevral Efüzyon Sitopatolojisinde Otomatik Çekirdek Algılama}, journal={Türkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi}, volume={13}, pages={33–42}, year={2020}, author={Kılıç, Büşranur and Baykal Kablan, Elif and Doğan, Hülya and Ekinci, Murat and Ercin, Mustafa Emre and Ersöz, Şafak}, keywords={Bilgisayar-destekli tanı,Konvolüsyonel sinir ağları,Sitopatoloji,Çekirdek algılama,Plevral efüzyon,YOLOv3}, abstract={<p>Plevral efüzyon, akciğer zarları arasında sıvı birikimi olup sitopatolojik değerlendirmede çok sık karşılaşılan bir durumdur. Çekirdek algılama, plevral efüzyon tanısı için gerçekleştirilen sitopatolojik değerlendirmede kritik bir adımdır. Çünkü çekirdek hücrelerin malignite seviyesi ile ilgili önemli bilgi içermektedir. Çekirdek algılama ayrıca hücre sayımı, segmentasyonu ve takibi gibi otomatik bilgisayar-destekli tanı (Computer-Aided Diagnosis-CAD) sistem adımlarının da temelini oluşturmaktadır. Son yıllarda derin öğrenme, özellikle Konvolüsyonel Sinir Ağları (Convolutional Neural Networks-CNNs), nesne algılama problemlerinde yüksek başarı elde etmiştir. Bu çalışmada modern konvolüsyonel nesne algılayıcı, YOLOv3, plevral efüzyon sitopatolojik görüntülerde çekirdek algılama amacıyla önerilmiştir. Deneyler 11157 çekirdek içeren 80 görüntü üzerinde gerçekleştirilmiştir. Önerilen yöntem %94.10 kesinlik, %98.98 duyarlılık ve %96.48 F-ölçütü elde etmiştir. Yöntemin literatürdeki yöntemlere katkısı 10 kat hızlanma sağlamasıdır. Bu hızlanma dijital patolojideki gerçek zamanlı CAD uygulamaları için ciddi bir avantaj sağlamaktadır. Dolayısıyla önerilen yöntem dijital patolojide patologlar tarafından tanı aracı olarak kullanılabilecektir. </p>}, number={1}, publisher={Akademik Bilişim Vakfı}, organization={Tübitak}