Geri Dön

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

  1. Tez No: 877189
  2. Yazar: RIYAM QADRI MANHEE AL-SAHLANEE
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ABDULLAHI ABDU IBRAHIM
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: İngilizce
  9. Üniversite: Altınbaş Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 72

Özet

Cilt kanseri cilt hücrelerinde başlayan bir kanser türüdür. Tipik olarak güneşten veya bronzlaşma yataklarından gelen ultraviyole (UV) radyasyonun neden olduğu hasarın bir sonucu olarak cilt hücrelerinin uygunsuz bir şekilde büyümesi durumunda ortaya çıkar. Cilt kanserinin çeşitli türleri vardır; en yaygın olanları şunlardır: Bazal hücreli karsinom (BCC), Skuamöz hücreli karsinom (SCC) ve Melanom. Cilt kanseri tanısı genellikle bir dermatolog tarafından yapılan ve genellikle şüpheli lezyonlardan alınan biyopsinin yardımıyla yapılan cilt muayenesi yoluyla konur. Cilt kanseri için tedavi seçenekleri, kanserin türüne, boyutuna ve konumuna bağlıdır ve ameliyat, radyasyon terapisi, kemoterapi, immünoterapi veya hedefe yönelik tedaviyi içerebilir. Cilt kanserinin erken teşhisi ve tedavisi, başarılı sonuçlar için çok önemlidir; bu nedenle, özellikle açık tenli, güneşe maruz kalma öyküsü veya aile geçimini gibi faktörler nedeniyle daha yüksek risk altında olan kişiler için düzenli kendi kendine cilt muayeneleri ve profesyonel cilt kontrolleri önerilir. Derin öğrenme yöntemleri, cilt kanseri sınıflandırmasında tanısal doğruluk ve verimlilikte potansiyel iyileştirmeler sunan güçlü araçlar olarak ortaya çıkmıştır. Bu çalışma, ISIC Arşivinden Cilt Kanseri (Malign ve Benign) olarak adlandırılan bir veri seti için cilt kanserinin sınıflandırılmasını önermektedir. Keşfedici veri analizi ve titiz veri ön işlemesi ilk adımlardır, ardından veri kümesini sınıflandırmak için farklı sınıflandırıcılar kullanılır, önerilen son aşamada (CNN) mimarilerinin uygulanması kullanılır. Karşılaştırmalı bir analiz yoluyla araştırma, MobileNet mimarisini en etkili model olarak tanımlar. İyi huylu ve kötü huylu cilt lezyonlarını ayırt etmede yaklaşık %94,09'luk bir doğruluk elde ederek InceptionV3, Xception ve DenseNet201 gibi test edilen diğer mimarileri geride bırakıyor. Bu çalışma tıp alanına sağlam bir sınıflandırma yöntemi katıyor ve aynı zamanda cilt kanseri teşhisinin doğruluğunu ve verimliliğini artırmak için gelecekteki çalışmalar için bir çerçeve sunuyor.

Özet (Çeviri)

Skin cancer is a type of cancer that starts in the skin cells. It occurs when there is an inappropriate growth of skin cells, typically as a result of damage from ultraviolet (UV) radiation from the sun or tanning beds. There are several types of skin cancer, the most common ones being: Basal cell carcinoma (BCC), Squamous cell carcinoma (SCC), and Melanoma. Skin cancer is typically diagnosed through a skin examination by a dermatologist, often aided by a biopsy of suspicious lesions. Treatment options for skin cancer depend on the type, size, and location of the cancer, and may include surgery, radiation therapy, chemotherapy, immunotherapy, or targeted therapy. Early detection and treatment of skin cancer are crucial for successful outcomes, so regular skin self-exams and professional skin checks are recommended, especially for individuals at higher risk due to factors such as fair skin, a history of sun exposure, or family history. Deep learning methods have emerged as powerful tools for skin cancer classification, offering potential improvements in diagnostic accuracy and efficiency. this study proposes a classification of skin cancer for a dataset, is named Skin Cancer (Malignant and Benign) from the ISIC Archive. Exploratory data analysis and meticulous data preprocessing are the first steps, then different classifiers are used to classify the dataset, the last stage proposed employs the application of (CNN) architectures Through a comparative analysis, the research identifies the MobileNet architecture as the most effective model, achieving an accuracy of approximately 94.09% in differentiating between benign and malignant skin lesions, surpassing other tested architectures like InceptionV3, Xception, and DenseNet201. This work contributes a robust classification method to the medical field and also presents a framework for future studies to enhance the accuracy and efficiency of skin cancer diagnostics.

Benzer Tezler

  1. Active learning based human in the loop deep object detectionfor scalable data annotation

    Ölçeklenebilir veri etiketlenmesi için aktif öğrenme tabanlı insan katılımlı derin nesne tespiti sistemi

    ATABERK ARMAN KAYHAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Uçak ve Uzay Mühendisliği Ana Bilim Dalı

    DOÇ. DR. NAZIM KEMAL ÜRE

  2. Eğitimsel veri madenciliği ve bir uygulaması

    Educational data mining and an application

    YASEMİN YAKUPOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. BAŞAR ÖZTAYŞİ

  3. Exploring the role of strategies-based language instruction in teaching English to young gifted learners

    Strateji temelli dil öğretiminin üstün yetenekli ögrencilere İngilizce öğretmedeki rolünün belirlenmesi

    DUYGU İŞPINAR AKÇAYOĞLU

    Doktora

    İngilizce

    İngilizce

    2011

    Eğitim ve ÖğretimÇukurova Üniversitesi

    İngiliz Dili Eğitimi Ana Bilim Dalı

    YRD. DOÇ. DR. RANA YILDIRIM

  4. Derin sinir ağları ile havaalanlarında kuş yoğunluk durumu tespit ve sınıflandırılması

    Detection and classification of bird density status in airports using deep neural networks

    TOLGA ŞAHİN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes Üniversitesi

    Havacılık Elektrik ve Elektroniği Ana Bilim Dalı

    PROF. DR. İLKE TÜRKMEN

  5. Fizik öğretmenleri için hazırlanan sorgulama temelli öğretime yönelik bir hizmet-içi eğitim programının etkililiği

    Effectiveness of an in-service training program regarding inquiry-based teaching for physics teachers

    ZEHRA SELİN USTA

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Eğitim ve ÖğretimDokuz Eylül Üniversitesi

    Ortaöğretim Fen ve Matematik Alanları Eğitimi Ana Bilim Dalı

    DOÇ. DR. KEMAL YÜRÜMEZOĞLU