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: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Karabük Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 92
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
- 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
- Attention mechanism in deep learning: An application in skin cancer
Derin öğrenmede dikkat mekanizması: Cilt kanserinde bir uygulama
MOHAMAD YATTABARE
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul ÜniversitesiEnformatik Ana Bilim Dalı
PROF. DR. SEVİNÇ GÜLSEÇEN
DOÇ. DR. MURAT GEZER
- 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
- Skin lesion classification using deep convolutional neural network and HSV color space
Derin evrişimsel sinir ağı ve HSV renk uzayı kullanarak cilt lezyonlarının sınıflandırılması
TAMERLAN NUSRADDINOV
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA ERSEL KAMAŞAK
- Derin öğrenme tabanlı yöntemler ile cilt lezyonlarının bölütlenmesi
Classification of skin lesions with deep learning based methods
NURULLAH ŞAHİN
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİnönü ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. DAVUT HANBAY
DR. ÖĞR. ÜYESİ NUH ALPASLAN