Hybrid detection techniques for skin cancer images
Başlık çevirisi mevcut değil.
- Tez No: 675423
- Danışmanlar: DR. ÖĞR. ÜYESİ ABDULLAHI ABDU IBRAHIM
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilişim Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 61
Özet
W.H.O'ya göre cilt kanseri, tıp sektöründe en sık görülen insan malignite türlerinden biridir. Deri lezyonu teşhis görevlerine dayalı olarak CNN kullanan deri kanseri tespit sisteminin geliştirilmesi, iyi huylu ve kötü huylu sınıflandırmasına özel önem verilerek devam etmektedir. Meta boyuta olan yüksek eğilimi, hayatta kalma oranlarında ciddi düşüşler ve lezyon görünümündeki hastalar arası yüksek değişkenlikle el ele gitmesi ve ayrıca bir melanomu doğru şekilde teşhis eden doktor / dermatoloğun eğitimine yönelik güçlü bir gereklilik göz önüne alındığında, göz korkutucu bir görev olarak görülmelidir. Bu araştırma tezinin amacı, derin öğrenme ve görüntülemede hibrit tekniklerle deri hastalıklarının tespiti ve segmentasyonu için derin bir öğrenmeyi kullanmaktır. Farklı makalelerin literatür taraması, farklı veri madenciliği modeli mimarileri ile yapılmıştır. Görev için üç özel model oluşturuldu ve hibrit derin öğrenme modellerinin farklı ince ayar seviyelerinde derin öğrenme teknikleri kullanıldı. Yüksek risk altındaki kişileri belirlemek için cilt kanseri hastalıkları taraması tartışma konusu olmuştur. Mevcut tartışmada, önerilen tarama prosedürü, olası ön tarama anketlerini içeren kemik yoğunluğuna dayalıdır. Yeni tahmin modellerinin ve otomatik tanılamanın geliştirilmesi, gelecekte genel tarama programlarına katkıda bulunabilir. Özel derin öğrenme modeli mimarileri, farklı derinlikleri temsil edecek şekilde tasarlanmıştır. Bunun arkasındaki fikir, artan temsil kapasitesinin cilt kanseri hastaları için sonuçlara ve görselleştirmelere etkisini analiz etmektir. Ek olarak, geleneksel veri madenciliği yaklaşımını temsil etmek için derin öğrenme modelleri oluşturulmuştur. Veri madenciliği bazı cilt hastalıklarında kullanılmış ve örneğin cilt kusurlu bölge yapısının segmentasyonunda ve cilt hastalıklarının teşhisinde iyi sonuçlar üretmiştir. Çalışma ayrıca düşük eğitim hızı ve şeffaflık eksikliği gibi pratik derin öğrenme zorluklarına çözümler bulmaya çalışıyor. İki çeşit cilt dokusu vardır.
Özet (Çeviri)
According to W.H.O, skin cancer is one of the most common types of human malignancy in medical sector. The development of skin cancer detection system using CNN based on skin lesion diagnostic tasks is in hot pursuit, with special attention being given to the classification of benign and malignant. Given its high propensity to meta-size, going hand in hand with severe decreases in survival rates, and the high inter-patient variability in lesion appearance, as well as a strong requirement on the training of the physician/dermatologist properly diagnosing a melanoma can be considered a daunting task. The purpose of this research thesis is to use a deep learning for the detection and segmentation of skin diseases using with hybrid techniques in deep learning and imaging. The literature review of different papers was conducted with different data mining model architectures. Three custom models were created for the task, and deep learning techniques were used with different levels of fine tuning of hybrid deep learning models. Screening for skin cancer diseases to identify people at high risk has been under debate. In current discussion, the suggested screening procedure is bone density based including possible prescreening questionnaires. Development of new prediction models and automated diagnostics could contribute to general screening programs in the future. The custom deep learning model architectures were designed to represent different depths. The idea behind this is to analyze the effect of increasing representational capacity to the results and visualizations for patients of skin cancer. Additionally, deep learning models were created to represent traditional data mining approach. Data mining has been used in some skin diseases, producing good results for example in segmentation of skin defected area structure and diagnosis of skin diseases. The study also attempts to find solutions to practical deep learning challenges such as low training speed and lack of transparency. There are two forms of skin tissue.
Benzer Tezler
- A hybrid of CNN and PCA in skin cancer for improving accuracy detection
Doğruluk tespitinin iyileştirmek için cilt kanserinde CNN ve PCA hibriti
MOHAMMED HANI SHAKIR KFASHI
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik MühendisliğiÇankırı Karatekin ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ZAFER CİVELEK
- Gökkuşağı alabalığı (Oncorhynchus mykiss) derisinden elde edilen jelatin ekstraktı kullanılarak yeşil kimya yöntemi ile organik-inorganik hibrit nanoyapıların sentezlenmesi ve sentez mekanizmasının incelenmesi ve antimikrobiyal özellikleri
Synthesization of organic-inorganic hybrid nanostructures by green chemistry method using gelatin extract from the skin of rainbow trout (Oncorhynchus mykiss) and investigation of the synthesis mechanism and antimicrobial properties
ÖMER FARUK SARITAŞ
Yüksek Lisans
Türkçe
2024
Su ÜrünleriRecep Tayyip Erdoğan ÜniversitesiSu Ürünleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYŞE DEMİRBAŞ
- Derin öğrenme yöntemleri kullanılarak deri lezyon görüntülerinden maymun çiçeği hastalığının tespiti
Detecting monkeypox disease from skin lesion images using deep learning methods
MUHAMMET TALHA ENGİN
Yüksek Lisans
Türkçe
2023
Yönetim Bilişim SistemleriAksaray ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
DOÇ. DR. KEMAL ADEM
- Sağlık sektöründe yapay zekâ temelli bir klinik karar destek sisteminin geliştirilmesi
Development of an artificial intelligence-based clinical decision support system in the healthcare system
TUBA IRMAK
Doktora
Türkçe
2023
Endüstri ve Endüstri MühendisliğiAtatürk ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ELİF KILIÇ DELİCE
- Race detection techniques for applications using asynchronous programming models
Asenkron programlama modellerini kullanan uygulamalar için yarış durumu yakalama teknikleri
ERDAL MUTLU
Doktora
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKoç ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
DOÇ. DR. SERDAR TAŞIRAN