Geri Dön

Skin cancer diagnosis based on machine learning techniques

Makine öğrenme tekniklerine göre deri kanseri teşhisi

  1. Tez No: 741544
  2. Yazar: NECHIRVAN ASAAD MAJEED ZEBARI
  3. Danışmanlar: DR. ÖĞR. ÜYESİ MEHMET EMİN TENEKECİ
  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: 2022
  8. Dil: İngilizce
  9. Üniversite: Harran Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 103

Özet

Malign melanom olarak bilinen ölümcül melanom formu, cilt kanseri vakalarının büyük çoğunluğunu oluşturur. En riskli tümörlerden biri olarak kabul edilir. Basit bir biopsy ile erken evrede malign melanomu başarılı bir şekilde tedavi edilebilir. Sonuç olarak, cilt kanserinin prognozunu tedavinin en iyi yolu erken teşhis prosedürü uygulamaktır. Melanomun erken evrelerinde teşhis edilmesi söz konusu olduğunda, mevcut en etkili araçlar, dermoskopi ve normal kamera fotoğrafları gibi tıbbi görüntülemeyi içeren araçlardır. Melanom vakalarını teşhis etme sürecinde radyologlara yardımcı olacak bilgisayar destekli teşhis (BDT) araçlarının geliştirilmesine acilen ihtiyaç vardır. Radyologlara cilt kanseri tespiti konusunda yardımcı olmak için bu araştırma, cilt kanseri segmentasyonu ve sınıflandırması için farklı aşamalara dayalı yeni bir BDT modeli önermeye odaklanmaktadır. Bu tekniğin ile görüntünün kalitesi arttırılmaktatır. Bu nedenle, bu çalışmada görüntülerin kalitesini artırmak için bölütlemeden önce görüntülere ön işlem uygulanmıştır. Önerilen modelin ilk aşamasında farklı tekniklerin kullanıldığı bir ön işleme aşamasıdır. Bu işlemler sonraki aşamalar için görüntüleri hazırlamak için kullanılmaktadır. Ayrıca, önerilen modelin ikinci aşamasında, iki ana adımda görüntülerden İlgi Bölgesi (ROI) çıkarır. Uygulanan önişlemeden sonra ROI'yi çıkarmak için K-Ortalamalar yöntemi kullanılmıştır. Ancak bu adımın çıktısı mevcut istenmeyen nesneler nedeniyle hatalı segmentasyondan yapmaktadır. Bu sebeple, önerilen yöntemde K-ortalamalar segmentasyonu sonrası elde edilen çıktıya istenmeyen nesneleri kaldırmaya yönelik son işlem uygulanmıştır. Bir sonraki aşama, elde edilen görüntülerden en önemli öznitelikler çıkarılmasını içerir. Gabor, Wavelet, Local Binary Pattern (LBP) ve Histogram of Oriented Gradients (HOG) metotları ile görüntüden farklı öznitelikler çıkarılır ve ardından bu özelliklerin tümü birleştirilir. Ayrıca görüntüden evrişimsel sinir ağlarına (CNN) dayalı derin öznitelikler çıkarılmıştır. Sınıflandırma aşamasında, görüntüden çıkarılan doku özellikleri, Destek Vektör Makinesi (SVM) sınıflandırıcısı ile cilt lezyon görüntüleri sınıflandırılarak melanom tespit edilmiştir.

Özet (Çeviri)

The fatal form of melanoma, known as malignant melanoma, accounts for the great majority of cases of skin cancer. It is regarded as one of the tumors that provides the greatest risk. A straightforward biopsy may be all that is required to successfully treat early-stage malignant melanoma. As a result, the greatest way to enhance the prognosis of skin cancer is to perform a detection procedure early on. When it comes to diagnosing melanoma in its earlier phases, the most effective tools available are those that include medical imaging, such as dermoscopy and regular camera photos. There is an urgent requirement for the development of computer-aided diagnostic (CAD) tools to assist radiologists in the process of diagnosing instances of melanoma. To help radiologists with skin cancer detection, this research focuses on proposing a new CAD model based on different stages for skin cancer segmentation and classification. The ultimate goal of this technique is to improve the quality of the image. Thus, to improve the quality of images, preprocessing has been applied to images before segmentation in this study. The first stage of the proposed model is a preprocessing stage, where this stage uses different techniques in this stage to prepare and enhance images for the next stages. Furthermore, in the second stage of the proposed model, this research extracts the Region of Interest (ROI) from images based on two main steps. K-means has been employed after the preprocessing stage to extract ROI as an initial segmentation. However, the output of this step still suffers from inaccurate segmentation due to existing unwanted objects. At this point, this research is motivated to remove unwanted objects from the output of K-means in post-segmentation. The next stage involves the extraction of the most important features from the segmented images. Different features are extracted from the image, including Gabor, Wavelet, Local Binary Pattern (LBP), and Histogram of Oriented Gradients (HOG), and then all of these features are combined. Moreover, deep features based on convolutional neural networks (CNN) have been extracted from the image. In the classification stage, the extracted texture features from the image were put into groups using a Support Vector Machine (SVM) classifier.

Benzer Tezler

  1. Fuzzy techniques in image processing for risk assessment of skin diseases

    Deri hastalıklarının risk değerlendirmesi için görüntü işlemede bulanık teknikler

    İSMAİL CANOĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    PROF. DR. EMEL KURUOĞLU KANDEMİR

  2. Skin lesion classification with machine learning

    Makine öğrenmesi ile cilt lezyonu sınıflandırması

    ESRA SENDEL

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. İSA YILDIRIM

  3. Segmentation of skin cancer by using image processing techniques

    Görüntü işleme teknikleri kullanılarak cilt kanseri segmentasyonu

    AZHAR KASSEM FLAYEH FLAYEH

    Yüksek Lisans

    İngilizce

    İngilizce

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    Assist. Prof. Dr. GÖRKEM SERBES

  4. Breast cancer data classification using SVM, NB and KNN algorithms

    SVM, NB ve KNN kullanımı ile göğüs kanseri veri sınıflandırması

    BURCU MERAL

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilim ve Teknolojiİstanbul Teknik Üniversitesi

    Matematik Mühendisliği Ana Bilim Dalı

    PROF. DR. KAMİL ORUÇOĞLU

  5. 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

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFatih Sultan Mehmet Vakıf Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MUSA AYDIN

    DR. ÖĞR. ÜYESİ ALİ NİZAM