A hybrid of CNN and PCA in skin cancer for improving accuracy detection
Doğruluk tespitinin iyileştirmek için cilt kanserinde CNN ve PCA hibriti
- Tez No: 754102
- Danışmanlar: PROF. DR. ZAFER CİVELEK
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Çankırı Karatekin Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 89
Özet
Kanser, insan vücudunun herhangi bir bölümünü etkileyebilen birçok hastalığın genel adıdır. Cilt kanseri en yaygın ve tehlikeli kanser türü olarak kabul edilir. Cilt kanserini tespit etmek ve teşhis etmek için bilgi teknolojisi teknikleri gereklidir. Bu nedenle, etkin ve derin öğrenme teknikleri kullanılarak erken ve doğru bir cilt kanseri teşhisi ve tedavisine ihtiyaç vardır. Bu araştırma çalışması, Derin Evrişim Sinir Ağı (DPD-DCNN) kullanarak cilt kanserinin otomatik teşhisini önermektedir. Bu araştırmanın ayırt edici özelliği, cilt kanseri doğruluğunun teşhisini ve tespitini artıran 12 iç içe işleme katmanına sahip DCNN kullanmasıdır. Ayrıca kanserin kötü huylu veya iyi huylu olup olmadığını erken evrelerde yüksek doğrulukla tespit edebilmektedir. Sinir ağının yanı sıra, cilt kanserini tespit etmek için Naive Bayes ve rassal orman makine öğrenme teknikleri de kullanılmaktadır. Bu araştırma çalışması sonuçları, derin öğrenme tekniğinin cilt kanseri tespiti açısından makine öğreniminden daha etkili olduğu sonucuna varmıştır. Önerilen sistem doğruluğuna Naive Bayes uygulanarak %96'lık bir doğruluk elde edildi, benzer şekilde rassal orman yöntemi için de %97'lik bir doğruluk elde edildi. Deep CNN ağı uygulanarak %99,5 doğruluk elde edildi.
Özet (Çeviri)
Cancer is a generic term for many diseases that can affect any part of the human body. Skin cancer is considered to be the greatest common and dangerous type of cancer. Information technology techniques are required to detect and diagnose skin cancer. Therefore, there is a essential for an early and accurate diagnosis and treatment of skin cancer using effective and deep learning techniques. This research work proposes automatic diagnosis of skin cancer by employing Deep Convolution Neural Network (DCNN). The distinguishing feature of this research is it employs DCNN with 12 nested processing layers increasing the diagnosis and detection of skin cancer accuracy. Moreover, it can detect the cancer if it is malignant or benign in the early stages with high accuracy. Beside neural network, machine learning techniques of Naive Bayes and random forest are also utilized to detect skin cancer. This research work results concluded that the deep learning technique are more effective than machine learning in terms of skin cancer detection. By applying Naive Bayesian on the proposed system accuracy of 96% were achieved, similarly for Random forest method, an accuracy of 97% were achieved. The accuracy of 99.5% were achieved by applying Deep CNN network.
Benzer Tezler
- 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
- Application of a voting-based ensemble method for recognizing seven basic emotions in real-time webcam video images
Gerçek zamanlı web kamerası video görüntülerinde yedi temel duygunun tanınmasına yönelik oylamaya dayalı topluluk yönteminin uygulanması
AHMET TUNAHAN ŞANLI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankaya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MURAT SARAN
- Can veri yolu haberleşme protokolüne sahipelektrikli araçlara yapılan siber saldırıları derinöğrenme yöntemleri ile tespiti
Detection of cyber attacks on electric vehicles withcan-bus communication protocol using deep learni̇ngmethods
EMRE TÜFEKCİOĞLU
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik MühendisliğiBursa Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN GÜRKAN
PROF. DR. CEMAL HANİLÇİ
- Dalgacık dönüşümü ve shap destekli özellik seçimi ile CNN-LSTM tabanlı güneş ışınımı tahmini
CNN-LSTM based solar irradiance estimation using wavelet transform and shap-assisted feature selection
SONGÜL KAYIK
Yüksek Lisans
Türkçe
2025
EnerjiBatman ÜniversitesiYenilenebilir Enerji Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SELAHATTİN BARIŞ ÇELEBİ
- Embedded vision system designed on a heterogeneous computing platform and applied to semen analysis
Heterojen hesaplama platformu üzerinde tasarlanan gömülü görüntü sistemi ve semen analizi uygulanması
OSMAN LEVENT ŞAVKAY
Doktora
İngilizce
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. MÜŞTAK ERHAN YALÇIN