Cilt lezyonlarının çoklu görevli derin hibrid model ilesınıflandırılması
Classification of skin lesions with amulti-task deep hybrid model
- Tez No: 972835
- Danışmanlar: PROF. DR. MEHMET KEMAL GÜLLÜ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: İzmir Bakırçay Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışmasında, cilt lezyonlarının sınıflandırılması ve segmentasyonu için çoklu görevli, parametre açısından son derece verimli bir derin öğrenme modeli geliştirilmiştir. Mevcut mimarilerin doğruluk odaklı ancak yüksek parametre yükü sorununa çözüm olarak, EfficientNet-B0 tabanlı hafif bir yapı tasarlanmış, toplam parametre sayısı yaklaşık %95 oranında azaltılarak 91 milyon seviyesinden 4.6 milyona düşürülmüştür. Böylece model boyutu yalnızca 17 MB'a kadar küçültülmüş ve mobil cihazlarda bile gerçek zamanlı çalışabilecek hale getirilmiştir. Ek olarak, önerilen kenar bilgisi geliştirme modülü, segmentasyon sınırlarını netleştirerek sınıflandırma başarısını artırmıştır. Bu çalışma, yüksek doğruluk performansını minimal kaynakla elde ederek hem klinik hem taşınabilir sistemler için uygulanabilirliği olan yeni nesil bir çözüm sunmaktadır.
Özet (Çeviri)
In In this thesis, a multi-task deep learning model is proposed for the classification and segmentation of skin lesions with a strong emphasis on parameter efficiency. Unlike traditional architectures that achieve high accuracy at the cost of heavy computational loads, the proposed model utilizes an EfficientNet-B0-based lightweight encoder, reducing the total number of parameters by approximately 95% from 91 million to just 4.6 million. As a result, the model size is compressed to around 17 MB, making it suitable for real-time deployment even on mobile devices. Additionally, an edge enhancement module is introduced to refine segmentation boundaries, further improving classification accuracy. This study offers a highly portable, clinically viable solution that achieves near state-of- the-art performance with minimal resource requirements.
Benzer Tezler
- Künt toraks ve batın travmalı hastalarda cilt lezyonlarının intratorakal ve intraabdominal yaralanmalar açısından prediktif değeri
The predictive value of skin lesions for intrathoracic and intraabdominal injuries in patients with blunt thoracic and abdominal trauma
EKİN AYBERK FİYAKALI
Tıpta Uzmanlık
Türkçe
2025
Acil TıpDüzce ÜniversitesiAcil Tıp Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ERDİNÇ ŞENGÜLDÜR
- 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
Elektrik ve Elektronik MühendisliğiBolu Abant İzzet Baysal ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. KEMAL POLAT
- Akral melanositik nevüslerin dermoskopik paternleri
Dermoscopic pattern of acral malanocytic nevi
DİLAN DALİ
Tıpta Uzmanlık
Türkçe
2024
DermatolojiVan Yüzüncü Yıl ÜniversitesiDermatoloji Ana Bilim Dalı
PROF. DR. HATİCE UCE ÖZKOL
- Lipoid proteinosis hastalarında serbest amino asit profilinin incelenmesi
Investigation of free amino acid profile in lipoid proteinosis patients
MEHMET EKMEN
Yüksek Lisans
Türkçe
2019
BiyokimyaHarran ÜniversitesiBiyokimya Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ATAMAN GÖNEL
- Psoriazisli hastalarda, hastalık şiddeti ile depresyon, anksiyete ve yetiyitimi düzeyi arasındaki ilişkinin incelenmesi
An investigation on the relationship of disease severity with depression, anxiety and disability level in psoriasis patients
KHANDAN BARZEGARJALALI
Tıpta Uzmanlık
Türkçe
2016
PsikiyatriHacettepe ÜniversitesiRuh Sağlığı ve Hastalıkları Ana Bilim Dalı
PROF. DR. BERNA DİCLENUR ULUĞ