Evrişimsel sinir ağları kullanarak cilt kanseri risk değerlendirmesi
Skin cancer risk assessment using convolutional neural network
- Tez No: 590968
- Danışmanlar: PROF. DR. HARUN UĞUZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Selçuk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 52
Özet
Cilt kanseri insanları tehdit eden ve en sık görülen kanser türlerindendir. Göğüs, prostat, akciğer ve kolon kanseri ile hastalanan insanların sayısına göre, cilt kanseri insanlarda daha yaygın olan bir hastalıktır. Cilt kanseri, teşhisi doktorlar tarafından ciltten veya benlerden örnek alınarak yapılan ve uzmanlık isteyen bir kanser türüdür. Bu tez çalışması kapsamında Evrişimli Sinir Ağları kullanılarak cilt kanser riskinin değerlendirilmesi için bir model oluşturulmuştur. Bu amaçla ISIC (The International Skin Imaging Collaboration) veri seti kullanılarak oluşturulan modelin başarası literatürde yer alan makine öğrenmesi ve evrişimsel sinir ağları ile gerçekleştirilen diğer çalışmaların başarıları ile kıyaslanmıştır. Yapılan değerlendirmeler neticesinde önerilen modelin başarısı, diğer çalışmalarla kıyaslanabilir seviyede bulunmuştur.
Özet (Çeviri)
Skin cancer is one of the most common types of cancer that threatens people. According to the number of people with breast, prostate, lung and colon cancer, skin cancer is more common in humans. Skin cancer is a type of cancer that is diagnosed by doctors by taking samples from the skin or moles and requires expertise. Within the scope of this thesis, a model has been developed for the evaluation of skin cancer risk by using Convective Neural Networks. For this purpose, the success of the model, which was created by using ISIC (The International Skin Imaging Collaboration) dataset, was compared with the achievements of other studies performed with machine learning and convolutional neural networks in the literature. As a result of the evaluations, the success of the proposed model was found to be comparable to other studies.
Benzer Tezler
- Classification of melanoma malignancy in dermatology
Dermatolojide melanoma malignansının sınıflandırılması
BİLGE SÜHEYLA GAZİOĞLU
Doktora
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA ERSEL KAMAŞAK
- Vücut benlerinin klinik görüntüleri üzerinde derin öğrenme tabanlı hastalık tahmini sisteminin geliştirilmesi
Development of a deep learning based disease prediction system on clinical images of body moles
ZAFER TOLAN
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ERKAN DUMAN
- Derin öğrenme algoritmaları kullanılarak cilt kanseri teşhisi
Skin cancer diagnosis using deep learning algorithms
BURAK DARILMAZ
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiFırat ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. HASAN GÜLER
- 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
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFatih Sultan Mehmet Vakıf ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSA AYDIN
DR. ÖĞR. ÜYESİ ALİ NİZAM
- Cilt kanseri tespitinde evrişimsel sinir ağları mimarilerinin karşılaştırılması
Comparison of convolutional neural networks architectures in skin cancer detection
KAZIM KILIÇ
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOndokuz Mayıs ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ERHAN ERGÜN