Cilt kanseri tespitinde evrişimsel sinir ağları mimarilerinin karşılaştırılması
Comparison of convolutional neural networks architectures in skin cancer detection
- Tez No: 687024
- Danışmanlar: DR. ÖĞR. ÜYESİ ERHAN ERGÜN
- 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: Ondokuz Mayıs Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 113
Özet
Cilt kanseri dünya genelinde en sık görülen kanser türleri arasındadır. En kötü huylu olan melanom cilt kanseri, az görülmesine rağmen ölüm oranı yüksektir. Cilt kanseri tespiti için dermatologlar tarafından kullanılan genel yöntem dermoskopi taraması olmakla birlikte kesin sonuç biyopsi ile elde edilmektedir. Cilt kanseri erken tespit edildiğinde hastalık büyük ölçüde tedavi edilebilmektedir. Bu çalışmada, gereksiz biyopsi işlemlerini azaltmak ve cilt kanserinin erken tespitini hızlandırmak için, bilgisayar destekli tanı (BDT) sistemi önerilmiştir. Önerilen yöntemde dermoskopi görüntülerinde bulunan lezyon bölgesinin tespitini zorlaştıran kıl ve benzeri gürültüler morfolojik işlemlerle ve Gauss bulanıklığı yöntemi ile ortadan kaldırılmıştır. Lezyon bögesinin tespiti ve ayırıcı özelliklerinin elde edilebilmesi için Otsu eşikleme yöntemi ile görüntülerin segmentasyon maskeleri çıkarılmıştır. Kontur bulma yöntemleri ile maskede bulunan lezyon bölgesi koordinatları tespit edilerek ilgili bölge görüntüden kırpılmıştır. Kırpılan görüntülerin tümü 224x224 boyutuna yeniden ölçeklendirilmiştir. Çalışmada, veri setinde bulunan orjinal görüntüler ve ön-işlemlerden geçirilen görüntüler kullanılarak 3 farklı sınıflandırma görevi gerçekleştirilmiştir. Tüm sınıflandırma görevlerinde, özellik çıkarımı ve sınıflandırma için 6 farklı evrişimsel sinir ağı (CNN) mimarisi kullanılmıştır. Kötü huylu melanomların iyi huylu tüm cilt lezyonlarından ayrılması için gerçekleştirilen birinci görevde test kümesi üzerinde DenseNet-121 mimarisi ile %92 doğruluk, %91 AUC, %88 precision, %74 recall ve %80 F-Score değeri elde edilmiştir. Tüm kötü huylu cilt lezyonlarının iyi huylu lezyonlardan ayrılması için gerçekleştirilen ikinci sınıflandırma görevinde test kümesi üzerinde ResNet-152 mimarisi ile %89 doğruluk, %91 AUC, %85 precision, %81 recall ve %83 F-Score değeri elde edilmiştir. Tüm cilt lezyonlarının kendi sınıfına ayrılması için gerçekleştirilen üçüncü sınıflandırma görevinde test kümesi üzerinde ResNet-152 mimarisi ile %84 doğruluk, %78 precision, %77 recall ve %78 F-Score değeri elde edilmiştir. Tüm sınıflandırma görevlerinde ön-işlemli görüntüler ile orjinal görüntülerin sınıflandırma sonuçları karşılaştırmalı olarak verilmiştir. Yapılan çalışmada elde edilen sonuçlar, önerilen yöntemin cilt kanseri tespitinde istenilen düzeyde başarımı verdiğini göstermektedir.
Özet (Çeviri)
Skin cancer is among the most common types of cancer worldwide. Although the most malignant melanoma skin cancer is rare, the mortality rate is very high. Although the common method used by dermatologists for the detection of skin cancer is dermoscopy screening, the final result is obtained by biopsy. When skin cancer is detected early, the disease is largely curable. In this study, a computer-assisted diagnosis (CBT) system is proposed to reduce unnecessary biopsy procedures and accelerate the early detection of skin cancer. In the proposed method, hair and similar noises that make it difficult to identify the lesion area in dermoscopy images were removed by morphological operations and Gaussian blur method. In order to identify the lesion area and obtain its distinctive features, the segmentation masks of the images were removed by the Otsu threshold method. The coordinates of the lesion area on the mask were determined using the contour finding methods, and the relevant region was clipped from the image. All the cropped images are rescaled to 224x224. In the study, 3 different classification tasks were carried out using the original images in the data set and images that were pre-processed. 6 different convolutional neural network (CNN) architectures are used for feature extraction and classification in all classification tasks. In the first task performed to differentiate malignant melanomas from all benign skin lesions, 92% accuracy, 91% AUC, 88% precision, 74% recall and 80% F-Score values were obtained on the test set with DenseNet-121 architecture. In the second classification task performed to distinguish all malignant skin lesions from benign lesions, 89% accuracy, 91% AUC, 85% precision, 81% recall and 83% F-Score values were obtained on the test set with the ResNet-152 architecture. In the third classification task performed to classify all skin lesions into their own class, 84% accuracy, 78% precision, 77% recall and 78% F-Score values were achieved on the test set with the ResNet-152 architecture. In all classification tasks, the classification results of pre-processed images and the original images are given comparatively. The results obtained in the study show that the proposed method gives the desired level of performance in the detection of skin cancer.
Benzer Tezler
- Dermoskopik görüntülerden melanomanın derin evrişimsel sinir ağları ile teşhisi
Diagnosis of melanoma in dermoscopic images with deep convolutional neural networks
ENES AYAN
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKırıkkale ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HALİL MURAT ÜNVER
- 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
- Skin lesion classification with machine learning
Makine öğrenmesi ile cilt lezyonu sınıflandırması
ESRA SENDEL
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. İSA YILDIRIM
- Dermatolojik görüntülerde melanomlu bölge tespiti için hibrit destek vektör makinesi yöntemi geliştirilmesi
Development of hybrid support vector machine method for detection of melanoma area in dermatological images
SÜMEYYA İLKİN
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SUHAP ŞAHİN
- İnsan papilloma virüsünün saptanmasındalaboratuvar yapımı LAMP yönteminin etkinliğinindeğerlendirilmesi
O, evaluation of the efficacy of laboratory made lamp method indetection of human papilloma virus
ONUR TAŞÇI
Tıpta Uzmanlık
Türkçe
2024
MikrobiyolojiHacettepe ÜniversitesiTıbbi Mikrobiyoloji Ana Bilim Dalı
PROF. DR. ALPASLAN ALP