Maymun çiçeği cilt lezyonunun tespiti için derin öğrenme yöntemlerinde optimizasyon tabanlı özellik seçimi
Optimization-based feature selection in deep learning methods for monkeypox skin lesion detection
- Tez No: 869739
- Danışmanlar: DR. ÖĞR. ÜYESİ ERDAL ÖZBAY
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yazılım Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez, maymun çiçeği hastalığının cilt lezyonlarının tespiti için derin öğrenme yöntemlerinin kullanımını ve optimizasyon tabanlı özellik seçimini ele almaktadır. Maymun çiçeği hastalığı, günümüzde sağlık sektörünün önemli bir sorunudur ve erken teşhis yöntemlerinin geliştirilmesi büyük bir gerekliliktir. Geleneksel teşhis yöntemleri maliyetli ve zaman alıcı olabilirken, CNN gibi derin öğrenme teknikleri, özellikle cilt lezyonlarının tespitinde büyük bir potansiyel sunmaktadır. Bu çalışmada, veri önişleme adımlarından görüntü çoğaltma yöntemi kullanıldıktan sonra önceden eğitilmiş model mimarileri olan DenseNet-201, ResNet-101 ve DarkNet-53 kullanılarak cilt lezyonlarının görüntülerinden öznitelik çıkarımı yapılmıştır. Aynı zamanda, anlamlı öznitelikleri seçmek amacıyla optimizasyon yöntemleri kullanılmıştır. Kullanılan BGWO yöntemi ile öznitelik seçimi gerçekleştirilmiştir. Elde edilen sonuçlar, önerilen yaklaşımın maymun çiçeği hastalığının cilt lezyonlarının tespitinde derin öğrenme yöntemlerinin etkili bir şekilde kullanılmasının gerekliliğini göstermektedir. Optimizasyon tabanlı özellik seçimi yönteminin, hastalık teşhisinin doğruluğunu önemli ölçüde artırdığı belirlenmiştir. Bu tez, tıbbi teşhislerin geliştirilmesine ve hastaların sağlık durumlarının daha etkili bir şekilde yönetilmesine katkı sağlama amacıyla önemli bir adım olarak görülmektedir. Maymun çiçeği hastalığının erken teşhisinde derin öğrenme ve optimizasyon tekniklerinin birleşiminin, sağlık sektörüne büyük faydalar sağlayabileceği düşünülmektedir.
Özet (Çeviri)
This thesis discusses the use of deep learning methods and optimization-based feature selection for the detection of monkeypox skin lesions. Monkeypox disease is an important problem in the health sector today and the development of early diagnosis methods is a great necessity. While traditional diagnostic methods can be costly and time-consuming, deep learning techniques such as CNN offer great potential, especially in detecting skin lesions. In this study, after using the image augmentation method in the data preprocessing steps, features were extracted from the images of skin lesions using the pre-trained model architectures DenseNet-201, ResNet-101 and DarkNet-53. At the same time, optimization methods were used to select meaningful features. Feature selection was carried out with the BGWO method used. The results obtained demonstrate the necessity of the proposed approach to effectively use deep learning methods in detecting skin lesions of monkeypox. It has been determined that the optimization-based feature selection method significantly increases the accuracy of disease diagnosis. This thesis is seen as an important step towards contributing to the development of medical diagnoses and more effective management of patients' health conditions. It is thought that the combination of deep learning and optimization techniques in the early diagnosis of monkeypox can provide great benefits to the healthcare sector.
Benzer Tezler
- Maymun çiçeği hastalığının cilt lezyon görüntüleri üzerinden yapay zekâ algoritmaları ile sınıflandırılması
Classification of monkeypox skin lesion images using artificial intelligence algorithms
FIRAT BULAK
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBaşkent ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ONUR KOÇAK
- Maymun çiçeği hastalığını içeren cilt lezyonu görüntülerinin transformatör tabanlı derin öğrenme mimarileri kullanılarak çoklu sınıflandırılması
Multi-classification of skin lesion images including mpox disease using transformer-based deep learning architectures
SEYFETTİN VURAN
Doktora
Türkçe
2025
Elektrik ve Elektronik MühendisliğiDicle ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET AKIN
- Maymun çiçeği lezyonlarının derin öğrenme tabanlı hibrit model ile sınıflandırılması
Classification of monkeypox lesions using a deep learning-based hybrid model
MUSTAFA KEMAL TOPÇU
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ONUR İNAN
- Cilt hastalıklarının derin öğrenme modelleri kullanılarak tespiti ve sınıflandırılması
Detection and classification of skin diseasesusing deep learning models
AKSA ÖZER
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMalatya Turgut Özal ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMED YILDIRIM
- A lightweight deep learning approach for skin disease detection
Deri hastalıkları tespiti için hafif derin öğrenme yaklaşımı
VAHAP BAHADIR BABACAN
Yüksek Lisans
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAdana Alparslan Türkeş Bilim ve Teknoloji ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. YASİN KAYA