Çekişmeli Üretici Ağ Tabanlı Veri Artırımı ile Derin Öğrenme Tabanlı Tıbbi Teşhis

Günümüzde kullanım alanı oldukça artmaya başlayan derin öğrenme temelli sınıflandırma ve segmentasyon modelleri, Covid-19 salgının ardından tıbbi alanda da yoğunluğunu artırmış olup, çeşitli hastalıkların tespit edilmesinde aktif olarak kullanılmaya başlanmıştır. Temelinde makine öğrenimi ve derin öğrenme algoritmaları kullanan bu modeller özellikle görsel veri sınıflandırma alanında kullanılmaktadırlar. Bu amaçla eğitilen modellerin başarısı büyük ölçüde veri setinin niteliğine ve niceliğine bağlıdır. Tıbbi alanda veri setinin temini ve kullanımı, hasta gizliliğinin korunumu ve kişisel verilerin izinsiz kullanılamaması gibi kısıtlardan dolayı oldukça zordur. Bu zorluk, sentetik veri üretimi üzerine yapılan çalışmaları hızlandırmış ve çekişmeli üretici ağ (GAN) tabanlı mimarilerin gelişmesini sağlamıştır. Bu çalışmada çeşitli senaryolar ve veri setleri üzerinde GAN mimarileri ve klasik veri artırım yöntemleri ile veri artırımı ve sınıf dengesizliği problemi çözülerek karşılaştırmalı olarak incelenmiştir.