Geri Dön

Automated melanoma detection in dermoscopic images

Dermoskopik görüntülerde otomatik melanom tespiti

  1. Tez No: 845175
  2. Yazar: ERDEM OKUR
  3. Danışmanlar: DOÇ. DR. MEHMET TÜRKAN
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: İzmir Ekonomi Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 125

Özet

Kanser, çeşitli ve tespit edilmesi zor türleri ile insanlar için en tehlikeli hastalıklardan biri haline gelmiştir. Melanom, türleri arasında ölüm oranı en fazla olan cilt kanseri türüdür. Olağan melanom tespit süreci, hastanın farkındalığına ve görsel muayene eden kişinin deneyimine dayanmaktadır. Dermoskopların icadı ile etkileri azalsa da,“öznellik”sorunu melanom tespit doğruluğunda büyük rol oynamakta ve bu da otomatik algılama ihtiyacını doğurmaktadır. Bu tezde, dermoskopik görüntülerde otomatik melanom tespitinin tarihçesi ve daha önce sunulan sistemlerin açıkları incelenmiştir. Bu açıkların üstesinden gelmek için farklı yaklaşımlar araştırılmıştır. Sonuç olarak, geleneksel yöntemleri yeni çağın derin öğrenme teknikleriyle birleştiren Görsel Kelimeler Çantası (BoVW) konseptine dayalı bir melanom saptama algoritması oluşturulmuştur. Yeni algoritmanın performansı, popüler Uluslararası Cilt Görüntüleme İşbirliği (ISIC) 2017 yarışması veri kümesi üzerinde test edilmiş ve son derece iyi sonuçlar elde edilmiştir. %96,2 doğrulukla ve daha da önemli olarak %99,8 hassasiyetle yeni algoritma ISIC 2017 başarı tablosundaki diğer tüm katılımcıları geride bırakmıştır. Hassasiyet, algoritmanın melanom vakalarını doğru sınıflandırma konusundaki başarısını temsil ettiğinden bu başarı, algoritmayı alanında özel bir yere yerleştirmektedir. Son olarak, yeni doğan algoritmanın performansını daha da arttırmak açısından, alan üzerinde gelecekte izlenebilecek yönler araştırılmıştır.

Özet (Çeviri)

Cancer, with its varying and hard to detect types, became one of the most dangerous diseases for humans. Melanoma is a type of skin cancer that has the most mortality rate among its type. The usual melanoma detection process is based on awareness of the patient and the experience of the visual investigator. Even though the invention of dermoscopes reduce its effects,“subjectivity”problem plays a huge role on the detection accuracy, which creates a need for automated detection. In this thesis, history of automated melanoma detection on dermoscopic images and caveats of present frameworks are studied. Different approaches to overcome these caveats are explored. As a result, a new melanoma detection algorithm based on Bag of Visual Words (BoVW) concept, which combines traditional methods with new age deep learning techniques, is created. The performance of the new algorithm is tested on the popular International Skin Imaging Collaboration (ISIC) Challenge 2017 dataset, which yielded tremendously good results. With 96.2% accuracy and more importantly with 99.8% sensitivity, it surpassed all other entries in the ISIC 2017 Leaderboard. Since, sensitivity represents the algorithm's success on correctly classifying melanoma cases, this success places the algorithm on a special place in the domain. Lastly, future directions on the domain are explored on the terms of increasing the performance of the newly born algorithm further.

Benzer Tezler

  1. Dermoskopik görüntülerden melanomanın derin evrişimsel sinir ağları ile teşhisi

    Diagnosis of melanoma in dermoscopic images with deep convolutional neural networks

    ENES AYAN

    Doktora

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKırıkkale Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HALİL MURAT ÜNVER

  2. Evrişimli sinir ağları ile histopatolojik görüntülerden melanom tespiti

    Melanoma detection from histopatological images with convolutional neural networks

    FATMA BETÜL KARA

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDüzce Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. PAKİZE ERDOĞMUŞ

  3. Attention mechanism in deep learning: An application in skin cancer

    Derin öğrenmede dikkat mekanizması: Cilt kanserinde bir uygulama

    MOHAMAD YATTABARE

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi

    Enformatik Ana Bilim Dalı

    PROF. DR. SEVİNÇ GÜLSEÇEN

    DOÇ. DR. MURAT GEZER

  4. 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

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAbdullah Gül Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. BÜLENT YILMAZ

  5. 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

    İngilizce

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. MUSTAFA ERSEL KAMAŞAK