Proje Adı:
Kolorektal Kanser Mikrosatellit İnstabilitesi Tahmini
Proje Kategorisi:
Dahili Bilimlerde Yapay Zeka Uygulamaları
Proje Özeti:
Mikrosatellit instabilitesi, gastrointestinal kanserli hastaların immünoterapiye yanıt düzeyini belirler. Ancak MSİ için gerekli olan ek genetik ve imminohistokimyasal testler klinik kullanımını zorlaştırır. Bu proje ile yaygın olarak kullanılan H&E boyalı histolojik kesitlerden direk olarak MSİ tahmini amaçlanmaktadır.
Proje İçeriği:
153.849 histolojik kesiti kullanarak mikrosatellit instabilitesi (MSİ) tahmini yapabilen yapay zeka modeli
Kullanılan Algoritma:
Convolutional Neural Networks (CNN)
Transfer Learning
Sonuçlar:
Eğitim verisi üzerinde %96 başarı, test verisi üzerinde %94 (19233 veriden 18.082 doğru tahmin) başarı elde edilmiştir.
Eğitim:

Test:

Proje Dosyaları:
Model: /proje/msi_mss.h5
Algoritma: /proje/dosyalar/msi_mss.py
Veri: Kaggle
Proje Yazarları:
Yasin Durusoy
yasin@sagliktayapayzeka.org
Yusuf Çiçek
yusuf@sagliktayapayzeka.org
Kaynaklar
https://www.kaggle.com/linjustin/train-val-test-tcga-coad-msi-mss
https://www.nature.com/articles/s41591-019-0462-y
Modeli Kullanmak
#Sağlıkta Yapay Zeka Kulübü Projeler ID:1
#mss_msi klasorü altında çalıştırınız. test klasoru içindeki resim klasoru altına tahmin etmek istediğiniz histolojik kesit resmini ekleyiniz
import os
import tensorflow as tf
from tensorflow.keras.preprocessing.image import ImageDataGenerator
model = tf.keras.models.load_model("msi_mss.h5")
PATH = os.getcwd
test_dir = os.path.join(PATH, 'test')
test_image_generator = ImageDataGenerator(rescale = 1./255)
test_data_gen = test_image_generator.flow_from_directory(batch_size =1, directory = test_dir,target_size (224,224),class_mode = None)
result = model.predict(test_data_gen, steps =1)
print("Tanı için kullanılamaz, araştırma amaçlı geliştirilmiştir.Hiçbir sorumluluk kabul edilmez.")
print("sagliktayapayzeka.org")
if result>0.5:
print("Tahmin = MSS")
else:
print("Tahmin = MSİ")
Yanıt yok