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
- Tez No: 706800
- Danışmanlar: DOÇ. DR. SUHAP ŞAHİN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Kocaeli Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 100
Özet
Melanom, kötü huylu ve agresif bir cilt kanseri türüdür. İyileşme olasılığı, erken tespit edilme durumu ile yüksek oranda ilişkili olduğu için, melanomun erken tespiti oldukça önemlidir. Yapılan araştırmalara göre cilt kanserlerinin erken teşhisi tedavinin başarı oranlarını oldukça artırmaktadır. Bu hastalığın teşhisi hastalar için oldukça pahalı ve acı vericidir. Bu nedenle, bilgisayar destekli tanı (CAD) sistemleri aracılığıyla cilt kanseri teşhisi, araştırmacılar arasında gittikçe popüler hale gelmektedir. Bu çalışmanın amacı, melonom tipi cilt lezyonunun tespitinde kullanılan makine öğrenmesi algoritmalarını incelemek ve çalışma süresi ve başarım oranları bakımından efektif bir makine öğrenmesi algoritması geliştirmektir. Bu tez çalışmasında dijital dermatoskoptan alınan lezyon görüntüleri üzerinde melanomun saptanması için etkili bir yöntem açıklanmaktadır. İlk olarak literatürde bulunan klasik makine öğrenmesi yöntemleri ile melanom tespit işlemi yapılmıştır. Elde edilen sonuçlar incelenmiş ve aralarından en başarılı sonucu veren DVM algoritması seçilerek ikinci aşamaya geçilmiştir. İkinci aşamada ise, DVM algoritması ve Bakteri Koloni algoritması kullanılarak hibrit bir sınıflandırma algoritması geliştirilmiştir. Geliştirilen bu sınıflama algoritması hybSVM olarak isimlendirilmiştir. Tez kapsamında önerilen hybSVM algoritması, 10 çapraz kat doğrulama kullanılarak ISIC ve PH2 olarak bilinen iki farklı veri kümesi ile test edilmiştir. Elde edilen sonuçlar literatürde bulunan güncel çalışmalarla karşılaştırılmıştır. Önerilen çalışma kapsamında; çalışma süresi ve başarım oranı açısından en iyi sonuçların; ISIC ve PH2'den sırasıyla %98, %97 AUC değeri ve 26,5 ve 11,9 sn. çalışma süreleri ile tez çalışması kapsamında geliştirilen hybSVM ile alındığı tespit edilmiştir.
Özet (Çeviri)
Melanoma is a malignant and aggressive type of skin cancer. Early detection of melanoma is essential since the possibility of recovery is highly associated with its early detection. According to studies, early detection of skin cancers increases the success rates of treatment. The diagnosis of this disease is quite expensive and painful for the patients. Hence the diagnosis of skin cancer through computer aided diagnosis (CAD) systems are becoming more popular among researchers. The purpose of this thesis is to examine the machine learning algorithms used in the detection of melanoma type skin lesion and to develop an effective machine learning algorithm in terms of processing time and accuracy rates. In this thesis, an effective method for detecting melanoma on skin lesion images which are obtained from digital dermatoscope is described. First of all, melanoma detection was performed with classical machine learning methods used in the literature. The obtained results were examined and the SVM algorithm, which gave the most successful result, was selected and the second stage was forwarded. In the second stage, a hybrid classification algorithm was developed using the SVM algorithm and the Bacterial Colony algorithm. This developed classification algorithm is named as hybSVM. The hybSVM algorithm proposed in the thesis, was tested with two different datasets namely ISIC and PH2 by using 10 cross fold validation. The results obtained were compared with the state-of-art in the literature. Within the scope of the proposed study, it was concluded that the best result was obtained by hybSVM that we developed, with an AUC value of 98%, 97% and an operation time of 26.5, 11.9 sec respectively from ISIC and PH2.
Benzer Tezler
- 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
- Classification of melanoma malignancy in dermatology
Dermatolojide melanoma malignansının sınıflandırılması
BİLGE SÜHEYLA GAZİOĞLU
Doktora
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA ERSEL KAMAŞAK
- Melanositik nevus sayısı ve dermoskopik özellikleri ile, meksameter ile ölçülen deri rengi arasındaki ilişkinin araştırılması
Investigation of the relation between the count and dermoscopic features of the melanocytic nevus and the skin colour measured with mexameter
GİZEM YAĞCIOĞLU
Tıpta Uzmanlık
Türkçe
2016
DermatolojiAdnan Menderes ÜniversitesiDeri ve Zührevi Hast. Ana Bilim Dalı
DOÇ. DR. MELTEM USLU
- Plantar verrularda spektrofotometrik intrakutanöz analiz bulguları ve karakteristikleri
Spectrophotometric intracutaneous analysis findings and characteristics in plantar verruca
HURİYE AYBÜKE CİBELİK
Tıpta Uzmanlık
Türkçe
2020
DermatolojiAnkara Yıldırım Beyazıt ÜniversitesiDeri ve Zührevi Hast. Ana Bilim Dalı
PROF. DR. AHMET METİN
- Dermoskopik görüntüler kullanılarak yapay zeka tabanlı tanı sistemi oluşturulması ve tanı sisteminin asistan eğitimindeki yerinin değerlendirilmesi
Development of an artificial intelligence-based diagnostic system using dermoscopic images and evaluation of the diagnostic system's place in dermatology residency
TUĞÇE ARSLAN
Tıpta Uzmanlık
Türkçe
2024
DermatolojiHacettepe ÜniversitesiDeri ve Zührevi Hast. Ana Bilim Dalı
PROF. SİBEL DOĞAN GÜNAYDIN