Skın cancer detectıon and classıfıcatıon usıng deep learnıng
Derin öğrenme kullanilarak cilt kanserinin tespiti ve siniflandirilmasi
- Tez No: 940363
- Danışmanlar: PROF. DR. GALİP CANSEVER
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
En kötü malignitelerden biri cilt kanseridir. Başlangıçta tespit edilip tedavi edilmediği takdirde vücudun diğer bölgelerine yayılması beklenir. Cilt kanserini başarıyla tedavi etmeye yönelik yöntemde hem görüntü işleme hem de derin öğrenme kullanılıyor. Bu araştırmada, K-Ortalama kümeleme ve Çok sınıflı destek vektör makinesi gibi Makine Öğreniminde (ML) etkili yöntemler kullanılarak tespit ve sınıflandırma için melanom, pigmente iyi huylu keratoz ve bazal hücreli karsinom dahil olmak üzere üç farklı cilt kanseri türü tanıtılmaktadır. (M-SVM) algoritması ve ardından AlexNet ve ResNet gibi Derin Öğrenme (DL) teknikleri kullanılmaktadır. Ayrıca derin evrişimli sinir ağlarının (CNN) etkinliği ve kapasitesi de görülmektedir. Veri seti farklı hastalık sınıflarına sahip 1176 cilt kanseri görüntüsünü içerir, bu veri seti hem ML hem de DL'de kullanılır. ML'de veri seti eğitim ve test setlerine bölünmüştür, bu setler basit bir kenar algılama filtresi kullanılarak birkaç adımlık iyileştirmeden geçirilir ve Gri Seviye Eş Oluşum Matrisi (GLCM) yöntemi kullanılarak özellikler çıkarılır. Daha sonra bu görüntüler K-ortalama kümeleme algoritmaları kullanılarak üç kümelemeye bölünür. DL'de AlexNet ve ResNet olmak üzere iki model kullanılır, bu modellerde veri setleri eğitim ve test setlerine bölünmüştür. Daha sonra, küçük veri setleri için çok faydalı olan ve sonuçlar doğruluk sonuçlarındaki değişiklikleri gösteren bir büyütme tekniği önerilmiştir. Sonuçlar AlexNet ve ResNet için sırasıyla %99,03 ve %97,02 doğruluk göstermektedir.
Özet (Çeviri)
One of the worst malignancies is skin cancer. It is expected to spread to other parts of the body if it is not identified and treated at the outset. The method for successfully treating skin cancer uses both image processing and deep learning. In this research, three different kinds of skin cancer, including melanoma, pigmented benign keratoses, and basal cell carcinoma are introduced for detection and classification using efficient methods in Machine Learning (ML) such as K-Mean clustering and Multi-class support vector machine (M-SVM) algorithm, and then Deep Learning (DL) techniques such as AlexNet and ResNet are used. Additionally, deep convolutional neural networks (CNN) effectiveness and capacity are seen. The data set contains 1176 images of skin cancer with different classes of disease, this data set is used in both ML and DL. In ML the data set is divided into training and testing sets, these sets are pass through a few steps of enhancement using a canny edge detection filter and extracting the features using the Gray-Level Co-occurrence Matrix (GLCM) method. Then, these images are segmented into three clustering using K-mean clustering algorithms. In DL two models are used AlexNet and ResNet, in these models the data sets are divided into training and testing sets. Then, an augmentation technique has been proposed, it's very useful for small data sets, and the results show changes in accuracy result. The results show an accuracy of 99.03%, and 97.02% for AlexNet, and ResNet respectively.
Benzer Tezler
- Skin cancer detection and classification from dermatoscopic images using deep learning methods
Derin öğrenme yöntemleri kullanarak dermatoskopik görüntülerden otomatik cilt kanseri tespiti ve sınıflandırılması
SERDAR KALAYCI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAbdullah Gül ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BÜLENT YILMAZ
- Derin öğrenme yöntemleri kullanarak cilt kanserinin tespiti ve sınıflandırılması
Detection and classification of skin cancer using deep learningmethods
MOHAMMED MAHMOOD HUSSEIN HUSSEIN
Yüksek Lisans
Türkçe
2026
Mühendislik BilimleriTokat Gaziosmanpaşa ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
الأستاذ الدكتور MAHMUT HEKİM
- 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 and classification of breast cancer in whole slide histopathology images using deep convolutional networks
Derin evrişimli ağlar ile tüm slayt histopatolojisi resimlerinde meme kanseri tesbiti ve sınıflandırılması
BARIŞ GEÇER
Yüksek Lisans
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SELİM AKSOY
- SKIN CANCER DETECTION USING DEEP CONVOLUTIONAL NEURAL NETWORK
DERİN DÖNÜŞÜMSEL SİNİR AĞI KULLANILARAK CİLT KANSERİ TESPİTİ
EMAN IBRAHIM ALYASIN
Yüksek Lisans
İngilizce
2020
Elektrik ve Elektronik MühendisliğiAltınbaş ÜniversitesiYRD. DOÇ. DR. OĞUZ ATA