Derin öğrenme algoritmaları kullanılarak cilt kanseri teşhisi

Cilt kanseri, erken teşhis edilmez ise ölümcül olabilecek bir kanser türüdür. Yapay zekâ ile cilt kanserinin otomatik teşhisi, erken teşhis ve tedaviye olanak sağlayarak cilt kanserinin yaygınlığının azaltılmasında ve hayat kurtarılmasında kritik bir rol oynamaktadır. Bu çalışma, ISIC2019 veri setini kullanarak cilt kanseri tümör tiplerinin sınıflandırılması amacıyla yapılan bir araştırmayı özetlemektedir. Araştırma sonuçlarına göre, Melanoma-AK sınıflandırmasında ResNet18'de %98,28, ResNet50'de %93,10 ve VGG16'de %98,28 başarı oranları elde edilmiştir. Diğer tümör tipleri için de benzer şekilde başarı oranları raporlanmıştır. Çalışma beş ana bölümden oluşmaktadır. İlk bölümde giriş ve literatür özeti sunulmuş, ikinci bölümde cilt kanseri hakkında genel bilgi ve veri setindeki tümör tiplerinin tanımları verilmiştir. Üçüncü bölümde kullanılan yapay zekâ algoritmaları olan ResNet18, ResNet50 ve VGG16 mimarileri hakkında bilgi sunulmuş ve katman yapıları detaylı olarak açıklanmıştır. Dördüncü bölümde yöntem ve analiz sonuçları açıklanmıştır. Beşinci bölümde ise elde edilen sonuçlar tartışılmış ve ağ mimarilerinin performansları değerlendirilmiştir. Sonuçlar, ESA kullanılarak cilt kanseri tümör tiplerinin sınıflandırılmasında yüksek doğruluk oranları elde edildiğini göstermektedir. Özellikle Melanoma ile vasküler lezyon arasındaki sınıflandırmada %100 başarı oranı dikkat çekmektedir. En düşük başarı oranları Melanoma-YHK ve Melanoma-Nevüs sınıflandırmalarında elde edilmiş olmasına rağmen, bu sonuçlar bile doktorlar için faydalı bir sınıflandırma sistemi geliştirildiğini göstermektedir. Ağ mimarileri kıyaslandığında, ResNet50'nin daha başarılı olduğu ancak daha fazla işlem gerektirdiği ve daha uzun eğitim süresine sahip olduğu görülmüştür. ResNet18 ve VGG16 ise daha düşük sınıflandırma başarılarına sahiptir. VGG16, daha az katmanlı ve daha basit bir mimariye sahip olmasına rağmen daha iyi bir performans sergilemiştir. Bu çalışma, Evrişimsel Sinir Ağları (ESA)'nın cilt kanseri sınıflandırması için etkili bir seçenek olduğunu ve gelecekte doktorlara yardımcı olabilecek bir sistem olarak kullanılabileceğini vurgulamaktadır.