A novel approach for hair removal in skin cancer images to enhance segmentation and classification performance.
Deri kanseri görüntülerinin sınıflandırma ve bölütleme performansını artırmak için kıl gidermede yeni bir yaklaşım
- Tez No: 856470
- Danışmanlar: Assist. Prof. Dr. ZAFER İŞCAN
- 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: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 83
Özet
Bu tez, erken teşhisin daha iyi tedavi ve sonuçlar için önemini vurgulayarak, cilt kanserinin önemli bir sorununa odaklanmaktadır. Ultraviyole radyasyona maruz kalma önemli bir risk faktörüdür ve ileri düzeyde teşhis yöntemlerine ihtiyaç vardır. Bilgisayar görüsündeki son gelişmeleri kullanarak, çalışmamız cilt kanseri görüntülerinden özellikle kıl kalıntılarını uzaklaştıran yeni bir ön işleme tekniği önermektedir. Bu teknik, segmentasyon ve sınıflandırmanın doğruluğunu artırmayı amaçlamaktadır. Yöntem, morfolojik operasyonlar ve adaptif filtreler gibi görüntü işleme tekniklerini kullanarak kıl içeren bölgeleri tanımlayıp izole etmektedir. Ardından, bir referans maske, kıldan etkilenen bölgeleri zekice doldurarak cilt kanseri lezyon bütünlüğünü korur. Uluslararası Cilt Görüntüleme İşbirliği veri seti üzerindeki değerlendirme, yaklaşımımızı“Dull Razor”ve“E-Shaver”gibi algoritmalarla karşılaştırmayı içerir.Segmentasyon için Evrişimsel Sinir Ağı tabanlı U-Net ve transfer öğrenme sınıflayıcılarını (VGG16, InceptionV3 ve EfficientNet) içeren derin öğrenme sınıflayıcıları kıldan arındırılmış cilt kanseri görüntüleriyle eğitildi. Doğruluk, duyarlılık, kesinlik ve F1-skoru gibi metrikler, yaklaşımımızı segmentasyon, sınıflandırma ve kıl giderimi kalitesi açısından değerlendirir. Ayrıca, kıl segmentasyonunun kalitesi, Tepe İşaret-Gürültü Oranı, Birleşim Kesişimi, Ortalama Karesel Hata, Yapısal Benzerlik Endeksi ve Evrensel Kalite Endeksi kullanılarak değerlendirilir. Önerdiğimiz yöntem, cilt kanseri görüntülerindeki kıl kalıntıları tarafından ortaya çıkarılan zorlukları ele alarak hem segmentasyon hem de sınıflandırmayı önemli ölçüde geliştirmektedir. Bu bulgular, önerdiğimiz yaklaşımın klinik karar destek sistemleri için cilt kanseri görüntü analizini geliştirme potansiyelini vurgulamaktadır.
Özet (Çeviri)
This thesis focuses on the critical issue of skin cancer, highlighting the importance of early detection for better treatment and outcomes. Exposure to ultraviolet radiation is a significant risk factor, and there is a need for advanced detection methods. Using recent developments in computer vision, our study proposes a new preprocessing technique that specifically removes hair artifacts from skin cancer images. This technique aims to improve the accuracy of segmentation and classification. The method employs image processing techniques, including morphological operations and adaptive filters, to identify and isolate hair-containing regions. Subsequently, a reference mask guides a patch-based inpainting procedure, intelligently filling in hair-affected areas while preserving skin cancer lesion integrity. Evaluation on the International Skin Imaging Collaboration dataset involves comparing our approach with benchmark algorithms like“Dull Razor”and“E-Shaver.”Deep learning classifiers, including Convolutional Neural Network based U-Net for segmentation and transfer learning classifiers (VGG16, InceptionV3, and EfficientNet), were trained using our hair-removed skin cancer images. Metrics such as accuracy, recall, precision, and F1-score assess our approach in segmentation, classification, and hair removal quality. Additionally, the quality of the hair segmentation is evaluated using Peak Signal-to-Noise Ratio, Intersection over Union, Mean Squared Error, Structural Similarity Index, and Universal Quality Index. Our proposed method significantly enhances both segmentation and classification, addressing challenges posed by hair artifacts in skin cancer images. These findings underscore the potential of our approach to advance skin cancer image analysis for clinical decision support systems.
Benzer Tezler
- Automatic caricature recognition
Otomatik karikatür tanıma
BAHRİ ABACI
Yüksek Lisans
İngilizce
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TAYFUN AKGÜL
- Kullanıcı tarayıcı geçmişine dayanarak müşteri yorumlarının özetlenmesi
Personalized feature based summarization
FATMA ZEHRA KAVASOĞLU
Yüksek Lisans
Türkçe
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ŞULE GÜNDÜZ ÖĞÜDÜCÜ
- Development of QCM sensors for measuring particulate matter concentration
QCM sensörlerinin partikül madde konsantrasyonunu ölçmek için geliştirilmesi
MAJID JAVADZADEHKALKHORAN
Doktora
İngilizce
2024
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. LEVENT TRABZON
- Transdermal administration optimisation: Increasing naproxen sodium efficacy in a topical hydrogel formulation
Transdermal uygulama optimizasyonu: Topikal hidrojel formülasyonunda naproksen sodyum verimliliğinin artırılması
NOUR SALEH MOHAMMAD SAAYDEH
Yüksek Lisans
İngilizce
2024
Eczacılık ve FarmakolojiYeditepe ÜniversitesiFarmasötik Teknoloji Ana Bilim Dalı
ASSISTANT. ASSOCIATE PROF. DR. GÜLENGÜL DUMAN
- Dinamik ortamlar için istatiksel metotlar kullanan çoklu evrimsel algoritmalar
Multiploid evolutionary algorithms with statistical methods for dynamic environments
EMRULLAH GAZİOĞLU
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. AYŞE ŞİMA UYAR