IAD Index of Academic Documents
  • Home Page
  • About
    • About Izmir Academy Association
    • About IAD Index
    • IAD Team
    • IAD Logos and Links
    • Policies
    • Contact
  • Submit A Journal
  • Submit A Conference
  • Submit Paper/Book
    • Submit a Preprint
    • Submit a Book
  • Contact
  • Karadeniz Fen Bilimleri Dergisi
  • Cilt: 15 Sayı: 3
  • Seboreik & Atopik Dermatit, Psoriasis, Onikomikoz Hastalıklarının Yapay Zekâ ile Tespit Edilmesi

Seboreik & Atopik Dermatit, Psoriasis, Onikomikoz Hastalıklarının Yapay Zekâ ile Tespit Edilmesi

Authors : Kevser Şahinbaş, Berna Şevval Uysal, Sude Tozmaz, Zeliha Sezgin
Pages : 1004-1026
Doi:10.31466/kfbd.1550690
View : 108 | Download : 150
Publication Date : 2025-09-15
Article Type : Research Paper
Abstract :Bu çalışma, seboreik dermatit, atopik dermatit, psoriasis ve onikomikoz hastalıklarının yapay zekâ teknolojisi kullanılarak doğru ve hızlı bir şekilde tespit edilmesini hedeflemektedir. Yapay zekâ teknolojilerinin bu alanda kullanımı, teşhis süreçlerini hızlandırarak ve doğruluk oranını artırarak önemli avantajlar sunmaktadır. Bu çalışma kapsamında, yapay zekânın önemli bir dalı olan derin öğrenme teknikleri kullanılmıştır. YOLO algoritması kullanılarak, cilt hastalıklarının görüntüler üzerinden yüksek doğrulukla teşhis edilmesi amaçlanmıştır. Önerilen modelin geliştirilmesi için Kaggle\\\'dan elde edilen veri seti kullanılmış ve model eğitilmiştir. Veri seti, seboreik dermatit, atopik dermatit, psoriasis ve onikomikoz hastalıklarına ait yüksek çözünürlüklü cilt görüntülerini içermektedir. Çalışmanın metodoloji kısmında, verilerin ön işleme tabi tutulması, modelin geliştirilmesi ve test edilmesi aşamaları ayrıntılı bir şekilde ele alınmıştır. Veriler makine öğrenimine sunulmadan önce RoboFlow üzerinden tek sınıflı sınıflandırma işlemleri yapılmış ve görüntüler 640x640 standart boyutlarına getirilmiştir. Model için, Yolov8 algoritmasının yolov8s-cls modeli kullanılmış ve Google Colab ortamında kodlanmıştır. Modelin eğitimi sırasında, eğitim, doğrulama ve test veri setleri kullanılarak modelin performansı değerlendirilmiştir. Model, %88.3 doğruluk oranına ulaşmış ve hastalıkları başarılı bir şekilde sınıflandırmıştır. Elde edilen doğruluk oranları, bu tür modellerin klinik uygulamalarda kullanılma potansiyelini ortaya koymaktadır. Bu çalışma, sağlık sektöründe yapay zekâ tabanlı sistemlerin kullanımının yaygınlaşmasına ve teşhis süreçlerinin iyileştirilmesine katkıda bulunmayı amaçlamaktadır.
Keywords : Cilt Hastalıkları, Yapay Zekâ, RoboFlow, YOLOv8, Sınıflandırma, Evrişimsel Sinir Ağları

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.


Index of Academic Documents
İzmir Academy Association
CopyRight © 2023-2026