Melanoma skin cancer detection using machine learning techniques
Makine teknikleri kullanılarak melanom cilt kanserinin tespiti
- Tez No: 846647
- Danışmanlar: PROF. DR. ALİ OKATAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: CNN, Makine öğrenme, Melanom cilt kanseri, CNN, Machine Learning, Melanoma skin Cancer
- Yıl: 2024
- Dil: İngilizce
- Üniversite: İstanbul Aydın Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yapay Zeka Mühendisliği Bilim Dalı
- Sayfa Sayısı: 57
Özet
Dünya çapında halk sağlığı sorunları. Şimdiye kadar makine öğrenimi algoritmalarının uygulanması, daha erken ve daha doğru teşhisin hasta sağlığı açısından daha iyi olduğunu göstermiştir. Bu makale, melanom da dahil olmak üzere cilt kanserlerini tespit etmek için üç yeni CNN'nin kullanımını açıklamaktadır. Çalışma için kullanılan veri seti, melanom ve melanom dışı vakaların çeşitliliğini sağlayan farklı veri setlerinden dermoskopi fotoğraflarını içermektedir. Kapsamlı bir eğitim ve doğrulama süreci, iyi huylu ve kötü huylu hastalıkları birbirinden ayıran CNN'yi geliştirdi. Bu modelin doğruluğunun yüzde 94 gibi inanılmaz derecede yüksek olması, onu diğerlerinden açıkça ayırıyor. Bu araştırma, yakın gelecekte cilt kanseri teşhisinde ilerlemenin öngörülebilmesi açısından büyük önem taşıyor. Xception gibi makine öğrenimi modeli, sağlık sektöründe melanomun erken tespiti ve teşhisi için kullanılabilir ve bu da sağlık hizmetlerinde değişikliğe yol açabilir. Xception modelinin yüksek hassasiyet oranı, erken tespite yardımcı olacak ve sonuçta hasta sonuçlarını iyileştirecektir. İleriye dönük olarak, erken melanom için diğer daha iyi tarama tekniklerinin, özellikle minimal invazivliği içerenlerin ve dolayısıyla daha iyi prognoz ve daha az melanomla ilişkili ölümlerin mevcut olabileceğine dair büyük umutlar var.
Özet (Çeviri)
public health problems worldwide. So far, the application of machine learning algorithms has shown that earlier and more accurate diagnosis is better for patient health. This article describes the use of his three new CNNs to detect skin cancers, including melanoma. The dataset used for the study includes dermoscopy photographs from different datasets ensuring diversity of melanoma and non-melanoma cases. An extensive training and validation process improved the CNN that differentiates between benign and malignant diseases. The fact that the accuracy for this model was amazingly high at 89% percent clearly sets it apart from all of the others.This research is of great importance to the prediction of the progress in skin cancer diagnosis in the near future. Machine learning model, such as ResNet50v2 can be used in the healthcare sector for the early detection and diagnosis of melanoma which will result into changed healthcare. The high rate of precision in the ResNet50v2 model will aid in early detection and ultimately improve patient results. Going forward, there are high hopes that other better screening techniques for early melanoma would become available especially those involving minimal invasiveness and thus better prognosis and lesser melanoma-related deaths.
Benzer Tezler
- 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
- Skın cancer detectıon and classıfıcatıon usıng deep learnıng
Derin öğrenme kullanilarak cilt kanserinin tespiti ve siniflandirilmasi
ALZAHRAA YAHYA HAIDER HAIDER
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. GALİP CANSEVER
- Derin öğrenme teknikleri kullanılarak cilt lezyonları için çok sınıflı sınıflandırma
Multi-class classification for skin lesions using deep learning techniques
ÜMMÜHAN KOPAL
Yüksek Lisans
Türkçe
2025
Biyomühendislikİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. MÜRVET KIRCI
- 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
- 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