Skin cancer detection with convolutional neural network
Evrişimli sinir ağları ile cilt kanseri tespiti
- Tez No: 952097
- Danışmanlar: DR. ÖĞR. ÜYESİ YASEMİN ÇETİN KAYA
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Tokat Gaziosmanpaşa Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
HAM10000 veri kümesini kullanarak yedi yaygın cilt lezyonu türünün tespiti için özel olarak tasarlanmış yeni bir hafif konvolüsyonel sinir ağı mimarisi önermeyi amaçladık. Model, yüksek teşhis performansını korurken parametre sayısını önemli ölçüde azaltarak sınıflandırma doğruluğunu hesaplama verimliliği ile dengelemek için özel olarak tasarlanmıştır. Kapsamlı deneyler, önerilen modelin ResNet50 ve Xception gibi daha büyük mimarilerle karşılaştırılabilir, ancak önemli ölçüde daha düşük bir hesaplama ayak izi ile% 93,62'lik bir genel test doğruluğuna ulaştığını göstermektedir. Bu sonuçlar, bakım noktasında ve kaynakların kısıtlı olduğu ortamlarda verimli ve erişilebilir yapay zeka güdümlü cilt kanseri taraması sağlamak için önerilen yaklaşımın potansiyelini vurgulamaktadır.
Özet (Çeviri)
We aimed to propose a novel lightweight convolutional neural network architecture tailored for the detection of seven common skin lesion types using the HAM10000 dataset. The model is specifically designed to balance classification accuracy with computational efficiency by significantly reducing parameter count while maintaining high diagnostic performance. Extensive experiments demonstrate that the proposed model achieves an overall test accuracy of 93.62%, comparable to larger architectures such as ResNet50 and Xception, yet with a substantially lower computational footprint. These results highlight the potential of the proposed approach for enabling efficient and accessible AI-driven skin cancer screening in point-of-care and resource-constrained environments.
Benzer Tezler
- Phyton üzerinden derin öğrenme algoritmaları kullanılarak deri görüntüsünden cilt hastalıklarının tespit edilmesi
Detection of skin diseases from skin image by using deep learning algorithms in python
KAAN ONUR KOÇ
Yüksek Lisans
Türkçe
2019
Bolu Abant İzzet Baysal ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
Yükleniyor...
- Dermoskopik görüntülerden melanomanın derin evrişimsel sinir ağları ile teşhisi
Diagnosis of melanoma in dermoscopic images with deep convolutional neural networks
ENES AYAN
- Cilt kanseri tespitinde evrişimsel sinir ağları mimarilerinin karşılaştırılması
Comparison of convolutional neural networks architectures in skin cancer detection
KAZIM KILIÇ
Yüksek Lisans
Türkçe
2021
Ondokuz Mayıs ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Yükleniyor...
- Vücut benlerinin klinik görüntüleri üzerinde derin öğrenme tabanlı hastalık tahmini sisteminin geliştirilmesi
Development of a deep learning based disease prediction system on clinical images of body moles
ZAFER TOLAN
- Kolonoskopi görüntülerindeki poliplerin evrişimli sinir ağları ile tespiti
Detecting polyps in colonoscopy images using convolutional neural networks
ERDEM EZER