Classification of cancer images with CNN-based deep learning approach

Home Page
About
Submit A Journal
Submit A Conference
Submit Paper/Book
- Submit a Preprint
- Submit a Book
Contact

Niğde Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi
Volume:12 Issue:1
Classification of cancer images with CNN-based deep learning approach

Classification of cancer images with CNN-based deep learning approach

Pages : 30-38

View : 44 | Download : 12

Publication Date : 2023-01-15

Article Type : Research Paper

Abstract :Halk arasında melanoma insert ignore into journalissuearticles values(mel);, dermatofibroma insert ignore into journalissuearticles values(df);, ve vascular insert ignore into journalissuearticles values(vasc);, bening keratosis insert ignore into journalissuearticles values(bkl);, melanocytic nevi insert ignore into journalissuearticles values(nv);, basal cell carcinoma insert ignore into journalissuearticles values(bcc);, actinic keratosis insert ignore into journalissuearticles values(akiec); olarak bilinen cilt kanserleri yüksek benzerliğe sahiptir. Belirtilen cilt kanserlerinin erken aşamada doğru bir şekilde sınıflandırılması insan yaşamını kurtarması açısından önemlidir. Bu makalede yaygın görülen cilt kanserlerinin sınıflandırma süreçleri için yüksek doğruluklu bir derin öğrenme modeli önerilmiştir. Önerilen model, genel olarak iş yoğunluğu yüksek olan cilt uzmanlarına yardımcı, hızlı tanı ve sınıflandırma yetkinliğine sahip bir modeldir. Birbirine oldukça benzer olan cilt kanserlerinin sınıflandırılmasında, swish ve ReLU aktivasyon fonksiyonlarının avantajlarından faydalanan 30 katmanlı bir CNN modeli önerilmiştir. Bu model kullanılarak akiec, bcc, bkl, df, nv, vasc, mel adlı cilt kanserlerinin sınıflandırılmasında sırasıyla 0.99%, 0.99%, 0.96%, 0.99%, 0.92%, 0.99%, 0.95% F1 score değerleri elde edilmiştir. Akiec, bcc, bkl, df, nv, vasc, mel adlı cilt kanserlerinin sınıflandırılmasında precision ve recall ölçüm metrikleri açısından sırasıyla 0.99%, 0.99, 0.93, 0.99, 0.97, 0.99, 0.94 precision ve 0.99, 0.98, 0.99, 1, 0.87, 1, 0.97 recall değerleri elde edilmiştir. Elde edilen performans sonuçlarına göre önerilen modelin birbirine oldukça benzer yedi farklı cilt kanserini doğru bir şekilde sınıflandırdığı söylenebilir.
Keywords : CNN, Rastgele yeniden örneklendirme algoritması, Cilt kanseri, Derin öğrenme

ORIGINAL ARTICLE URL

* There may have been changes in the journal, article,conference, book, preprint etc. informations. Therefore, it would be appropriate to follow the information on the official page of the source. The information here is shared for informational purposes. IAD is not responsible for incorrect or missing information.