Cilt kanseri teşhisinde derin öğrenme modelinin geliştirilmesi ve açıklanabilir yapay zekâ teknikleri ile yorumlanması
Development of a deep learning model for skin cancer diagnosis and its interpretation using explainable artificial intelligence techniques
- Tez No: 939429
- Danışmanlar: PROF. DR. NURETTİN DOĞAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Selçuk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 74
Özet
Cilt kanseri, dünya genelinde en yaygın görülen kanser türlerinden biri olup erken teşhis edilmediğinde ciddi sağlık sorunlarına ve yüksek mortalite oranlarına yol açmaktadır. Geleneksel teşhis yöntemleri uzmanlık gerektiren zaman alıcı süreçlerdir ve bazı durumlarda doğruluk oranı düşebilmektedir. Bu çalışmada, cilt kanseri teşhisi için derin öğrenme modelleri eğitilmiş ve modellerin karar mekanizmalarının anlaşılabilir hale getirilmesi amacıyla Açıklanabilir Yapay Zekâ (XAI) yöntemleri kullanılmıştır. Araştırma kapsamında HAM10000 veri seti kullanılarak, deri lezyonlarının sınıflandırılması hedeflenmiştir. Model eğitimi sürecinde MobileNet, DenseNet ve XceptionNet gibi derin öğrenme mimarileri kullanılmıştır. MobileNet için doğruluk oranı %84.04, DenseNet için %83.57 ve XceptionNet için %81.52 olarak elde edilmiştir. Modelin tahminlerinin yorumlanabilirliğini artırmak amacıyla Grad- CAM ve LIME yöntemleri kullanılmıştır. Grad-CAM yöntemiyle, modelin sınıflandırma sırasında odaklandığı bölgeler görsel olarak vurgulanırken, LIME yöntemi ile lokal bazlı açıklamalar elde edilmiştir. Bu çalışma, yapay zekâ destekli sistemlerin cilt kanseri teşhisindeki doğruluğunu ve güvenilirliğini artırarak, sağlık profesyonellerinin teşhis süreçlerine önemli bir katkı sağladığını göstermektedir. Yapay zekâ teknolojilerinin tıbbi görüntüleme alanında etkinliği kanıtlanmış olup, erken teşhis oranlarını yükseltmek ve hastaların yaşam kalitesini iyileştirmek adına büyük bir potansiyel taşımaktadır. Bu bulgular, yapay zekâ uygulamalarının klinik karar destek sistemlerinde yaygın kullanımını teşvik ederek, sağlık hizmetlerinin etkinliğini artırmaya yönelik önemli bir adım niteliğindedir.
Özet (Çeviri)
Skin cancer is one of the most prevalent types of cancer worldwide, leading to severe health issues and high mortality rates if not diagnosed early. Traditional diagnostic methods are time-consuming processes requiring expertise and may exhibit reduced accuracy in some cases. In this study, deep learning models were trained for skin cancer diagnosis, and Explainable Artificial Intelligence (XAI) methods were employed to enhance the interpretability of the models' decision mechanisms. The HAM10000 dataset was utilized to classify skin lesions within the scope of the research. During the model training process, deep learning architectures such as MobileNet, DenseNet, and XceptionNet were used. The accuracy rates were obtained as 84.04% for MobileNet, 83.57% for DenseNet, and 81.52% for XceptionNet.To improve the interpretability of model predictions, Grad-CAM and LIME methods were employed. Grad-CAM highlighted the regions on which the model focused during classification through visual explanations, while LIME provided localized, instance-based explanations. This study demonstrates that AI-powered systems significantly enhance the accuracy and reliability of skin cancer diagnosis, providing substantial support to healthcare professionals during diagnostic processes. Artificial intelligence technologies have proven their effectiveness in the field of medical imaging, showcasing great potential for increasing early diagnosis rates and improving patients' quality of life. These findings represent a significant step toward promoting the widespread adoption of AI applications in clinical decision support systems, thereby enhancing the efficiency of healthcare services.
Benzer Tezler
- Tam otomatik ve metasezgisel tabanlı yeni bir derin öğrenme mimarisi üretecinin geliştirilmesi ve cilt kanseri teşhisi için etkinliğinin gösterilmesi
Development of a novel, fully automatic and metaheuristic-based deep learning architecture generator and demonstration of its effectiveness through skin cancer diagnosis
MUSTAFA FURKAN KESKENLER
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtatürk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. DENİZ DAL
- Deri kanseri sınıflandırılmasında derin öğrenme modellerinin performans analizi
Performance analysis of deep learning models in skin cancer classification
MUSTAFA ADIGÜZEL
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtatürk ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DOÇ. DR. YASEMİN GÜLTEPE
- Skin cancer detection using CNN and random forest: A hybrid approach
CNN ve rastgele orman kullanarak cilt kanseri tespiti: Hibrit bir yaklaşım
NAJWA MOHAMMED SALEM SALEH AL-WESABI
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ OKATAN
- Detection of skin cancer via deep learning methods
Derin öğrenme yöntemleri ile cilt kanseri tespiti
YASSEN MOHAMED ABULGASIM MOHAMED
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOSTİM TEKNİK ÜNİVERSİTESİBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HASAN ERBAY
- Kolonoskopi görüntülerindeki poliplerin evrişimli sinir ağları ile tespiti
Detecting polyps in colonoscopy images using convolutional neural networks
ERDEM EZER
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara Üniversitesiİş Analitiği Ana Bilim Dalı
PROF. DR. MERT ERER