Improving Digital Image Quality for Convolution Neural Network Based Computer-Aided Diagnosis (CNN-CAD) of Skin Cancer

Authors : Tolga YALÇIN, Amira TANDİROVİC GÜRSEL

Pages : 1099-1110

Doi:10.21605/cukurovaumfd.1048370

View : 17 | Download : 15

Publication Date : 2021-12-29

Article Type : Research Paper

Abstract :Cilt kanserini tespit edilmesi öncelikle bir dermatolog tarafından yapılan görsel muayeneye ve ardından daha doğru bir tanı için bir dizi teste dayanmaktadır. "Kanser doğal geçmişinde ne kadar erken tespit edilirse, tedavinin o kadar etkili olması muhtemeldir" kavramı cilt kanseri için de geçerlidir. Bu nedenle, gecikmiş veya kaçırılmış herhangi bir tanı daha ağır bir klinik aşamaya veya daha da kötüsü ölüme yol açabilir. Öte yandan, klinik kullanımda biyomarker eksikliği aşırı tanı ve gereksiz biyopsileri beraberinde getirmektedir. DL-CAD sistemleri tanısal doğruluğu artırmak ve gereksiz tedavileri azaltmak için mükemmel bir aday gibi görünmektedir. Bununla birlikte, geleneksel CAD sistemlerin büyük çoğunluğu, yüksek maliyetli ekipmanın yansıra işlenmesi zaman alan dermoskopik görüntüleri kullanır. Hassasiyet hususundaki zorluklara rağmen, modern DL-CAD sistemleri, dijital görüntüleri kullanarak bir yorumlama sağlar ve uygun maliyetli dermoskopik görüntü yakalama ve yorumlamada uzmanlık gerektirmez. Ön işleme yöntemleri bu sorunun çözümünde çok önemli bir rol oynamaktadır. Bu çalışma, önerilen CNN tabanlı ResNet50 derin öğrenme modeli için en yaygın 5 cilt kanseri türünün teşhisinde kullanılacak görüntülerin iyileştirilmesine yönelik ön işleme adımlarına ilişkin sonuçları sunmaktadır. Bildiğimiz kadarıyla, cilt kanseri tanısında ResNet50 derin öğrenme modeli ilk kez kullanılmıştır.
Keywords : Cilt kanseri, CNN CAD sistemleri, Veri kümesi büyütme, Görüntü ön işleme, Medyan filtresi