Derin transfer öğrenme yöntemiyle cilt kanserinin sınıflandırılması

Cilt kanseri insan sağlığı için önemli bir tehdittir. Cilt kanseri hastalarının tamamen tedavi edilmesinin anahtar çözümü, cilt kanserinin temelini oluşturan lezyonların erken saptanmasıdır. Yapay zekâ teknolojisindeki ilerlemeyle birlikte, dermatologların cilt kanserini tespit etmesine yardımcı olacak otomatik yaklaşımlar geliştirmede önemli ilerlemeler kaydedilmiştir. Bu çalışmada cilt kanseri sınıflandırması için Uluslararası Cilt Görüntüleme Ortaklığı (International Skin Imaging Collaboration - ISIC) veri seti (64000 görüntü) üzerinde sekiz farklı transfer öğrenme ağı incelenmiştir. Çalışmada kullanılan modeller, son zamanlarda çeşitli çalışmalarda başarılı olan DenseNet121, Xception, InceptionResNetV2, ResNet50, Inception, EfficentNetB6, VGG16 ve MobileNetV2'dir. Çalışmanın ön işleme bölümünde, veri seti eğitim, doğrulama ve test olmak üzere üç bölüme ayrılmıştır. Çalışmanın sonuçları, bazı transfer öğrenme modellerinin, yüksek sınıflandırma doğrulukları ile sınıflandırma başarısı için uygun olduğunu göstermiştir. İnce ayarlı DenseNet121 modeli, %99.6'lık bir doğruluk oranıyla çalışmada kullanılan diğer tüm ön-eğitimli modellerden daha iyi performans göstermiştir. Ayrıca topluluk öğrenme yöntemi en iyi üç model (DenseNet121, MobileNetV2 ve Xception) ile uygulandığında %99.96 doğruluk elde edilmiştir