Tıbbi teşhis için deri lezyonlarının segmentasyonu ve sınıflandırılması
Segmentation and classification of skin lesions for medical diagnosis
- Tez No: 874467
- Danışmanlar: DR. ÖĞR. ÜYESİ AMANİ YUSUF
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: İstanbul Sabahattin Zaim Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Bilimi ve Mühendisliği Bilim Dalı
- Sayfa Sayısı: 74
Özet
Deri lezyonları birçok insanda görülen yaygın bir hastalıktır. Tıbbi literatüre göre en tehlikeli türü malign melanom türü olan deri kanseridir. Dermoskopi alanında çeşitli deri lezyonlarını segmente etmek ve sınıflandırmak, özellikle erken teşhis açısından büyük önem arz etmektedir. Kanserli hücreleri tespit etmek ve lezyonun iyi huylu veya kötü huylu olduğuna dair tahminde bulunmak için bilgisayar destekli sistemler çok iyi sonuç verebilmektedir. Deri lezyonu verilerinden hastalığın otomatik tahmin edilmesi hızlı teşhis, tedavi ve zaman kazanımı sağlamaktadır. Bu tezin temel amacı, deri lezyonu görüntülerinden hastalık tespit etmek için Derin Öğrenme modeli olan Evrişimli Sinir Ağlarının (CNN) kullanımının yüksek doğrulukta başarı ile sonuçlandığını göstermektir. Evrişimli Sinir Ağı mimarileri olan önceden eğitilmiş EfficientNet, MobileNet ve ResNet modelleri eğitim için kullanılmıştır. Transfer Öğrenme yöntemiyle, önceden eğitilmiş ağları hızlı bir şekilde veri setlerimize uygulamaktayız. Bu çalışmada temelde 2 farklı veri seti ile çalışılmıştır. İki sınıflı ISIC-2016 veri seti ve sekiz sınıflı ISIC-2019 veri seti üzerinde deneyler gerçekleştirilmiştir. ISIC-2019 veri setinden oluşturulan daha küçük boyutlu bir seti de, çalışmada aşırı öğrenme veya öğrenememe durumlarının test edilmesi amacıyla oluşturulmuştur. Toplamda 3 veri seti ile makine öğrenmesi modelleri üzerinde de deneyler yapılmış ve sınıflandırma başarıları karşılaştırılmıştır. Deneysel sonuçlar, yeni bir ağ olan EfficientNet mimarisinin dermoskopik görüntülerin bölütlenmesi ve sınıflandırılmasında yüksek performans sağlayarak, en başarılı mimari olduğunu göstermiştir.
Özet (Çeviri)
Skin lesions are a common disease that occurs in many people. According to the medical literature, the most dangerous type is skin cancer, which is a type of malignant melanoma. Segmenting and classifying various skin lesions in dermoscopy is very important, especially for early diagnosis. Computer-aided systems can give excellent results in detecting cancerous cells and to predict whether the lesion is benign or malignant. Automatic estimation of disease from skin lesion data provides rapid diagnosis, treatment, and time savings. The primary purpose of this thesis is to show that the use of Convolutional Neural Networks (CNN), a Deep Learning model to detect a disease from skin lesion images results in high accuracy. Pretrained EfficientNet, MobileNet, and ResNet models, which are Convolutional Neural Network architectures, were used for training. We quickly apply the pre-trained networks to our data sets with the Transfer Learning method. In this study, two different data sets were studied. Experiments were performed on the two class ISIC-2016 dataset and the eight-class ISIC-2019 dataset. A smaller-sized set created from the ISIC-2019 data set was also created in the study to test over-learning or non-learning situations. Experiments were also conducted on machine learning models with 3 data sets, and classification successes were compared. Experimental results showed that EfficientNet architecture, which is a new network, is the most successful architecture, providing high performance in the segmentation and classification of dermoscopic images.
Benzer Tezler
- 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
- Detection and classification of melanoma using a dense convolutional neural network
Yoğun bir konvolüsyonel sinir ağı kullanarak melanomun tespiti ve sınıflandırılmasıgeliştirilmesi
MOHAMMED YOUSIF ARABI AL-KHUZAIE
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ADNAN SAHER MOHAMMED AL-AJEELI
- Baş-boyun ve serviks kanserli hastalarda polimeraz zincir reaksiyonu (PCR) ile human papillomavirus pozitifliği tespit edilen sonuçların DNA dizi analizi ile doğrulanması, prevalansının belirlenmesi ve filogenetik analizlerinin yapılması
Evaluation of phylogenetic analysis revalance, prevelance and be confirmed with DNA squence of human papillomavirus which were determinated positive by polymerase chain reaction in patients with head-neck and cervix cancer
GÜLÇİN ALP AVCI
Doktora
Türkçe
2011
MikrobiyolojiGazi ÜniversitesiTıbbi Mikrobiyoloji Ana Bilim Dalı
DOÇ. DR. GÜLENDAM BOZDAYI
- Obtain anterior/posterior position of the tumor through machine learning
Makine öğrenme yoluyla tümörün anterior/posterior pozisyonunu elde edin
GOLSHAN GHOLAMPOUR
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik-Haberleşme Eğitimi Ana Bilim Dalı
PROF. DR. İBRAHİM AKDUMAN
- Arşivimizdeki deri punch biyopsi materyallerinde histopatolojik inceleme sonuçları ve direkt immünfloresan bulgularının 10 yıllık retrospektif analizi
10 year retrospective analysis of histopathological examination results and direct immunofluorescence findings on skin punch biopsy materials in our archives
GÖZDE KURTULUŞ
Tıpta Uzmanlık
Türkçe
2021
PatolojiAfyonkarahisar Sağlık Bilimleri ÜniversitesiTıbbi Patoloji Ana Bilim Dalı
PROF. DR. ÇİĞDEM TOKYOL
DR. ÖĞR. ÜYESİ SEÇİL SOYLU