Malign Melanom ve Nevus'un makine öğrenimi ve derin öğrenme yöntemleri ile sınıflandırılması
Classification of Malignant Melanoma and Nevus by machine learning and deep learning methods
- Tez No: 680042
- Danışmanlar: DOÇ. DR. FARZAD KIANI
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: İstanbul Sabahattin Zaim Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 154
Özet
Bu çalışmanın amacı makine öğrenmesi yöntemleri kullanarak malin melanom ve nevüs sınıflandırması yapılması ve bu işlem sırasında lezyon sınırlarına riayet edilmesinin işlem sonucuna yaptığı etkinin incelenmesidir. Araştırmanın temel aldığı kaynak, The International Skin Imaging Collaboration (ISIC) tarafından sağlanan cilt lezyonları veri kümesidir. Bu veri kümesi içerisinden lezyon sınırları bilgisini içeren ve Memorial Sloan Kettering Cancer Center (MSK) tarafından sağlanmış olan veri kümesi çalışmada tercih edilmektedir. Sınıflandırma işlemi için makine öğrenmesi yöntemlerinden Convolutional Neureal Network (CNN), Long Short-Term Memory (LSTM), Recurrent Neural Network (RNN), K Nearest Neighbours (KNN) ve Support Vector Machine (SVM) isimli yöntemler kullanılmaktadır. Veri kümesindeki her bir resim CNN, gri değeri eş dizilim matrisi ve ham resim piksel özniteliklerine göre ayrı ayrı ve gri değeri eş dizilim matrisi öznitelikleri ile CNN öznitelikleri birlikte olmak üzere önce kırpılmadan sınıflandırılmış akabinde lezyon sınırlarına göre kırpılarak sınıflandırılmıştır. Her bir özelliğe göre 10-kat çapraz doğrulama işlemi yapılmış ve sonuçlar, lezyon sınırlarına göre kırpılmış ve kırpılmamış olarak, doğruluk, f1-puanı, ortalama kesinlik, eğri altında kalan alan, ortalama doğruluk ve 10-kat doğrulama ortalamasından standart sapma değerinden oluşacak şekilde sunulmuştur. Bunlara ek olarak hata matrisi, alıcı çalışma karakteristiği eğrisi ve kesinlik duyarlılık eğrisi gibi yöntemler de dikkate alınarak sonuçlar değerlendirilmiştir. Bu çalışmanın sonucunda elde edilen model, Pedro Hispano Hospital (PH2) tarafından sağlanan veri kümesi üzerinde uygulanarak başarılı olduğu gösterilmiş ve ayrıca bu çalışmamız, bir web uygulaması olarak akademik kullanıma açılmıştır. Çalışma sonunda elde edilen model bu alanda çalışan akademisyenler ve uzman doktorlar için faydalı olacaktır.
Özet (Çeviri)
The main purpose of this study is to classify malignant melanoma and nevus using machine learning and deep learning methods and to examine the effect of respecting lesion boundaries on the outcome of this procedure. The research is based on the skin lesion dataset provided by The International Skin Imaging Collaboration (ISIC). Memorial Sloan Kettering Cancer Center (MSK) dataset was selected for the reseach because it is the largest subset containing lesion boundaries information among ISIC dataset. Machine learning methods named Convolutional Neureal Network (CNN), Long Short-Term Memory (LSTM), Recurrent Neural Network (RNN), K Nearest Neighbours (KNN) and Support Vector Machine (SVM) were utilized for classification. Lesion images were classified using CNN features, gray level co-occurance matrix features, raw image pixel features and CNN features plus gray level co-occurance matrix features using 10-fold cross-validation process, first as provided then using crop method respecting to lesion boundaries. The results were saved for each fold from which we extract the accuracy, the f1-value, the average presicion, the area under the curve, the mean accuracy value and the standard deviation value of the 10-fold validation, In addition to these, the results were evaluated by considering the methods such as confusion matrix, receiver operating characteristic curve and precision recall curve. The model selected at the end of the study was applied on a test dataset provided by Pedro Hispano Hospital (PH2) showing that the model is successful and also made available on the internet as a web application for academic usage.
Benzer Tezler
- Displastik nevüs histolojik tanı kriterleri ve bunların diğer melanositik tümörlerden ayırımındaki yeri
Başlık çevirisi yok
AYLA YÜCETÜRK
- Akkiz melanositik nevüslerde melanoma riskinin dijital dermatoskopik ve 3 puanlı kontrol listesine göre değerlendirilmesi
Evaluation of melanoma risk of acquired melanocytic nevi with digital dermatoscopy and 3-point checklist
GÖKNUR ÖZAYDIN YAVUZ
Tıpta Uzmanlık
Türkçe
2009
DermatolojiYüzüncü Yıl ÜniversitesiDermatoloji Ana Bilim Dalı
DOÇ. DR. NECMETTİN AKDENİZ
- 0-18 yaş arası konjenital melanositik nevüsü olan hastaların dermoskopik ve demografik özelliklerinin değerlerlendirilmesi
Evaluation of dermoscopic and demographic characteristics of patients with congenital melanocytic nevus between the ages of 0-18
HAZAL SÖNMEZLER
Tıpta Uzmanlık
İngilizce
2019
DermatolojiSağlık Bilimleri ÜniversitesiDeri ve Zührevi Hast. Ana Bilim Dalı
UZMAN ZEYNEP TOPKARCI
- Melanositik tümörlerde dna kopya sayısı ve kromozomal değişikliklerin floresan ın situ hibridizasyon yöntemi ile değerlendirilmesi, ayırıcı tanı ve prognostik öneminin araştırılması
Evaluation of dna copy number changes and chromosomal aberrations in melanocytic tumors by fluorescence ın-situ hybridization method, ınvestigation of ıts differential diagnosis and prognostic value
DENİZ SOLGUN ANLAR
- Kemoterapi sürecinde melanositik nevusların dermoskopik izlemi
Dermoscopic follow up of nevi during chemotherapy
NADİDE BURCU ÖZTÜRK
Tıpta Uzmanlık
Türkçe
2011
DermatolojiKocaeli ÜniversitesiDeri ve Zührevi Hast. Ana Bilim Dalı
YRD. DOÇ. DR. AYSUN ŞİKAR AKTÜRK