Using artificial intellgence to identfy skin cancer
Başlık çevirisi mevcut değil.
- Tez No: 829118
- Danışmanlar: PROF. DR. OSMAN NURİ UÇAN
- 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: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilişim Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Melanom, en şiddetli cilt kanseri türleri arasındadır. Lezyonları bölümlere ayırarak, temel işlemleri gerçekleştirerek, dermo skop özelliklerini çıkararak ve hastalıkları tespit ederek, görüntü analizi algoritmaları, dermo kopya resimlerinden otonom olarak melanom teşhisi için kullanılabilir. Önerilen geliştirilmiş erken melanom tespit tekniği, hem gereksiz biyopsileri hem de ölüm oranını azaltmayı amaçlamaktadır. ISIC arşiv veri setini kategorilere ayırmak için K-Means kümeleme yöntemini, lezyon segmentasyonu için eşiklemeyi, Sobel operatörünü, medyan filtreyi, özellik çıkarma için GLCM ve LBP özelliklerini ve Destek Vektör Makinesi (SVM) sınıflandırmasını kullanıyoruz. Bulgularda %93,28 doğruluk elde edilmiştir. Ek olarak, klinik resimler bir ağ uygulaması (WhatsApp gibi) kullanılarak daha sonra incelenmek üzere bir dermatoloğa uzaktan gönderilebilir, bu da pandemi sırasında veya uzak bölgelerde yaşayanlar için hasta takiplerini mümkün kılar.
Özet (Çeviri)
Melanoma is among the most severe types of skin cancer. By segmenting lesions, carrying out fundamental processing, extracting dermo scope characteristics, and detecting diseases, image analysis algorithms can be used to autonomously diagnosis melanoma from dermo copy pictures. The improved early melanoma detection technique that is being suggested seeks to decrease both needless biopsies and mortality. We use the K-Means clustering method, thresholding for lesion segmentation, Sobel operator, median filter, GLCM and LBP features for feature extraction, and the Support Vector Machine (SVM) classification to categorize the ISIC archive dataset. 93.28% accuracy was obtained with the findings. Additionally, clinical pictures can be sent to a dermatologist remotely for review later using a networking app (like WhatsApp), enabling patient follow-ups during pandemics or for those residing in distant areas.
Benzer Tezler
- Skin cancer detection and classification from dermatoscopic images using deep learning methods
Derin öğrenme yöntemleri kullanarak dermatoskopik görüntülerden otomatik cilt kanseri tespiti ve sınıflandırılması
SERDAR KALAYCI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAbdullah Gül ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BÜLENT YILMAZ
- Histopatoloji görüntülerinde derin öğrenme ile genelleştirilmiş mitoz tespiti ve melanom tümör evre tahmini
Generalized mitosis detection and melanoma tumor stage estimation in histopathology images using deep learning
YASEMİN TOPUZ
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SONGÜL VARLI
- Comparative analysis of transfer learning models for skin cancer detection and prediction of potential skin diseases
Cilt kanseri tespiti ve potansiyel cilt hastalıklarının tahminine yönelik transfer öğrenme modellerinin karşılaştırmalı analizi
HASAN AL SHATER
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
Prof. Dr. ALİ OKATAN
- Detection of skin disease by using artificial intelligence
Yapay zekâ kullanarak cilt hastalığının tespiti
TALAL NASR
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. ALİ OKATAN
- Maymun çiçeği hastalığının cilt lezyon görüntüleri üzerinden yapay zekâ algoritmaları ile sınıflandırılması
Classification of monkeypox skin lesion images using artificial intelligence algorithms
FIRAT BULAK
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBaşkent ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ONUR KOÇAK