Derin öğrenme tekniği ile (AlexNet ve Googlenet mimarisi kullanılarak) görüntü üzerinden melanom (deri kanseri) teşhisi
Melanoma (skin cancer) diagnosis via image with deep learning technique (using AlexNet and Googlenet architecture)
- Tez No: 975560
- Danışmanlar: DOÇ. DR. EMRE YAKUT
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Dermatoloji, Mühendislik Bilimleri, Computer Engineering and Computer Science and Control, Dermatology, Engineering Sciences
- Anahtar Kelimeler: CNN, Sayısal görüntü, İnsan-yapay zeka etkileşimi, CNN, Digital image, Human-artificial intelligence interaction
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Osmaniye Korkut Ata Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Yönetim Bilişim Sistemleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Melanom (deri kanseri), dünyada en yaygın kanser türlerinden biridir ve özellikle melanom türü, yüksek malignite potansiyeline sahip olduğu için oldukça tehlikelidir. Erken teşhis edilmediği takdirde hızlı bir şekilde yayılabilen ve ölümcül sonuçlar doğurabilen melanom, bu nedenle halk sağlığı açısından önemli bir tehdit oluşturmaktadır. Melanom teşhisinin erken dönemde yapılması, hastalığın tedavi başarısını ve hastaların yaşam süresini önemli ölçüde artırmaktadır. Ancak geleneksel yöntemlerle yapılan dermatolojik muayeneler, uzman gözlemi ve biyopsi gibi işlemler gerektirdiğinden zaman alıcı ve maliyetli olabilir. Derin öğrenme modelleri, büyük veri kümeleriyle eğitilerek otomatik teşhis ve sınıflandırmada yüksek doğruluk sağlamaktadır. Bu çalışmada, MATLAB ortamında AlexNet ve GoogleNet mimarileri kullanılarak melanom teşhisine yönelik bir sınıflandırma sistemi geliştirilmiştir. Çalışmamızın amacı, melanom (deri kanseri) teşhisinde derin öğrenme tabanlı bir yaklaşım geliştirmek, AlexNet ve GoogleNet mimarileri ile elde edilen sonuçların doğruluğunu analiz etmektir. Bu tez, derin öğrenme yöntemlerinin, özellikle AlexNet ve GoogleNet mimarisinin performansları karşılaştırılmış, her iki modelin de birbirlerine göre üstünlüklerine değinilmiş, her iki modelin de deri kanseri teşhisinde etkili bir araç olabileceğini gösterilmiştir. AlexNet modeli %90.19, GoogleNet modeli ise %88.38 doğruluk oranı ile sınıflandırma başarısı elde etmiştir. Ayrıca, tezde duyarlılık ve belirleyicilik istatistikleri ile birinci tip hata ve ikinci tip hata analiz sonuçlarına yer verilmiştir. Bu çalışma, tıbbi görüntüleme alanında yapay zeka uygulamalarına yönelik yeni bir bakış açısı sunmaktadır. Ayrıca, bu tez çalışması, hem sağlık profesyonellerine destekleyici bir araç sunmayı hem de derin öğrenme ve görüntü işleme tekniklerinin sağlık alanındaki kullanım potansiyelini gözler önüne sermeyi hedeflemektedir.
Özet (Çeviri)
Melanoma (skin cancer) is one of the most common types of cancer worldwide, and particularly the melanoma subtype is highly dangerous due to its high malignancy potential. If not diagnosed early, melanoma can spread rapidly and lead to fatal outcomes, making it a significant public health threat. Early diagnosis of melanoma greatly improves treatment success and patient survival rates. However, traditional diagnostic methods such as dermatological examinations, expert observation, and biopsy procedures can be time-consuming and costly. Deep learning models, trained on large datasets, provide high accuracy in automated diagnosis and classification. In this study, a classification system for melanoma diagnosis was developed using AlexNet and GoogleNet architectures in the MATLAB environment. The aim of our study is to develop a deep learning-based approach for melanoma (skin cancer) diagnosis and to analyze the accuracy of results obtained with AlexNet and GoogleNet architectures. This thesis compares the performance of deep learning methods, particularly AlexNet and GoogleNet, highlighting the advantages of each model and demonstrating that both can be effective tools in skin cancer diagnosis. The AlexNet model achieved a classification accuracy of 90.19%, while the GoogleNet model achieved 88.38%. Additionally, the thesis includes sensitivity and specificity statistics, as well as Type I and Type II error analysis results. This study offers a new perspective on artificial intelligence applications in medical imaging. Furthermore, this thesis aims to provide healthcare professionals with a supportive tool while showcasing the potential of deep learning and image processing techniques in the healthcare field.
Benzer Tezler
- Evolutionary feature optimization for plant leaf disease detection by deep neural networks
Bitki yaprak hastalık teşhisi için derin sinir ağları ile evrimsel özellik optimizasyonu
JALAL SADOON HAMEED AL BAYATI
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Prof. Dr. BURAK BERK ÜSTÜNDAĞ
- Bilgisayarlı tomografi görüntülerinde inmenin farklı derin öğrenme modelleri ile sınıflandırılması
Classification of stroke with different deep learning models in computerized tomography images
MUSTAFA ALTINTAŞ
Yüksek Lisans
Türkçe
2021
Mühendislik BilimleriNecmettin Erbakan ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMET ÜSAME ÖZİÇ
- Sağlık alanında derin öğrenme yöntemlerinin incelenmesi
Investigation of deep learning methods in healthcare
YAREN ÖZSOY
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTrakya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DENİZ TAŞKIN
- Bölge tabanlı evrişimli sinir ağı ile yoklama amaçlı yüz tanıma sistemi
Face recognition system for attendance with region based convolutional neural network
DEMET HANİFE SUNGUR
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDüzce ÜniversitesiElektrik-Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. PAKİZE ERDOĞMUŞ
- Yapay zekâ yöntemleri kullanarak otomobil motor ses sinyallerinden arıza tespiti
Fault detection from automobile engine sound signals using artificial intelligence methods
FERİT AKBALIK
Doktora
Türkçe
2025
Elektrik ve Elektronik MühendisliğiDicle ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ABDULNASIR YILDIZ
PROF. DR. ÖMER FARUK ERTUĞRUL