An approach in melanoma skin cancer segmentation with bat optimization algorithm
Yarasa optimizasyon algoritması ile melanom cilt kanseri segmentasyonunda bir yaklaşım
- Tez No: 830196
- Danışmanlar: DR. ÖĞR. ÜYESİ AYHAN AKBAŞ
- 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: Çankırı Karatekin Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 68
Özet
Bilgisayar metodolojilerinin evrimi, hızlı teknolojik büyüme ile birlikte tıp alanında bir dizi uygulamayı beraberinde getirmiştir. Bunlar arasında, tıbbi tanı ve tedavide otomatik görüntü analizinin uygulanması özellikle öne çıkmaktadır. Modern dönem, tıbbi görüntü işleme alanındaki gelişmelerin büyük ölçüde etkisi altında olan tıbbi uygulamalarda önemli bir değişikliğe tanıklık etmektedir. Bu değişiklik, tıbbi topluluğu, özellikle cilt taramaları aracılığıyla bir dizi özelliği, değişikliği, hastalığı ve dejeneratif durumu otomatik olarak tespit etme yönünde yönlendirmektedir. Cilt, vücudun en büyük organı olarak, birçok iç hastalığı yansıtabilir. Çeşitli anomaliler gösterir ve bu anomaliler incelendiğinde altta yatan durumlar hakkında bilgi verebilir. Modern cilt görüntü analizleri, cilt yapısındaki değişikliklerle kanıtlanan bozuklukların tanımlanması ve izlenmesi için görüntü işleme tekniklerinden yararlanmaktadır. Cilt anomalileri arasında, bir cilt kanseri türü olan melanom, ana endişe kaynağı olmaya devam etmektedir. Melanomun doğru tespiti, erken müdahaleye olanak tanıyarak hayatları kurtarabilir. Ancak melanom görüntü analizi sırasında karşılaşılan yaygın sorunlardan biri, kanserli bölgenin arka plandan doğru şekilde ayrılmasıdır. Bu tür ayrım hataları, tanının hassasiyetini kritik bir şekilde etkileyebilir. Birçok çağdaş araştırmanın odak noktası tam olarak bu zorluktur: görüntünün geri kalanından melanom bölgesini doğru bir şekilde ayıran optimal sınırı bulmak. Bu sınır tespit sorunu yaygındır ve birçok bilimsel çaba için sürekli bir engel olmuştur. Dolayısıyla tezimiz, melanom cilt kanseri görüntülerinin sınırlarında dikkate değer bir doğruluk elde etmeyi amaçlayarak bu kritik soruna odaklanmaktadır. Bu sorunu ele almak için, Bat Optimization algoritmasının potansiyelini araştırdık, bu optimizasyon problemlerine yenilikçi bir yaklaşımdır. Bat Optimization yöntemi çeşitli diğer alanlarda uygulanmış olsa da, melanom cilt kanseri tespiti için kullanımı henüz keşfedilmemiştir. Bu algoritmanın özelliklerinden yararlanarak, çalışmamız melanom cilt kanseri segmentasyonu için en uygun eşik değerini belirlemeyi amaçlamıştır. Bu optimizasyon, kanserli bölümü temsil eden en doğru alanı belirlememize olanak tanıdı, böylece daha iyi tanısal hassasiyet için yol açtı. Çalışma metodolojimiz, melanom görüntülerini sisteme beslemeyi ve Bat Optimization algoritmasını kullanarak en iyi eşik değerlerini tekrar tekrar bulmayı içeriyordu. Bunu yaparak, sistem görüntüyü potansiyel melanom bölgeleri ve arka plan olarak segmentlere ayırabildi. Bu yaklaşım, melanom bölgelerinin daha nüanslı ve kesin bir tespitine olanak tanıdı, bu da geleneksel görüntü segmentasyon tekniklerinin kullanılmasında sıkça karşılaşılan yanlış pozitif ve negatiflerin olasılığını azalttı. Sonuçların doğrulanması ve metodolojimizin etkinliğini ölçmek için çeşitli değerlendirme ölçütleri kullandık. Bunlar arasında doğruluk, duyarlılık, özgüllük, Dice katsayısı ve F1 Skoru bulunmaktadır. Elde edilen sonuçlar umut vericiydi ve doğruluk oranı %99,8 olarak belirlendi, yöntemimizin yeteneğini göstermektedir. Duyarlılık ve özgüllük, sırasıyla gerçek pozitif oranı ve gerçek negatif oranı ölçerken, sırasıyla %98,99 ve %98,87 olarak belirlendi. Tahmin edilen segmentasyon ile gerçek segmentasyon arasındaki benzerliği ölçen Dice katsayısı %98,45'te durmaktadır. Hassasiyet ve geri çağırmanın harmonik ortalamasını temsil eden F1 Skoru, etkileyici bir şekilde %98,24'te idi.
