Attention mechanism in deep learning: An application in skin cancer
Derin öğrenmede dikkat mekanizması: Cilt kanserinde bir uygulama
- Tez No: 801847
- Danışmanlar: PROF. DR. SEVİNÇ GÜLSEÇEN, DOÇ. DR. MURAT GEZER
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: İstanbul Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Enformatik Ana Bilim Dalı
- Bilim Dalı: Enformatik Bilim Dalı
- Sayfa Sayısı: 58
Özet
Bu çalışma, cilt kanseri ve melanomun makine öğrenmesı yöntemlerı ile analizine yardımcı olacak bir sistemin gerçekleştirilmesini içermektedir. Cilt kanseri, hemen tedavi edilmezse ölüme neden olabilen yaygın ve çok ciddi bir hastalıktır. Melanom cilt kanserinin en tehlikeli ve aynı zamanda nadir görülen türüdür. En çok ölüme neden olur. Tüm hastalıklarda olduğu gibi cilt kanserinde de erken ve doğru teşhis çok önemlidir. Katkımız, iyi huylu bir melanomu başka bir kötü huylu melanomdan ayıran melanomun dermoskopik görüntülerinin bir sınıflandırma modelinin uygulanmasıyla ilgilidir. Bilgisayar destekli analiz sistemleri, dermatologların ve hastaların daha iyi kararlar almasına yardımcı olur. Özellikle makine öğrenmesi ve derin öğrenme bilgisayar destekli analiz sistemlerinde etkin bir şekilde kullanılmaktadır. Bu çalışmada, CNN modelinin avantajını göstermek için otomatik bir melanom tespit sınıflandırma sistemi önerilmiştir. Bu çalışmada, Melanom tespiti için derin sinir ağı modeli olarak tasarlanan CNN ile, diğer yöntemlere göre %99 daha yüksek sınıflandırma doğruluğu elde edilmiştir.
Özet (Çeviri)
This study involves the implementation of a system assisted by machine learning methods to analyze skin cancer and melanoma. Skin cancer is a common and serious disease that can lead to death if not treated promptly. Melanoma is the most dangerous and rare type of skin cancer, and it causes the majority of deaths. Just like with any disease, early and accurate diagnosis is crucial for skin cancer. Our contribution focuses on the application of a classification model to the dermoscopic images of melanoma, which distinguishes a benign melanoma from a malignant one. Computer-aided analysis systems assist dermatologists and patients in making better decisions, and they are effectively utilized in machine learning and deep learning in computer-aided analysis systems. In this study, an automatic melanoma detection and classification system is proposed to showcase the advantages of the CNN model. In this study, an automatic melanoma detection and classification system using a CNN designed as a deep neural network model for melanoma detection achieved a classification accuracy 99% higher than other methods.
Benzer Tezler
- Cognitively-inspired deep learning approaches for grounded language learning
Temellendirilmiş dil öğrenimi için bilişsel esinli derin öğrenme yaklaşımları
OZAN ARKAN CAN
Doktora
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKoç ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
PROF. DR. DENİZ YURET
- Superpixel assisted deep neural network for breast tumor segmentation in ultrasound images
Süperpiksel destekli derin sinir ağı ile meme ultrason görüntülerinde tümör segmentasyonu
NEFİSE UYSAL
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ENDER METE EKŞİOĞLU
ÖĞR. GÖR. MURAT GEZER
- Single-frame and multi-frame super-resolution on remote sensing images via deep learning approaches
Derin öğrenme yaklaşımlarıyla uzaktan algılama görüntülerinde tek çerçeve ve çok çerçeve süper çözünürlük
PEIJUAN WANG
Doktora
İngilizce
2022
İletişim Bilimleriİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- Yinelemeli sinir ağları ile işaret dili tanıma
Sign language recognition with recurrent neural networks
İBRAHİM ÇETİNKAYA
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. TAMER ÖLMEZ
- Integrating fuzzy logic into deep autoencoders for interpretability and clustering
Yorumlanabilirlik ve öbekleme için bulanık mantığın derin özkodlayıcılara entegre edilmesi
KUTAY BÖLAT
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DOÇ. DR. TUFAN KUMBASAR