Geri Dön

Comparative analysis of transfer learning models for skin cancer detection and prediction of potential skin diseases

Cilt kanseri tespiti ve potansiyel cilt hastalıklarının tahminine yönelik transfer öğrenme modellerinin karşılaştırmalı analizi

  1. Tez No: 875836
  2. Yazar: HASAN AL SHATER
  3. Danışmanlar: Prof. Dr. ALİ OKATAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Yapay Zeka, Cilt kanseri, Derin Öğrenme, Erken Teşhis, Evrişimli Sinir Ağları, transfer öğrenme, dermatoloji, Artificial Intelligence, Skin cancer, Deep Learning, Early Detection, Convolutional Neural Networks, transfer learning, dermatology
  7. Yıl: 2024
  8. Dil: İngilizce
  9. Üniversite: İstanbul Aydın Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Yapay Zeka ve Veri Bilimi Ana Bilim Dalı
  12. Bilim Dalı: Yapay Zeka ve Veri Bilimi Bilim Dalı
  13. Sayfa Sayısı: 42

Özet

Cilt kanseri (SC), dünya çapında en yaygın kanser türlerinden biridir. Erken teşhis ve doğru teşhis, etkili tedavi ve prognoz için önemlidir; bu araştırma, analiz ederek cilt kanseri aşamalarını doğru bir şekilde tanımlayabilen güçlü bir yapay zeka tabanlı sistem geliştirmeye odaklanmaktadır. ciltteki kanserli şişkinliğin şekli, rengi ve derinliği. Sistem, cilt kanseri görüntülerinden özelliklerin çıkarılmasına ve daha sonra bunları iki sınıfta sınıflandırmaya yardımcı olan derin bakış algoritması, tam olarak evrişimli sinir ağları (CNN'ler) ve transfer öğrenmeyi kullanmayı amaçlamaktadır. Sistem 21064 adet cilt kanseri görüntüsü içeren çok büyük bir veri seti üzerinde eğitilmiştir, bu çalışmanın amacı hangi modelin daha iyi doğruluğa sahip olabileceğini ve hangisinin eğitimde daha hızlı olabileceğini ve tüm makineler için daha güvenilir olabileceğini bulmaktır. Bu araştırmanın sonuçları, yapay zekanın cilt kanserinin azaltılmasında kullanımının iyileştirilmesine ve daha iyi anlaşılmasına yardımcı olacak ve aynı zamanda daha fazla insanın daha iyi tedavi almasına yardımcı olacak hastalığın erken teşhisi için tıp camiasına yardımcı olacak bir araç oluşturacaktır. Bu çalışmanın sonucu dermatoloji alanına yardımcı olabilir. Önerilen modeller, topluluk öğrenimini kullanan derin öğrenmedir, sekiz model eğitilmiştir ve bu sistemin çıktısının doğruluğunu desteklemek için sekiz modelden yalnızca üçü kullanılmıştır; çıktı iki aşamaya ayrılmıştır, yalnızca koşullara ve nasıl ele alınması gerektiğine bağlıdır.

Özet (Çeviri)

Skin cancer (SC) is one of the most prevalent types of cancer globally, Early detection and accurate diagnosis are important for effective treatment and prognosis, this research focuses on developing a robust AI-based system that can accurately identify the skin cancer stages by analyzing the shape and color and the depth of the cancerous bump on the skin. The system intends using deep leering algorithm, precisely convolutional neural networks (CNNs) and transfer learning, which assist in extracting features from the images of the skin cancer and then categorize them in two class. The system has been trained in very large dataset containing 21064 images of skin cancer, the aim of this study is to find which model can have better accuracy and which of them can be faster in training and can be more reliable for all machines, the outcome of this research will assist in improving and make a better understanding of the usage of AI in the skin cancer deduction as well as building a tool to help the medical community for early deduction of the disease that will help more people get better treatments . The result of this study can help the field of dermatology. The proposed models are deep learning using ensemble learning, eight models been trained and only three out of eight been used to support the accuracy of the output of this system the output categorized into two stages only depends on the conditions and how it should be treated.

Benzer Tezler

  1. Exploring transfer learning strategies with pre-trained convolutional neural network for skin cancer classification

    Cilt kanserinin sınıflandırılmasına yönelik önceden eğitimli evrımsel sinir ağlarıyla transfer öğrenme stratejilerinin keşfedilmesi

    RIYAM QADRI MANHEE AL-SAHLANEE

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ABDULLAHI ABDU IBRAHIM

  2. Türk ve Alman çocuk edebiyatında vampirler: Angela Sommer-Bodenburg'un 'Küçük Vampir' adlı eseri ve Nazlı Eray'ın 'Naz ve Köşkteki Vampir' adlı eserin karşılaştırmalı olarak incelenmesi

    Vampires in Turkish and German children's literature: A comparative analysis of Angela Sommer-Bodenburg's 'The Little Vampire' and Nazlı Eray's 'Naz and the Vampire in the Mansion'

    SELMA VURAL

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Alman Dili ve EdebiyatıSelçuk Üniversitesi

    Alman Dili ve Edebiyatı Ana Bilim Dalı

    PROF. DR. YILMAZ KOÇ

  3. A comparative analysis of deep learning architectures for breast cancer detection in ultrasound imaging

    Ultrason görüntülemede meme kanserinin tespitine yönelik derin öğrenme mimarisinin karşılaştırmalı bir analizi

    MUHAMMAD ARSALAN IRSHAD

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Elektrik ve Elektronik MühendisliğiAntalya Bilim Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    Assist. Prof. Dr. YUSUF ÖZTÜRK

  4. Comparative analysis of deep convolutional neural network models for classification of brain tumors

    Beyin tümörlerinin sınıflandırılmasında derin evrişimli sinir ağı modellerinin karşılaştırmalı analizi.

    OZAN AKHAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstinye Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ŞENOL PİŞKİN

  5. Konvolüsyon sinir ağlarında transfer öğrenmesi yöntemi ile araç modellerinin sınıflandırılması

    Classification of vehicle models by transfer learning method in convolution neural networks

    BEGÜM KILIÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMersin Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ALİ AKDAĞLI