Derin Öğrenme ile Artırılmış Görüntü Seti üzerinden Cilt Kanseri Tespiti

Authors : Erhan ERGÜN, Kazım KILIÇ

Pages : 192-200

Doi:10.34248/bsengineering.938520

View : 60 | Download : 10

Publication Date : 2021-10-01

Article Type : Research Paper

Abstract :Bu çalışmada, son yıllarda görüntü sınıflandırmada artan oranda ilgi gören derin öğrenme ve görüntü işleme yöntemleri kullanılarak kötü huylu insert ignore into journalissuearticles values(malignant); cilt lezyonlarının erken teşhisini kolaylaştırıcı yapay zekâ tabanlı sınıflandırma deneyleri gerçekleştirilmiştir. Melanom, en kötü huylu ve az görülen bir kanser türü olduğundan dolayı derin öğrenme mimarisini eğitmek için yeterli sayıda eğitim ve test görüntüsü bulmak zordur. Bu nedenle artırılmış veri seti oluşturulmuş ve 6 farklı derin öğrenme mimarisi ile eğitim yapılmıştır. Kötü huylu ve iyi huylu cilt lezyonlarını sınıflandırmak için popüler olan AlexNet, DenseNet-121, ResNet-18, ResNet-34, SqueezeNet ve VGGNet-16 mimarileri kullanılmıştır. Deneyler HAM10000 veri seti üzerinde artırma yapılarak gerçekleştirilmiştir. Deneyler sonucunda en başarılı sonuçları veren Resnet-34 mimarisi ile ortalama %87,5 doğruluk oranı, %94 AUC skoru, %84,5 F-skoru, %87,6 kesinlik değeri elde edilmiştir. Diğer derin öğrenme mimarilerinden elde edilen sonuçlar ve karşılaştırmalı analizler de çalışmada ayrıca sunulmuştur.
Keywords : Derin öğrenme, Evrişimsel sinir ağları, Transfer öğrenme, Cilt kanseri, Sınıflandırma

ORIGINAL ARTICLE URL