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: 71
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 teknikleri kullanılarak cilt lezyonları için çok sınıflı sınıflandırma
Multi-class classification for skin lesions using deep learning techniques
ÜMMÜHAN KOPAL
Yüksek Lisans
Türkçe
2025
Biyomühendislikİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. MÜRVET KIRCI
- 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
- Attention mechanism in deep learning: An application in skin cancer
Derin öğrenmede dikkat mekanizması: Cilt kanserinde bir uygulama
MOHAMAD YATTABARE
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul ÜniversitesiEnformatik Ana Bilim Dalı
PROF. DR. SEVİNÇ GÜLSEÇEN
DOÇ. DR. MURAT GEZER
- 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