Geri Dön

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

  1. Tez No: 680042
  2. Yazar: ENVER EKREM UÇAR
  3. Danışmanlar: DOÇ. DR. FARZAD KIANI
  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: 2021
  8. Dil: Türkçe
  9. Üniversite: İstanbul Sabahattin Zaim Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. 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

  1. Displastik nevüs histolojik tanı kriterleri ve bunların diğer melanositik tümörlerden ayırımındaki yeri

    Başlık çevirisi yok

    AYLA YÜCETÜRK

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2000

    PatolojiEge Üniversitesi

    Patoloji Ana Bilim Dalı

    PROF.DR. GÜLŞEN KANDİLOĞLU

  2. 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

    Türkçe

    2009

    DermatolojiYüzüncü Yıl Üniversitesi

    Dermatoloji Ana Bilim Dalı

    DOÇ. DR. NECMETTİN AKDENİZ

  3. 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

    İngilizce

    2019

    DermatolojiSağlık Bilimleri Üniversitesi

    Deri ve Zührevi Hast. Ana Bilim Dalı

    UZMAN ZEYNEP TOPKARCI

  4. 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

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2012

    PatolojiÇukurova Üniversitesi

    Patoloji Ana Bilim Dalı

    PROF. DR. MELEK ERGİN

  5. Kemoterapi sürecinde melanositik nevusların dermoskopik izlemi

    Dermoscopic follow up of nevi during chemotherapy

    NADİDE BURCU ÖZTÜRK

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2011

    DermatolojiKocaeli Üniversitesi

    Deri ve Zührevi Hast. Ana Bilim Dalı

    YRD. DOÇ. DR. AYSUN ŞİKAR AKTÜRK