Deri lezyon görüntülerinin makine öğrenmesi ve derin öğrenme yöntemleriyle sınıflandırılması

Kanser, hücrelerin kontrolsüz bir şekilde bölünmesi ve yayılmasıdır. Deri kanseri diğer kanser türleri gibi erken teşhisi ve tedavisi oldukça önemli bir kanser türüdür. Tanı aşamasında kullanılan dermoskopi görüntülerini inceleyen kişilerin uzmanlığı, görüntülerdeki çeşitli artefaktlar gibi nedenler görüntüler manuel olarak incelendiğinde teşhis doğruluğunu düşürebilmektedir. Görüntülerin bilgisayar destekli uygulamalar ile incelenmesi daha kesin ve hızlı sonuçlar vermektedir. Ayrıca deri lezyonlarının sınıflandırılması ve segmentasyonu aşamasında da teşhis doğruluğunu düşürücü etkenleri ortadan kaldırmaktadır. Bu çalışmada, 2 açık veri seti üzerinde segmentasyon ve sınıflandırma işlemleri gerçekleştirilmiştir. İlk olarak dermoskopi görüntülerine yeniden boyutlandırma, DullRazor algoritması gibi çeşitli ön işlemler uygulanmıştır. Otsu Eşikleme veya Aktif Kontur yöntemleriyle ön işlemleri tamamlanan görüntüler bölütlenmiştir. Ardından bölütlenmiş görüntülerin doku, şekil ve renk olmak üzere 13 farklı özellikleri çıkarılarak, özellikler k-NN, SVM, kolay topluluk sınıflandırıcı, RUSBoost Sınıflandırıcı, Dengelenmiş Torbalama Sınıflandırıcı gibi makine öğrenmesi yöntemleri ile sınıflandırılmıştır. Bunun yanı sıra derin öğrenme mimarileri olan ResNet, EfficientNet ve CoAtNet ile sınıflandırılmış ve U-Net, SegNet ve DeepLabv3+ ile segmentasyon işlemleri gerçekleştirilmiştir.