Deri lezyon görüntülerinin makine öğrenmesi ve derin öğrenme yöntemleriyle sınıflandırılması
Classification of skin lesion images using machine learning and deep learning techniques
- Tez No: 811311
- Danışmanlar: DR. ÖĞR. ÜYESİ SELEN AYAS
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Karadeniz Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 107
Özet
Kanser, hücrelerin kontrolsüz bir şekilde bölünmesi ve yayılmasıdır. Deri kanseri diğer kanser türleri gibi erken teşhisi ve tedavisi oldukça önemli bir kanser türüdür. Tanı aşamasında kullanılan dermoskopi görüntülerini inceleyen kişilerin uzmanlığı, görüntülerdeki çeşitli artefaktlar gibi nedenler görüntüler manuel olarak incelendiğinde teşhis doğruluğunu düşürebilmektedir. Görüntülerin bilgisayar destekli uygulamalar ile incelenmesi daha kesin ve hızlı sonuçlar vermektedir. Ayrıca deri lezyonlarının sınıflandırılması ve segmentasyonu aşamasında da teşhis doğruluğunu düşürücü etkenleri ortadan kaldırmaktadır. Bu çalışmada, 2 açık veri seti üzerinde segmentasyon ve sınıflandırma işlemleri gerçekleştirilmiştir. İlk olarak dermoskopi görüntülerine yeniden boyutlandırma, DullRazor algoritması gibi çeşitli ön işlemler uygulanmıştır. Otsu Eşikleme veya Aktif Kontur yöntemleriyle ön işlemleri tamamlanan görüntüler bölütlenmiştir. Ardından bölütlenmiş görüntülerin doku, şekil ve renk olmak üzere 13 farklı özellikleri çıkarılarak, özellikler k-NN, SVM, kolay topluluk sınıflandırıcı, RUSBoost Sınıflandırıcı, Dengelenmiş Torbalama Sınıflandırıcı gibi makine öğrenmesi yöntemleri ile sınıflandırılmıştır. Bunun yanı sıra derin öğrenme mimarileri olan ResNet, EfficientNet ve CoAtNet ile sınıflandırılmış ve U-Net, SegNet ve DeepLabv3+ ile segmentasyon işlemleri gerçekleştirilmiştir.
Özet (Çeviri)
Cancer is the uncontrolled division and spread of cells. Skin cancer, like other types of cancer, is a very important type of cancer for early diagnosis and treatment. Reasons such as the expertise of the people who examine the dermoscopy images used in the diagnosis phase and various artifacts in the images can reduce the diagnostic accuracy when the images are examined manually. Examination of images with computer aided applications gives more precise and faster results. In addition, it eliminates the factors that reduce the accuracy of diagnosis during the classification and segmentation of skin lesions. In this study, segmentation and classification operations were performed on 2 open data sets. First, various pre-processes such as resizing and DullRazor algorithm were applied to dermoscopy images. The preprocessed images are segmented with Otsu Threshold or Active Contour methods. Then, 13 different features of the segmented images, such as texture, shape and color, were extracted and the features were classified by machine learning methods such as k-NN, SVM, easy ensemble classifier, RUSBoost Classifier, Balanced Bagging Classifier. In addition, it was classified with deep learning architectures ResNet, EfficientNet and CoAtNet, and segmentation operations were carried out with U-Net, SegNet and DeepLabv3+.
Benzer Tezler
- Skin lesion classification with machine learning
Makine öğrenmesi ile cilt lezyonu sınıflandırması
ESRA SENDEL
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. İSA YILDIRIM
- Tıbbi teşhis için deri lezyonlarının segmentasyonu ve sınıflandırılması
Segmentation and classification of skin lesions for medical diagnosis
MERVE GÜN
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Sabahattin Zaim ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AMANİ YUSUF
- 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
- Deep learning analysis in dermoscopy images
Dermoskopi görüntülerinde derin öğrenme analizi
FATİH ERGİN
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGalatasaray ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İSMAİL BURAK PARLAK
- Skin cancer diagnosis based on machine learning techniques
Makine öğrenme tekniklerine göre deri kanseri teşhisi
NECHIRVAN ASAAD MAJEED ZEBARI
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHarran ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET EMİN TENEKECİ