Detection and classification of melanoma using a dense convolutional neural network
Yoğun bir konvolüsyonel sinir ağı kullanarak melanomun tespiti ve sınıflandırılmasıgeliştirilmesi
- Tez No: 751933
- Danışmanlar: DR. ÖĞR. ÜYESİ ADNAN SAHER MOHAMMED AL-AJEELI
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Derin öğrenme, Dermoskopi, Evrişimli sinir ağları, Melanom, Deep learning, Dermoscopy, Convolutional neural networks, Melanoma
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Karabük Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Melanom, cilt iltihabının en tehlikeli türüdür. Nadir olmasına rağmen, bu durum ölümcüldür, ve standart yöntemlerle teşhis etmek zordur, çünkü yüksek düzeyde beceri ve gerekli tıbbi ekipman gerekmektedir. Tanı için gerekli sürenin yanı sıra yeni bir teşhis yaklaşımının geliştirilmesini gerekli kılmaktadır. Sağlık açısından erken dönemde, sağlık bakımına yönelik incelemeler konusunda çok önemli bir adımdır. Sonuç olarak, cilt kanseri için etkili erken teşhis prosedürleri, sağlık kurumlarında ve tıp merkezlerinde yüksek talep görmektedir ve yüksek kaliteli ve doğru teşhis sonuçları sağlamak için sürekli geliştirmeye ihtiyaç duyarlar. Derin öğrenmenin ana hedefi, melanom yolunu algılayan etkili bir özelliği otomatik olarak belirlemektir ve yüksek spektrumlu görüntülerin diğerlerinden ayırt edilebilmesi için geleneksel görüntülerle başa çıkabilecek görüntüleme sistemleri ve teknolojileri geliştirerek yeni öğrenme modelleri geliştirmeye yönelik ciddi girişimler vardır. Bu tez çalışmasında, melanom teşhisi için yoğun bir evrişimli sinir ağı (Dense-CNN) modeli tasarlanmıştır. Önerilen model sekiz veri kümesine uygulandı: HAM10000 veri kümesi, ISIC 2019, DermQuest-DermIS, ISIC 2017, ISIC 2016, MED-NODE, PH2 veri kümesi ve DermNet. Bu veri setlerinin tümü, Dermoskopi ile elde edilen deri lezyonlarının görüntüleri içindir. Sonuçlarımız diğer çalışmaların sonuçlarıyla karşılaştırıldı. Sekiz veri kümesine uygulandığında, önerilen model doğruluk, duyarlılık, özgüllük ve kesinlik açısından yüksek tanı oranları elde etti.
Özet (Çeviri)
Melanoma is the most dangerous kind of skin inflammation. Despite its rarity, this condition is fatal, and diagnosing it using standard methods is difficult due to the high level of skill and medical equipment required, as well as the length of time required for diagnosis, necessitating the development of a new diagnostic approach. Early identification of skin cancer is a critical step that can aid in the delivery and elimination of effective treatment. As a result, effective early detection procedures for skin cancer are in high demand in health institutions and medical centers, and they require ongoing development to provide high-quality and accurate diagnostic results. Deep learning's main goal is to identify an effective feature that detects the melanoma pathway automatically, and there are serious attempts to develop new learning models developing imaging systems and technologies that can deal with traditional images so that high-spectrum images can be distinguished from others. This paper uses a dense convolutional neural network (Dense-CNN) model for melanoma diagnosis. The proposed model was applied to eight datasets: the HAM10000 dataset, ISIC 2019, DermQuest-DermIS, ISIC 2017, ISIC 2016, MED-NODE, PH2 dataset, and DermNet. All of these datasets are for images of skin lesions obtained through dermatoscopy. Our results were compared with those of other studies. When applied to the eight datasets, the proposed model achieved high diagnostic rates in terms of accuracy, sensitivity, specificity, and precision.
Benzer Tezler
- Derin öğrenme yöntemleri kullanarak cilt kanserinin tespiti ve sınıflandırılması
Detection and classification of skin cancer using deep learningmethods
MOHAMMED MAHMOOD HUSSEIN HUSSEIN
Yüksek Lisans
Türkçe
2026
Mühendislik BilimleriTokat Gaziosmanpaşa ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
الأستاذ الدكتور MAHMUT HEKİM
- Skin cancer detection and classification from dermatoscopic images using deep learning methods
Derin öğrenme yöntemleri kullanarak dermatoskopik görüntülerden otomatik cilt kanseri tespiti ve sınıflandırılması
SERDAR KALAYCI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAbdullah Gül ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BÜLENT YILMAZ
- Skın cancer detectıon and classıfıcatıon usıng deep learnıng
Derin öğrenme kullanilarak cilt kanserinin tespiti ve siniflandirilmasi
ALZAHRAA YAHYA HAIDER HAIDER
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. GALİP CANSEVER
- Skin cancer detection using CNN and random forest: A hybrid approach
CNN ve rastgele orman kullanarak cilt kanseri tespiti: Hibrit bir yaklaşım
NAJWA MOHAMMED SALEM SALEH AL-WESABI
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ OKATAN
- Melanom cilt kanserinin tespiti için derin öğrenme tabanlı optimize edilmiş ve açıklanabilir aı destekli bir yöntem
Deep learning-based optimized and explaninable ai-supported method for the detection of melanoma skin cancer
ALİAGHA GULİYEV
Yüksek Lisans
Türkçe
2026
Hitit ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. KENAN GENÇOL