Beyin Tümörü Sınıflandırması için Görü Dönüştürücü ve Transfer Öğrenmenin Karşılaştırmalı Analizi

Abstract

Beyin tümörlerinin doğru sınıflandırılması, nöro-onkolojide tedavi planlarını yönlendirmek ve hasta sonuçlarını iyileştirmek için kritik öneme sahiptir. Bu çalışmada, Manyetik Rezonans (MR) görüntüleri kullanılarak Vision Transformers (ViTs) yönteminin beyin tümörlerinin ikili sınıflandırmasındaki etkinliği araştırılmış ve VGG16, VGG19 ve ResNet50 gibi CNN tabanlı modellerle karşılaştırılmıştır. Doğruluk, kesinlik, duyarlılık ve F1-skoru gibi kapsamlı değerlendirme metrikleri, ViTs’in üstün performansını ortaya koymuştur; ViTs, %92,59 doğrulukla VGG16 (%85,19), VGG19 (%74,04) ve ResNet50'yi (%88,89) geride bırakmıştır. Bu bulgular, ViTs’in nöro-onkolojide tanısal doğruluğu artıran ve hasta bakımını iyileştiren dönüştürücü bir araç olarak klinik uygulamalara entegrasyonu için umut vadeden bir yöntem olduğunu göstermektedir.