Geri Dön

Cilt hastalıklarının derin öğrenme modelleri kullanılarak tespiti ve sınıflandırılması

Detection and classification of skin diseasesusing deep learning models

PDF İndir

  1. Tez No: 1005908
  2. Yazar: AKSA ÖZER
  3. Danışmanlar: DOÇ. DR. MUHAMMED YILDIRIM
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2026
  8. Dil: Türkçe
  9. Üniversite: Malatya Turgut Özal Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Cilt hastalıklarından olan maymun çiçeği hastalığı, dünya genelinde salgın halinde bulaşabilen hastalıklardan biridir. Maymun çiçeği hastalığı özellikle suçiçeği ve kızamık hastalıklarıyla benzer belirti gösteren ve deride oluşturan lezyonlar olarak çok benzeyen hastalıklardır. Bu durumdan dolayı doğru teşhis tedavi başarısını doğrudan etkileyen kritik bir faktördür. Geleneksel teşhis yöntemleri, dermatologların görsel inceleme ve biyopsi gibi manuel süreçlere dayanırken, bu yöntemler zaman alıcı olabilir ve uzmanlık gerektirebilir. Bu bağlamda, Yapay Zekâ (YZ) teknolojileri, maymun çiçeği teşhisinde önemli bir yer tutmaktadır. Bu tez çalışmasında cilt hastalıklarının doğru teşhisinde yapay zekâ tabanlı sistemlerin kullanımı üzerine odaklanılmıştır. Derin öğrenme ve makine öğrenmesi gibi YZ tekniklerinin, cilt hastalıklarının lezyonlarını sınıflandırma, maymun çiçeği, suçiçeği ve kızamık lezyonları ayırt etme ve daha genel olarak dermatolojik görüntülerin analizinde nasıl kullanıldığı incelenmektedir. Ayrıca, YZ tabanlı teşhis sistemlerinin, özellikle dermoskopi görüntüleri gibi özel görüntüleme teknikleri ile entegrasyonu ele alınmaktadır. Tezde, derin öğrenme algoritmalarının cilt hastalıklarının tanısında yüksek doğruluk oranları sağlama potansiyeli üzerinde durulmuş modellerin karşılaştırılması yapılmıştır. Ayrıca, YZ destekli sistemlerin, dermatologların karar destek süreçlerinde nasıl bir yardımcı araç olabileceği tartışılmaktadır. YZ tabanlı sistemlerin klinik uygulamalarda kullanımının önündeki engeller, veri gizliliği, algoritmaların doğruluğu ve klinik onay süreçleri gibi etmenler de tezde ele alınan diğer önemli konular arasında yer almaktadır. Nihayetinde, bu çalışma, cilt hastalıklarının tespitinde YZ'nin potansiyelini ortaya koyarak, bu teknolojilerin sağlık sektöründe daha yaygın ve etkili bir şekilde nasıl kullanılabileceği konusunda önerilerde bulunmaktadır.

Özet (Çeviri)

Monkeypox, a skin disease, is one of the diseases that can spread globally in epidemic form. Monkeypox is particularly similar to chickenpox and measles in its symptoms and skin lesions. Therefore, accurate diagnosis is a critical factor directly affecting treatment success. Traditional diagnostic methods rely on manual processes such as visual examination and dermatologist-performed biopsies, which can be time-consuming and require expertise. In this context, Artificial Intelligence (AI) technologies play a significant role in diagnosing monkeypox. This thesis focuses on the use of AI-based systems in the accurate diagnosis of skin diseases. It examines how AI techniques, such as deep learning and machine learning, are used to classify skin disease lesions, distinguish between monkeypox, chickenpox, and measles lesions, and, more generally, to analyze dermatological images. Furthermore, the integration of AI-based diagnostic systems with specialized imaging techniques, particularly dermoscopy images, is discussed. The thesis highlights the potential of deep learning algorithms to achieve high accuracy in diagnosing skin diseases and compares different models. Furthermore, the potential of AI-assisted systems as a helpful tool in dermatologists' decision-making processes is discussed. Obstacles to the use of AI-based systems in clinical practice, such as data privacy, algorithm accuracy, and clinical approval processes, are also among the important issues addressed in the thesis. Ultimately, this study reveals the potential of AI for detecting skin diseases and offers suggestions on how these technologies can be used more widely and effectively in the healthcare sector.

Benzer Tezler

  1. Tez No

    736042

    Evrişimsel sinir ağları ile cilt hastalık görüntülerinin sınıflandırılmasında transfer öğrenme yönteminin etkinliğinin araştırılması

    Investigation of the efficiency of transfer learning method in classification of skin disease images by convolutional neural networks

    AYHAN SARI

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFatih Sultan Mehmet Vakıf Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MUSA AYDIN

    DR. ÖĞR. ÜYESİ ALİ NİZAM

  2. Tez No

    949334

    Derin öğrenme teknikleri kullanılarak cilt lezyonları için çok sınıflı sınıflandırma

    Multi-class classification for skin lesions using deep learning techniques

    ÜMMÜHAN KOPAL

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Biyomühendislikİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. MÜRVET KIRCI

  3. Tez No

    750336

    CAD systems in medical application: Detection of tuberculosis from CXR-images using convolutional neural based networks (case study: Nigerian public health)

    Tibbi uygulamada CAD sistemi: Evrensel sinir tabanlı ağları kullanarak CXR görüntülerinden tüberküloz tespiti (vaka çalişması: Nijerya halk sağlığı)

    MUHAMMAD ZAHARADDEEN ABUBAKAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Adli Bilişim Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MUSTAFA KAYA

  4. Tez No

    975997

    Skin lesion classification via hybrid localization-explainability approaches

    Hibrit lokalizasyon-açıklanabilirlik yaklaşımları ile deri lezyonu sınıflandırması

    HUMAM ABUALKEBASH

    Doktora

    İngilizce

    İngilizce

    2025

    Mekatronik MühendisliğiKocaeli Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    PROF. DR. HÜSEYİN METİN ERTUNÇ

  5. Tez No

    1020325

    A lightweight deep learning approach for skin disease detection

    Deri hastalıkları tespiti için hafif derin öğrenme yaklaşımı

    VAHAP BAHADIR BABACAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2026

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAdana Alparslan Türkeş Bilim ve Teknoloji Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. YASİN KAYA

Geri Dön