Görüntü işleme ve derin öğrenme yöntemleri kullanılarak dermoskopik görüntülerden cilt kanseri tespiti
Detection of skin cancer from dermoscopic images using image processing and deep learning methods
- Tez No: 981598
- Danışmanlar: DOÇ. DR. MAHMUT ÖZTÜRK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Mühendislik Bilimleri, Computer Engineering and Computer Science and Control, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi-Cerrahpaşa
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışma, cilt kanseri tespitinde derin öğrenme tabanlı yöntemlerin etkinliğini incelemektedir. Cilt kanseri, dünya genelinde en yaygın kanser türlerinden biri olup, özellikle melanom türü yüksek ölüm oranına sahiptir. Bu tezde, cilt lezyonlarının otomatik olarak sınıflandırılması ve melanom tespiti için derin öğrenme modelleri kullanılmıştır. Veri seti olarak ISIC 2019 verileri tercih edilmiştir. Çalışmada VGG16, ResNet50 ve Vision Transformer gibi popüler mimariler kullanılarak model performansları karşılaştırılmıştır. Modellerin doğruluğu, hassasiyet, özgüllük ve F1 skoru gibi ölçütler ile değerlendirilmiştir. Elde edilen sonuçlar, önerilen modellerin cilt kanseri tespitinde yüksek doğruluk sağladığını göstermektedir.
Özet (Çeviri)
This study examines the effectiveness of deep learning-based methods in skin cancer detection. Skin cancer is one of the most common types of cancer worldwide, with melanoma having a particularly high mortality rate. In this thesis, deep learning models were used for the automatic classification of skin lesions and melanoma detection. The ISIC 2019 dataset was utilized for this study. Popular architectures such as VGG16, ResNet50, and Vision Transformer were used to compare model performances. The models were evaluated based on metrics such as accuracy, precision, specificity, and F1 score. The results obtained indicate that the proposed models provide high accuracy in skin cancer detection.
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
- Skin lesion classification with machine learning
Makine öğrenmesi ile cilt lezyonu sınıflandırması
ESRA SENDEL
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. İSA YILDIRIM
- Derin öğrenme yöntemleri kullanarak cilt kanserinin tespiti ve sınıflandırılması
Detection and classification of skin cancer using deep learningmethods
MOHAMMED MAHMOOD HUSSEIN HUSSEIN
Yüksek Lisans
Türkçe
2026
Mühendislik BilimleriTokat Gaziosmanpaşa ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
الأستاذ الدكتور MAHMUT HEKİM
- Derin öğrenme yöntemleri ile cilt lezyon bölütlemesi
Skin lesion segmentation with deep learning techniques
SOHAIB NAJAT HASAN
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul ÜniversitesiEnformatik Ana Bilim Dalı
PROF. DR. SEVİNÇ GÜLSEÇEN
DR. MURAT GEZER
- Evaluating the impact of different preprocessing techniques on image analysis results
Farkli ön işleme tekniklerinin görüntü analiz sonuçlari üzerindeki etkisinin değerlendirilmesi
RAYAN FATHI NASER BRIBESH
Yüksek Lisans
İngilizce
2025
Bilim ve Teknolojiİstinye ÜniversitesiYapay Zeka Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. WADHAH ZEYAD TAREQ AL GBARI