Cilt hastaliklarinin teşhisi için evrişimsel sinir ağlarinin optimizasyon yöntemleri ile geliştirilmesi
Development of convolutional neural networks for skin disease diagnosis with optimization methods
- Tez No: 984107
- Danışmanlar: DOÇ. DR. MAHİR KAYA
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Dermatoloji, Optimizasyon algoritmaları, Dermatology, Optimization algorithms
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Tokat Gaziosmanpaşa Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Günümüzde cilt kanserleri, dünya genelinde en yaygın ve ölümcül hastalık türlerinden biri haline gelmiştir. Erken teşhis, hastalığın ilerlemesini önlemede ve tedavi başarısını artırmada kritik bir rol oynamaktadır. Ancak, farklı cilt lezyonlarının görsel olarak benzer özellikler göstermesi, dermatologlar için teşhis sürecini zorlaştırmaktadır. Bu nedenle, bilgisayarlı görüntü analizi ve derin öğrenme tabanlı yaklaşımlar, cilt hastalıklarının otomatik teşhisinde önemli bir araştırma alanı haline gelmiştir. Bu çalışmada, ISIC 2019 veri seti kullanılarak cilt hastalıklarının sınıflandırılmasına yönelik bir derin öğrenme modeli geliştirilmiştir. İlk aşamada, transfer öğrenme yaklaşımıyla beş farklı önceden eğitilmiş mimari incelenmiş ve bu modeller arasından EfficientNetV2S en yüksek F1 skorunu elde ederek temel model olarak seçilmiştir. İkinci aşamada, EfficientNetV2S modeli kanal, uzamsal, sıkma ve özellik çıkarma (SE) gibi dikkat mekanizmalarıyla zenginleştirilmiş, böylece modelin öznitelik seçme ve anlamlı bölgeleri vurgulama yeteneği artırılmıştır. Üçüncü aşamada, geliştirilen bu modelin hiperparametreleri Equilibrium Optimizer (EO) algoritması kullanılarak optimize edilmiştir. EO algoritması, modelin performansını daha üst seviyelere taşıyarak hiperparametre optimizasyonunda etkin bir yöntem olduğunu ortaya koymuştur. Son aşamada, model daha geniş kapsamlı bir veri seti üzerinde yeniden eğitilmiş ve F1 skorunda belirgin bir artış sağlanmıştır. Elde edilen sonuçlar, dikkat mekanizmalarının entegrasyonunun, EO tabanlı hiperparametre optimizasyonunun ve daha büyük veri setleriyle eğitimin model başarısını anlamlı biçimde iyileştirdiğini göstermektedir.
Özet (Çeviri)
In recent years, skin cancers have become one of the most common and deadly diseases worldwide. Early diagnosis plays a critical role in preventing disease progression and improving treatment success. However, the visual similarity of different skin lesions makes the diagnostic process challenging for dermatologists. Therefore, computer-based image analysis and deep learning–based approaches have become an important research area for the automatic diagnosis of skin diseases. In this study, a deep learning model was developed for the classification of skin diseases using the ISIC 2019 dataset. In the first stage, five different pre-trained architectures were evaluated through transfer learning, and EfficientNetV2S was selected as the base model for achieving the highest F1 score. In the second stage, the EfficientNetV2S model was enhanced with channel and spatial attention mechanisms, improving its ability to select meaningful features and emphasize important regions within the images. In the third stage, the hyperparameters of the enhanced model were optimized using the Equilibrium Optimizer (EO) algorithm. The EO algorithm effectively improved the model's performance, demonstrating its capability as a powerful approach for hyperparameter optimization. Finally, the model was retrained on a larger dataset, which led to a further increase in the F1 score. The results indicate that the integration of attention mechanisms, EO-based hyperparameter optimization, and training with a larger dataset significantly improve the performance of deep learning models for skin disease classification.
Benzer Tezler
- Cilt lezyonlarının dermatoskop görüntüleri üzerinden derin öğrenmeye dayalı yöntemle tespiti ve sınıflandırılması
Detection and classification of skin lesions based on deep learning from dermatoscop images
YUSUF YETGİN
Yüksek Lisans
Türkçe
2023
Mühendislik BilimleriAkdeniz ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DOÇ. DR. EVGİN GÖÇERİ
- Tıbbi görüntü işleme ve derin öğrenme yöntemleriyle hastalıklarda teşhis otomasyon modeli
Diagnostic automation model in diseases with medical image processing and deep learning methods
MUSTAFA GÜLER
Doktora
Türkçe
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Üniversitesi-CerrahpaşaEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERSİN NAMLI
DOÇ. DR. RAMAZAN ÜNLÜ
- 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
- Yapay sinir ağları kullanılarak cilt hastalıklarının teşhis edilmesi için yardımcı bir sistem gerçekleştirilmesi
Developing a subsystem for dermatological diseases diagnosis using artificial neural networks
MUSA KAPLAN
Yüksek Lisans
Türkçe
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. AHMET ÇINAR
- Cilt kanseri teşhisi için yeni bir derin öğrenme algoritması
A new deep learning algorithm for skin cancer diagnosis
GÖKHAN KEMAL ANLI
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiUluslararası Bilgisayar Ana Bilim Dalı (disiplinlerarası)
DOÇ. DR. MURAT KURT