Özet (Çeviri)
The evolution of computer methodologies, in tandem with rapid technological growth, has brought forth an array of applications in the medical field. Among them, the application of automatic image analysis in medical diagnosis and therapy is notably prominent. The modern era witnesses a significant shift in medical practices, largely influenced by the developments in the realm of medical image processing. This shift is steering the medical community towards the automatic detection of a myriad of traits, changes, diseases, and degenerative conditions, particularly through skin scans. Skin, being the largest organ of the body, often mirrors a host of internal diseases. It manifests various anomalies which when scrutinized can offer insights into underlying conditions. Modern skin image analyses capitalize on image processing techniques, catering to the identification and monitoring of disorders evidenced by alterations in skin structure. Among skin anomalies, melanoma, a type of skin cancer, remains a primary concern. Accurate detection of melanoma can facilitate early intervention, potentially saving lives. Yet, one of the prevalent challenges faced during melanoma image analysis is the accurate delineation of the cancerous region from the background. Such demarcation errors can critically affect the precision of diagnosis. The focus of many contemporary researches has been on this very challenge: finding the optimal boundary that accurately segregates the melanoma region from the rest of the image. This boundary detection issue is pervasive and has been a persistent hurdle in many scholarly endeavors. Our thesis, therefore, zeroes in on this pivotal challenge with an aim to achieve remarkable accuracy in the boundaries of melanoma skin cancer images. To address this, we explored the potential of the Bat Optimization algorithm, an innovative approach to optimization problems. While the Bat Optimization method has been applied in various other domains, its utilization for melanoma skin cancer detection remains uncharted. Leveraging the attributes of this algorithm, our study sought to determine the most fitting threshold value for melanoma skin cancer segmentation. This optimization led us to discern the most accurate area representing the cancerous section, paving the way for better diagnostic precision. Our study's methodology involved feeding melanoma images into the system, which employed the Bat Optimization algorithm to iteratively find the best threshold values. By doing so, the system was able to segment the image into potential melanoma regions and background. This approach allowed for a more nuanced and precise detection of melanoma regions, reducing the probability of false positives and negatives, which are commonly encountered when using traditional image segmentation techniques. For the purpose of result validation and to gauge the efficacy of our methodology, we employed a range of evaluation metrics. These included accuracy, sensitivity, specificity, Dice coefficient, and F1 Score. The results obtained were promising, with an accuracy of 99.8%, showcasing the prowess of our method. Sensitivity and specificity, which measure the true positive rate and true negative rate respectively, were obtained as 98.99% and 98.87%. The Dice coefficient, which measures the similarity between the predicted segmentation and the actual segmentation, stood at 98.45%. The F1 Score, representing the harmonic mean of precision and recall, was at an impressive 98.24%.
Benzer Tezler
- Segmentation of skin cancer by using image processing techniques
Görüntü işleme teknikleri kullanılarak cilt kanseri segmentasyonu
AZHAR KASSEM FLAYEH FLAYEH
Yüksek Lisans
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Assist. Prof. Dr. GÖRKEM SERBES
- Dermaskopik nevus görüntülerinin sayısal görüntü işleme yöntemleriyle incelenmesi
An examination of dermotoscopic nevus images using image processing methods
HALİL KETENCİOĞLU
Yüksek Lisans
Türkçe
2008
Elektrik ve Elektronik MühendisliğiErciyes ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. M. EMİN YÜKSEL
- Derin öğrenme kullanarak tıbbi görüntü bölütleme
Medical image segmentation using deep learning
RÜYA KAYMAK
Yüksek Lisans
Türkçe
2019
Mekatronik MühendisliğiFırat ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. AYŞEGÜL UÇAR
- Dermatologist-level classification of skin cancer with deep neural networks
Dermatolog derecesinde derin sinir ağı ile cilt kanserinin sınıflandırılması
JUNAID IQBAL
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAntalya Bilim ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SHAHRAM TAHERI
- Yüzeyi modifiye edilmiş antineoplastik ajan içeren katı lipid nanopartikül formulasyonların geliştirilmesi ve melanomda etkisinin değerlendirilmesi
Development of surface modified antineoplastic agent-loaded solid lipid nanoparticle formulations and evaluation of the effects on melanoma
ZEYNEP İŞLEK
Doktora
Türkçe
2020
BiyoteknolojiEge ÜniversitesiFarmasötik Teknoloji Ana Bilim Dalı
PROF. DR. KEVSER ÖZGEN ÖZER