Abstract :Amaç: Kolorektal kanser (KRK) sindirim sisteminin kalın barsak kısmında oluşan bir kanserdir. Türkiye’de kadınlarda üçüncü ve erkeklerde dördüncü en yaygın olarak görülen kanser türüdür. Bilgisayar destekli KRK teşhisi için histolojik görüntülerin otomatik olarak sınıflandırılması önem arz etmektedir. Bu çalışmada insan KRK histolojik görüntülerinin sekiz farklı dokuya sınıflandırılma problemi ele alınmıştır. Gereç ve yöntem: Eğitim ve test işlemleri için 2016 yılında yayınlanan KRK veri seti kullanılmıştır. Veri seti içinde sekiz farklı türden toplam 5000 tane sayısal doku görüntüleri bulunmaktadır. Veri setindeki görüntüler eğitim, doğrulama, ve test verileri için sırası ile rastgele %70, %15 ve %15 oranlarında ayrılmıştır. Sınıflandırma işlemi için son yıllarda görüntü sınıflandırmada yüksek performans elde edilen derin öğrenme yöntemlerinden evrişimsel sinir ağları (ESA) ve ResNet50 öğrenme transferi yöntemleri kullanılmıştır. Bulgular: Sınıflandırma doğruluğu olarak doğrulama verisinde sıfırdan öğrenme ve öğrenme transferi yöntemleri ile 0.8750 ve 0.8803 elde edilmiştir. Öğrenme transferi yöntemi sınıflandırma performansının daha iyi olduğu görülmüştür. Sistem eğitimi için gerekli olan süre ve hesaplama ortamı hakkında bilgi verilmiştir. Karışıklık matrisi oluşturulmuş ve en doğru ve en yanlış olarak sınıflandırılan doku türleri belirlenmiştir. Elde edilen başarım değerleri literatürde bugüne kadar elde edilen değerlerle karşılaştırılmıştır. Sonuç: Derin öğrenme yöntemlerinden ResNet50 öğrenme transferi yönteminin KRK doku sınıflandırmasında başarılı bir şekilde kullanılabileceği gösterilmiştir. Keywords : Görüntü Sınıflandırma, Histoloji, Evrişimsel Sinir Ağı, Barsak
