Ghostnet tabanlı CNN modelleri ile cilt kanseri sınıflandırılması
Skin cancer classification using ghostnet-based CNN models
- Tez No: 1011195
- Danışmanlar: DR. ÖĞR. ÜYESİ HAYATİ TÜRE
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Gümüşhane Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Yapay Zeka ve Akıllı Sistemler Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez, dermoskopik görüntülerden cilt kanserini otomatik olarak teşhis edebilen derin öğrenme tabanlı hibrit bir model önermektedir. Amaç; tanısal doğruluğu artırırken hesaplama maliyetini azaltmaktır. Bunun için, önceden eğitilmiş (pretrained) büyük CNN modelleri ile SMOTE-ENN veri dengelemesiyle optimize edilen hafif GhostNet mimarileri birlikte kullanılmıştır.İlk yaklaşımda, ISIC 2019 veri kümesi üzerinde altı model değerlendirilmiştir: VGG16, DenseNet201, EfficientNetB7, EfficientNetV2L, ConvNeXtBase ve MobileNet. Bu aşamada ConvNeXtBase, %84,63 doğruluk ve %78 duyarlılık ile güçlü bir başlangıç performansı göstermiştir. Ancak bu büyük modellerin gerçek zamanlı uygulamalarda kullanımı, yüksek hesaplama maliyeti nedeniyle zor olmuştur. Bu kısıtlamayı aşmak için ikinci yaklaşımda, GhostNet (V1–V3) mimarileri kullanılmıştır. Bu aşamada SMOTE-ENN dengelemesi uygulanmış ve yalnızca eğitim verisi üzerinde kullanılan Ayrık Tam Bağlantılı (DFC) dikkat mekanizmasıyla model performansı artırılmıştır. Sonuç olarak GhostNet V2, büyük CNN modellerine kıyasla parametre sayısını yaklaşık %90 azaltmasına rağmen daha yüksek performans elde etmiş; %95 doğruluk, %93,9 duyarlılık ve 0,99 AUC değerlerine ulaşmıştır. Deneysel sonuçlar, hafif ve verimli modellerin yüksek doğrulukla dermatolog düzeyine yakın tanısal performans sağlayabildiğini göstermektedir. Önerilen sistem; teletıp uygulamaları ve cilt kanseri taramaları için pratik, yorumlanabilir ve gerçek zamanlı bir yapay zekâ çözümü sunmaktadır.
Özet (Çeviri)
This thesis presents a deep learning hybrid model for the automated diagnosis of skin cancer from dermoscopic images. The research seeks to enhance diagnostic precision as well as lower computational expenses by combining pretrained CNNs with lightweight GhostNet architectures optimized using SMOTE-ENN data balancing. The first approach utilized six pre-trained CNNs VGG16, DenseNet201, EfficientNetB7, EfficientNetV2L, ConvNeXtBase, and MobileNet on the ISIC 2019 dataset to set a strong baseline with 84.63% accuracy and 78% sensitivity of ConvNeXtBase. But these models were costly to deploy in real time. To overcome this constraint, the second approach utilized GhostNet architectures (V1–V3) with Decoupled Fully Connected (DFC) attention and SMOTE-ENN balancing only on the training data. GhostNet V2 obtained 95% accuracy, 93.9% sensitivity, and AUC of 0.99, outperforming big CNNs with parameter reduction of almost 90%. The experiments confirm that efficient models can achieve dermatologist-level diagnostic performance with high efficiency. The suggested model shows a practical, interpretable, and real-time artificial intelligence solution for teledermatology and skin cancer screening.
Benzer Tezler
- Solunum sesi sınıflandırması için klasik ve derin öğrenme modellerinin karşılaştırılması
Comparison of classical and deep learning models for respiratory sound classification
EREN AYGÜN
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGümüşhane ÜniversitesiYapay Zeka ve Akıllı Sistemler Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HAYATİ TÜRE
- Yeryüzü deformasyonlarının izlenmesinde adaptif bölgesel yapay zeka sistemi: InSAR örneği
Adaptive regional artificial intelligence system in the monitoring of ground deformations: An InSAR example
BURAK CAN KARA
Doktora
Türkçe
2025
Jeodezi ve FotogrametriSivas Cumhuriyet ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. KEMAL ÖZGÜR HASTAOĞLU
- Denizde kaybolan av araçlarının yaptığı istenmeyen avcılık (ghost fishing) üzerine araştırmalar
Investigation on ghost fishing gear
ADNAN AYAZ
Doktora
Türkçe
2003
Su ÜrünleriEge ÜniversitesiSu Ürünleri Avlama ve İşleme Teknolojisi Ana Bilim Dalı
PROF. DR. ALİ KARA
- Marmara Denizi'nde kullanılan fanyalı uzatma ağlarının av verimliliği ve kontrollü hayalet avcılık etkisinin belirlenmesi
Determination of catching efficiency and controlled ghost fishing effects of trammel nets used in Marmara Sea
YUSUF ŞEN
Doktora
Türkçe
2023
Su ÜrünleriÇanakkale Onsekiz Mart ÜniversitesiSu Ürünleri Avlama ve İşleme Teknolojisi Ana Bilim Dalı
PROF. DR. UĞUR ÖZEKİNCİ
- Cyberpunk film ve dizi afişlerinin postmodern grafik tasarım bağlamında incelenmesi
An analysis of cyberpunk film and series posters in the context of postmodern graphic design
ÜMMÜGÜLSÜM AKSU
Yüksek Lisans
Türkçe
2025
Güzel SanatlarFatih Sultan Mehmet Vakıf ÜniversitesiGrafik Tasarımı Ana Sanat Dalı
DR. ÖĞR. ÜYESİ SALİH DENLİ