Geri Dön

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

  1. Tez No: 752654
  2. Yazar: CİHAN AKYEL
  3. Danışmanlar: PROF. DR. NURSAL ARICI
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Yönetim Bilişim Sistemleri, Computer Engineering and Computer Science and Control, Management Information Systems
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Gazi Üniversitesi
  10. Enstitü: Bilişim Enstitüsü
  11. Ana Bilim Dalı: Yönetim Bilişim Sistemleri Ana Bilim Dalı
  12. Bilim Dalı: Yönetim Bilişim Sistemleri Bilim Dalı
  13. Sayfa Sayısı: 95

Özet

Gelişen bilgi ve iletişim teknolojileriyle birlikte ulaşılabilen veri miktarı çok büyük boyutlara ulaşmıştır. Özellikle tıp alanında verilerin artmasıyla birlikte verilerin toplanması, işlenmesi ve kanser teşhisi gibi süreçlerde karar desteği için kullanımı önemli hale gelmektedir. Kanser vakalarının erken teşhisi, tedavi için hayati önem taşımaktadır. Son zamanlarda kanser teşhisinde derin öğrenme ve görüntü işleme gibi bilgisayarlı yöntemler yaygın olarak kullanılmaktadır. Karar destek sistemleri (KDS) kanser teşhisi için model bileşeninde bu yöntemleri kullanırlar. Bu çalışma kapsamında model bileşeninde görüntü işleme ve derin öğrenme algoritmaları kullanılarak, cilt kanserinin teşhisi için bir KDS geliştirilmiştir. Bu sistemde cilt kanseri görüntülerindeki gürültülerin temizlenmesi, lezyon bölütleme (segmentasyon) ve lezyon sınıflandırma aşamaları yer almaktadır. Önerilen KDS ile karar vericilere cilt kanserinin teşhisinde hızlı ve düşük maliyetle karar desteği sağlanması amaçlanmıştır. Mevcut literatürde halka açık bir maske veri seti bulunmadığından derin öğrenmede kullanmak için ISIC2018 veri setinden seçilen görüntüleri kullanarak gürültü maskeleri oluşturulmuştur. Çalışma kapsamında LinkNet-RCB7, ResNetC, UNet-RCB7 modelleri önerilmiştir. LinkNet-RCB7 ile gürültü temizliği ve lezyon bölütlemede sırasıyla %91,92, %96,85 ve önerilen sınıflama modeli ile lezyonun sınıflandırılmasında %97 zar doğruluğu elde edilmiştir. Bu sonuçlar karar vericilerin teşhis sürecine, katkısı açısından ümit vericidir.

Özet (Çeviri)

With the development information and communication technologies, the amount of data that can be accessed has reached enormous dimensions. Especially with the increase in the amount of data in the field of medicine, the collection and processing of data and its use in decision support in processes such as cancer diagnosis have become important. Early detection of cancer cases is vital for treatment. Recently, computerized methods such as deep learning and image processing have been widely used in cancer diagnosis. Decision support systems (DSS) for cancer diagnosis use these methods in the model component. A DSS for the diagnosis of skin cancer has been developed within the scope of the study by using deep learning and image processing algorithms in the model component of DSSs. In this system, there are stages of removing noise in skin cancer images, lesion segmentation and lesion classification. With the proposed DDS, it is aimed to provide decision support to decision makers in the diagnosis of skin cancer quickly and with low cost. Noise masks were created to use for deep learning with image in ISIC2018 because there is no publicly available mask dataset in the available literature. In this study, LinkNet-RCB7, ResNetC, UNet-RCB7 were proposed. Using LinkNet-RCB7, 91,92%, 96,85% dice accuracy in noise removal, lesion segmentation respectively, and using proposed classification model, 97% dice accuracy were obtained in lesion classification. These results are promising in terms of its contribution to the diagnosis process of decision makers.

Benzer Tezler

  1. 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

  2. Phyton üzerinden derin öğrenme algoritmaları kullanılarak deri görüntüsünden cilt hastalıklarının tespit edilmesi

    Detection of skin diseases from skin image by using deep learning algorithms in python

    KAAN ONUR KOÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Elektrik ve Elektronik MühendisliğiBolu Abant İzzet Baysal Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. KEMAL POLAT

  3. Derin öğrenme yöntemleri ile cilt lezyon bölütlemesi

    Skin lesion segmentation with deep learning techniques

    SOHAIB NAJAT HASAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi

    Enformatik Ana Bilim Dalı

    PROF. DR. SEVİNÇ GÜLSEÇEN

    DR. MURAT GEZER

  4. Derin öğrenme ve görüntü ön işleme yöntemleri ile otomatik deri lezyonu tespiti

    Automatic skin lesion detection with deep learning and preprocessing methods

    BEHLÜL SARIKAYA

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. AYBARS UĞUR

  5. Dermoskopik görüntülerden melanomanın derin evrişimsel sinir ağları ile teşhisi

    Diagnosis of melanoma in dermoscopic images with deep convolutional neural networks

    ENES AYAN

    Doktora

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKırıkkale Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HALİL MURAT ÜNVER