Termal görüntüleme kullanarak uçtan uca meme kanseri tespit sistemi.
YOLOv8 modeli ile sınıflandırma, Grad-CAM ile açıklanabilirlik desteği,
ve Raspberry Pi 5 + MLX90640 termal kamera üzerinde çalıştırma.
Bu proje, termal görüntüleme ile meme kanserinin erken ve invaziv olmayan tespitini hedefledi. Kızılötesi termografi, tümörlerle ilişkili damar ve metabolik aktiviteleri gösteren ısı desenlerini yakalar. Derin öğrenme modelleri iyi huylu vs kötü huylu vakaları sınıflandırmak üzere eğitildi ve düşük güç tüketimli gömülü donanımda çalışacak şekilde optimize edildi.
Son YOLOv8 modeli %90’ın üzerinde doğruluk elde etti ve hem iyi huylu hem kötü huylu vakalarda dengeli performans gösterdi. Grad-CAM haritaları, modelin biyolojik olarak anlamlı termal bölgeleri kullandığını gösterdi. Raspberry Pi üzerinde gerçek zamanlı çalışarak düşük maliyetli taşınabilir tarama sistemlerinin mümkün olduğunu kanıtladı.
Verisette sınıf dengesizliği (daha fazla benign örnek) mevcuttu. Bu durum veri artırma ve sınıf dengeleme teknikleriyle giderildi. YOLOv8’in Raspberry Pi’de çalışması için kuantizasyon ve donanım optimizasyonu uygulandı. Grad-CAM eklenerek modelin kararları daha açıklanabilir hale getirildi, böylece klinik güven artırıldı.