Skın cancer detectıon and classıfıcatıon usıng deep learnıng

En kötü malignitelerden biri cilt kanseridir. Başlangıçta tespit edilip tedavi edilmediği takdirde vücudun diğer bölgelerine yayılması beklenir. Cilt kanserini başarıyla tedavi etmeye yönelik yöntemde hem görüntü işleme hem de derin öğrenme kullanılıyor. Bu araştırmada, K-Ortalama kümeleme ve Çok sınıflı destek vektör makinesi gibi Makine Öğreniminde (ML) etkili yöntemler kullanılarak tespit ve sınıflandırma için melanom, pigmente iyi huylu keratoz ve bazal hücreli karsinom dahil olmak üzere üç farklı cilt kanseri türü tanıtılmaktadır. (M-SVM) algoritması ve ardından AlexNet ve ResNet gibi Derin Öğrenme (DL) teknikleri kullanılmaktadır. Ayrıca derin evrişimli sinir ağlarının (CNN) etkinliği ve kapasitesi de görülmektedir. Veri seti farklı hastalık sınıflarına sahip 1176 cilt kanseri görüntüsünü içerir, bu veri seti hem ML hem de DL'de kullanılır. ML'de veri seti eğitim ve test setlerine bölünmüştür, bu setler basit bir kenar algılama filtresi kullanılarak birkaç adımlık iyileştirmeden geçirilir ve Gri Seviye Eş Oluşum Matrisi (GLCM) yöntemi kullanılarak özellikler çıkarılır. Daha sonra bu görüntüler K-ortalama kümeleme algoritmaları kullanılarak üç kümelemeye bölünür. DL'de AlexNet ve ResNet olmak üzere iki model kullanılır, bu modellerde veri setleri eğitim ve test setlerine bölünmüştür. Daha sonra, küçük veri setleri için çok faydalı olan ve sonuçlar doğruluk sonuçlarındaki değişiklikleri gösteren bir büyütme tekniği önerilmiştir. Sonuçlar AlexNet ve ResNet için sırasıyla %99,03 ve %97,02 doğruluk göstermektedir.