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: 64
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
- Dermoskopik görüntülerden melanomanın derin evrişimsel sinir ağları ile teşhisi
Diagnosis of melanoma in dermoscopic images with deep convolutional neural networks
ENES AYAN
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKırıkkale ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HALİL MURAT ÜNVER
- Evrişimli sinir ağları ile histopatolojik görüntülerden melanom tespiti
Melanoma detection from histopatological images with convolutional neural networks
FATMA BETÜL KARA
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDüzce ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. PAKİZE ERDOĞMUŞ
- Cilt kanseri tespitinde evrişimsel sinir ağları mimarilerinin karşılaştırılması
Comparison of convolutional neural networks architectures in skin cancer detection
KAZIM KILIÇ
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOndokuz Mayıs ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ERHAN ERGÜN
- 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
- Melanoma skin cancer detection based on deep learning methods and binary Harris Hawk optimization
Derin öğrenme yöntemleri ve ikili Harris Hawk optimizasyonuna göre melanom cilt kanserinin tespiti
NOORA JABER FAISAL AL-METHAN
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankırı Karatekin ÜniversitesiElektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYHAN AKBAŞ