Cilt kanseri teşhisi için fpga üzerinde destek vektör makinesi tabanlı sınıflayıcı gerçekleştirilmesi
Development of fpga based support vector machine classifier for diagnosis of skin cancer
- Tez No: 693404
- Danışmanlar: PROF. DR. MUTLU AVCI
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Tıbbi Biyoloji, Electrical and Electronics Engineering, Medical Biology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Çukurova Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 91
Özet
Dünya çapında her sene görülen melanom cilt kanseri vakası yüz otuz binleri aşmaktadır. Özellikle beyaz ırkın yaşadığı bölgelerde bu rakam çok dramatik artış gösterebilmektedir. Dünya sağlık örgütüne göre cilt kanseri her sene altmış beş binden fazla insanın kaybına sebep olabilmektedir. Uzmanlar erken teşhis ve müdahalenin hayat kurtarıcı olabileceğinin altını çizmektedirler. Bu nedenle cilt kanserinin teşhisini hızlandıracak otomatik veya yarı otomatik, makine öğrenimi tabanlı donanım mimarisinin önem arz etmekte olduğu ileri sürülebilir. Bu tez çalışmasında patolojinin tanılanmasını hızlandırarak yaygınlaştırabilecek bağımsız bir donanımın geliştirilmesi amaçlanmıştır. Buna göre FPGA teknolojisi kullanılmış, makine öğrenimi teknikleri uygulanarak hedeflenen tanılama yeteneğinin donanıma kazandırılması sağlanmıştır. Sonuçlar geliştirilen platformun bilgisayardan bağımsız olarak yüksek isabet yüzdesi ile kötücül olabilecek cilt lezyonlarını tanılayabildiğini göstermektedir.
Özet (Çeviri)
Melanoma skin cancer cases are observed worldwide more than one hundred and thirty thousand every year. This number can increase dramatically especially in the regions where the white race lives. According to the world health organization, skin cancer can cause the loss of more than sixty-five thousand people every year. Experts underline that early detection and intervention can be life-saving. Therefore, it should be noted that automatic or semi-automatic, machine learning-based hardware architecture that is able to help accelerate the diagnosis of skin cancer would be crucial. In this thesis, it is aimed to develop an independent hardware that can decrease the automated diagnosis complexity of the pathology. Accordingly, FPGA technology was used, and the targeted diagnostic capability was provided by application of machine learning techniques. The results show that the developed platform can diagnose skin lesions that may be harmful with a high hit percentage.
Benzer Tezler
- Cilt kanseri teşhisi için yeni bir derin öğrenme algoritması
A new deep learning algorithm for skin cancer diagnosis
GÖKHAN KEMAL ANLI
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiUluslararası Bilgisayar Ana Bilim Dalı
DOÇ. DR. MURAT KURT
- Görüntü işleme ve derin öğrenme yöntemleri ile cilt kanseri teşhisi için karar destek sisteminin geliştirilmesi
Development of decision support system for skin cancer diagnosis with image processing and deep learning methods
CİHAN AKYEL
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
PROF. DR. NURSAL ARICI
- Cilt kanseri teşhisinde derin öğrenme modelinin geliştirilmesi ve açıklanabilir yapay zekâ teknikleri ile yorumlanması
Development of a deep learning model for skin cancer diagnosis and its interpretation using explainable artificial intelligence techniques
HAVVA HAZEL ARAS
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. NURETTİN DOĞAN
- Tam otomatik ve metasezgisel tabanlı yeni bir derin öğrenme mimarisi üretecinin geliştirilmesi ve cilt kanseri teşhisi için etkinliğinin gösterilmesi
Development of a novel, fully automatic and metaheuristic-based deep learning architecture generator and demonstration of its effectiveness through skin cancer diagnosis
MUSTAFA FURKAN KESKENLER
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtatürk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. DENİZ DAL
- Microwave dielectric property characterization with open-ended coaxial probe and sensing depth analysis of the probes for biological tissues
Açık uçlu koaksiyel prob ile mikrodalga dielektrik özellik tanımlaması ve biyolojik dokular için probların algılama derinlik analizi
CEMANUR AYDINALP
Doktora
İngilizce
2022
Biyomühendislikİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. TUBA YILMAZ ABDOLSAHEB