Cilt hastaliklarinin teşhisi için evrişimsel sinir ağlarinin optimizasyon yöntemleri ile geliştirilmesi

Günümüzde cilt kanserleri, dünya genelinde en yaygın ve ölümcül hastalık türlerinden biri haline gelmiştir. Erken teşhis, hastalığın ilerlemesini önlemede ve tedavi başarısını artırmada kritik bir rol oynamaktadır. Ancak, farklı cilt lezyonlarının görsel olarak benzer özellikler göstermesi, dermatologlar için teşhis sürecini zorlaştırmaktadır. Bu nedenle, bilgisayarlı görüntü analizi ve derin öğrenme tabanlı yaklaşımlar, cilt hastalıklarının otomatik teşhisinde önemli bir araştırma alanı haline gelmiştir. Bu çalışmada, ISIC 2019 veri seti kullanılarak cilt hastalıklarının sınıflandırılmasına yönelik bir derin öğrenme modeli geliştirilmiştir. İlk aşamada, transfer öğrenme yaklaşımıyla beş farklı önceden eğitilmiş mimari incelenmiş ve bu modeller arasından EfficientNetV2S en yüksek F1 skorunu elde ederek temel model olarak seçilmiştir. İkinci aşamada, EfficientNetV2S modeli kanal, uzamsal, sıkma ve özellik çıkarma (SE) gibi dikkat mekanizmalarıyla zenginleştirilmiş, böylece modelin öznitelik seçme ve anlamlı bölgeleri vurgulama yeteneği artırılmıştır. Üçüncü aşamada, geliştirilen bu modelin hiperparametreleri Equilibrium Optimizer (EO) algoritması kullanılarak optimize edilmiştir. EO algoritması, modelin performansını daha üst seviyelere taşıyarak hiperparametre optimizasyonunda etkin bir yöntem olduğunu ortaya koymuştur. Son aşamada, model daha geniş kapsamlı bir veri seti üzerinde yeniden eğitilmiş ve F1 skorunda belirgin bir artış sağlanmıştır. Elde edilen sonuçlar, dikkat mekanizmalarının entegrasyonunun, EO tabanlı hiperparametre optimizasyonunun ve daha büyük veri setleriyle eğitimin model başarısını anlamlı biçimde iyileştirdiğini göstermektedir.