Geri Dön

Melanom cilt kanserinin tespiti için derin öğrenme tabanlı optimize edilmiş ve açıklanabilir aı destekli bir yöntem

Deep learning-based optimized and explaninable ai-supported method for the detection of melanoma skin cancer

PDF İndir

  1. Tez No: 1011316
  2. Yazar: ALİAGHA GULİYEV
  3. Danışmanlar: DOÇ. DR. KENAN GENÇOL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Belirtilmemiş.
  6. Anahtar Kelimeler: Melanom, Derin Öğrenme, Grad-CAM, Açıklanabilir Yapay Zekâ, Hiperparametre Optimizasyonu, Melanoma, Deep Learning, Grad-CAM, Explainable Artificial Intelligence, Hyper parameter Optimization
  7. Yıl: 2026
  8. Dil: Türkçe
  9. Üniversite: Hitit Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Elektrik ve Elektronik Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bu çalışmada, dermoskopik görüntüler kullanılarak melanom cilt kanserinin otomatik tespiti için derin öğrenme tabanlı, optimize edilmiş ve açıklanabilir bir yöntem önerilmiştir. Melanom, yüksek metastaz potansiyeline sahip olması nedeniyle erken tanısı kritik olan bir cilt kanseri türüdür. Geleneksel tanı yöntemlerinin uzman bağımlı ve subjektif olması, otomatik ve güvenilir sistemlere olan ihtiyacı artırmaktadır.Çalışma kapsamında, benign ve malign cilt lezyonlarının sınıflandırılması amacıyla VGG16, MobileNetV2, InceptionV3, ResNet, DenseNet ve EfficientNet gibi ön-eğitimli evrişimsel sinir ağı (CNN) mimarileri kullanılmış ve performansları karşılaştırmalı olarak analiz edilmiştir. Modellerin başarımı accuracy, precision, recall ve F1-score gibi temel metrikler ile değerlendirilmiştir.Ayrıca, modelin karar verme sürecini yorumlayabilmek amacıyla Grad-CAM (Gradient-weighted Class Activation Mapping) yöntemi kullanılmıştır. Elde edilen ısı haritaları, modelin sınıflandırma yaparken görüntünün hangi bölgelerine odaklandığını görselleştirmiştir. Grad-CAM çıktıları nicel olarak değerlendirilmiş ve Intersection over Union (IoU), Dice katsayısı ve Top-K doğruluk metrikleri kullanılarak analiz edilmiştir. Yapılan değerlendirmelerde IoU ve Dice metriklerinin piksel bazlı katı eşleşme gerektirmesi nedeniyle sınırlı kaldığı, buna karşın Top-K metriğinin modelin dikkat bölgelerini daha esnek ve anlamlı şekilde değerlendirdiği gözlemlenmiştir. Bununla birlikte, model performansını artırmak amacıyla Optuna tabanlı hiperparametre optimizasyonu gerçekleştirilmiştir. Öğrenme oranı, batch size, dropout oranı ve katman yapısı gibi parametreler optimize edilerek modelin genelleme yeteneği iyileştirilmiştir. Elde edilen sonuçlar, EfficientNet mimarisinin hem sınıflandırma performansı hem de açıklanabilirlik açısından en dengeli ve başarılı modeli sunduğunu göstermektedir. Özellikle malign sınıfının tespitinde elde edilen iyileşmeler, önerilen yöntemin klinik karar destek sistemlerinde kullanılabilirliğini ortaya koymaktadır.Sonuç olarak, bu çalışma derin öğrenme, açıklanabilir yapay zekâ ve hiperparametre optimizasyonunun birlikte kullanılmasıyla melanom tespitinde daha güvenilir ve yorumlanabilir bir sistem geliştirilmesine katkı sağlamaktadır.

Özet (Çeviri)

In this study, a deep learning-based, optimized, and explainable method is proposed for the automatic detection of melanoma skin cancer using dermoscopic images. Melanoma is a critical type of skin cancer that requires early diagnosis due to its high metastatic potential. Traditional diagnostic approaches rely heavily on expert interpretation and may involve subjective assessments, which increases the need for reliable and automated systems. Within the scope of this study, pre-trained convolutional neural network (CNN) architectures, including VGG16, MobileNetV2, InceptionV3, ResNet, DenseNet, and EfficientNet, were utilized for the classification of benign and malignant skin lesions, and their performances were comparatively analyzed. Model performance was evaluated using standard metrics such as accuracy, precision, recall, and F1-score. In addition, the Grad-CAM (Gradient-weighted Class Activation Mapping) method was employed to interpret the decision-making process of the model. The generated heatmaps visualize the regions of the image that the model focuses on during classification. Grad-CAM outputs were also evaluated quantitatively using Intersection over Union (IoU), Dice coefficient, and Top-K accuracy metrics. The results indicate that IoU and Dice metrics are limited due to their strict pixel-wise matching requirement, whereas the Top-K metric provides a more flexible and meaningful evaluation of model attention. Furthermore, Optuna-based hyper-parameter optimization was applied to improve model performance. Parameters such as learning rate, batch size, dropout rate, and network structure were optimized to enhance the generalization capability of the model. Experimental results demonstrate that the Efficient-Net architecture provides the most balanced and effective performance in terms of both classification accuracy and explainability. Particularly, improvements in detecting malignant cases highlight the potential of the proposed method for clinical decision support systems. In conclusion, this study demonstrates that combining deep learning, explainable artificial intelligence, and hyper-parameter optimization leads to a more reliable and interpretable system for melanoma detection.

Benzer Tezler

  1. Tez No

    989067

    Derin öğrenme yöntemleri kullanarak cilt kanserinin tespiti ve sınıflandırılması

    Detection and classification of skin cancer using deep learningmethods

    MOHAMMED MAHMOOD HUSSEIN HUSSEIN

    Yüksek Lisans

    Türkçe

    Türkçe

    2026

    Mühendislik BilimleriTokat Gaziosmanpaşa Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    الأستاذ الدكتور MAHMUT HEKİM

  2. Tez No

    710647

    Vücut benlerinin klinik görüntüleri üzerinde derin öğrenme tabanlı hastalık tahmini sisteminin geliştirilmesi

    Development of a deep learning based disease prediction system on clinical images of body moles

    ZAFER TOLAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ERKAN DUMAN

  3. Tez No

    608922

    Dermoskopik görüntülerden melanomanın derin evrişimsel sinir ağları ile teşhisi

    Diagnosis of melanoma in dermoscopic images with deep convolutional neural networks

    ENES AYAN

    Doktora

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKırıkkale Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HALİL MURAT ÜNVER

  4. Tez No

    783838

    Skin lesion classification with machine learning

    Makine öğrenmesi ile cilt lezyonu sınıflandırması

    ESRA SENDEL

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. İSA YILDIRIM

  5. Tez No

    940522

    Vit-skinnet: A novel vision transformer-based ShufflenetV3 model for efficient skin cancer detection with segmentation mechanism

    Vıt-skınnet: Segmentasyon mekanizması ile etkili cilt kanserinin tespiti için yeni bir vizyon transformatör tabanlı ShufflenetV3 modeli

    ABDULMOHAIMEN IBRAHIM KHALEEL AL GBURI

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SEFER KURNAZ

Geri Dön