Classification of skin cancer with deep transfer learning method
Derin transfer öğrenme yöntemiyle cilt kanserinin sınıflandırılması
- Tez No: 785155
- Danışmanlar: DR. ÖĞR. ÜYESİ SERKAN SAVAŞ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Derin öğrenme, Evrişimli sinir ağları, Kanser, Lezyonlar, Makine öğrenmesi, Transfer öğrenimi, Yapay zeka, Deep learning, Convolutional neural networks, Lesions, Machine learning, Transfer learning, Artificial intelligence
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Çankırı Karatekin Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Cilt kanseri insan sağlığı için önemli bir tehdittir. Cilt kanseri hastalarının tamamen tedavi edilmesinin anahtar çözümü, cilt kanserinin temelini oluşturan lezyonların erken saptanmasıdır. Yapay zekâ teknolojisindeki ilerlemeyle birlikte, dermatologların cilt kanserini tespit etmesine yardımcı olacak otomatik yaklaşımlar geliştirmede önemli ilerlemeler kaydedilmiştir. Bu çalışmada cilt kanseri sınıflandırması için Uluslararası Cilt Görüntüleme Ortaklığı (International Skin Imaging Collaboration - ISIC) veri seti (64000 görüntü) üzerinde sekiz farklı transfer öğrenme ağı incelenmiştir. Çalışmada kullanılan modeller, son zamanlarda çeşitli çalışmalarda başarılı olan DenseNet121, Xception, InceptionResNetV2, ResNet50, Inception, EfficentNetB6, VGG16 ve MobileNetV2'dir. Çalışmanın ön işleme bölümünde, veri seti eğitim, doğrulama ve test olmak üzere üç bölüme ayrılmıştır. Çalışmanın sonuçları, bazı transfer öğrenme modellerinin, yüksek sınıflandırma doğrulukları ile sınıflandırma başarısı için uygun olduğunu göstermiştir. İnce ayarlı DenseNet121 modeli, %99.6'lık bir doğruluk oranıyla çalışmada kullanılan diğer tüm ön-eğitimli modellerden daha iyi performans göstermiştir. Ayrıca topluluk öğrenme yöntemi en iyi üç model (DenseNet121, MobileNetV2 ve Xception) ile uygulandığında %99.96 doğruluk elde edilmiştir
Özet (Çeviri)
Skin cancer is a significant threat to human health. The key solution to completely treating skin cancer patients is early detection of lesions, which are the basis of skin cancer. With the advancement of artificial intelligence technology, significant progress has been made in developing automated approaches to help dermatologists detect skin cancer. In this study, eight different transfer learning networks are examined on the International Skin Imaging Collaboration (ISIC) dataset (64000 images) for the classification of skin cancer. The models used in the study are DenseNet121, Xception, InceptionResNetV2, ResNet50, Inception, EfficentNetB6, VGG16, and MobileNetV2 which were successful in various studies recently. In the preprocessing part of the study, the dataset is split into three parts training, validation, and testing. The results of the study showed that some transfer learning models are appropriate for classification success, with high classification accuracies. With an accuracy rate of 99.6%, the finetuned DenseNet121 model outperformed all other pre-trained models used in the study. In addition, when the ensemble learning method was applied with the best three models (DenseNet121, MobileNetV2, and Xception), 99.96% accuracy was obtained.
Benzer Tezler
- Deri kanseri sınıflandırılmasında derin öğrenme modellerinin performans analizi
Performance analysis of deep learning models in skin cancer classification
MUSTAFA ADIGÜZEL
Yüksek Lisans
Türkçe
2025
DermatolojiAtatürk ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DOÇ. DR. YASEMİN GÜLTEPE
- 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
- Derin öğrenme teknikleri kullanılarak cilt lezyonları için çok sınıflı sınıflandırma
Multi-class classification for skin lesions using deep learning techniques
ÜMMÜHAN KOPAL
Yüksek Lisans
Türkçe
2025
Biyomühendislikİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. MÜRVET KIRCI
- Derin öğrenme için yenilikçi düzgünleştirme yaklaşımlarının geliştirilmesi ve medikal görüntülere uygulanması
Development of new regularization approaches for deep learning and application to medical images
KAZIM FIRILDAK
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİnönü ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MUHAMMED FATİH TALU
DR. ÖĞR. ÜYESİ GAFFARİ ÇELİK
- 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