Skin cancer detection and classification from dermatoscopic images using deep learning methods

Cilt kanserinin erken teşhisi, başarılı tedavi ve daha iyi hasta sonuçları için çok önemlidir. Cilt kanseri en yaygın kanser türüdür ve tespit edilmezse yayılabilir ve tedavisi daha zor hale gelebilir. Melanom, cilt kanserinin ciddi ve genellikle ölümcül bir şeklidir. Düzenli cilt muayeneleri ve daha sonra bir dermatolog tarafından değerlendirilebilecek olan şüpheli benleri veya lezyonları belirlemeye yardımcı olabilir. Buna ek olarak, teknolojideki ve yapay zekadaki gelişmeler, otomatik cilt kanseri taraması için araçların geliştirilmesini mümkün kıldı ve erken teşhis için uygun ve etkili bir araç sağladı. Bu, daha verimli tanıya, daha düşük sağlık maliyetlerine ve daha iyi hasta bakımına yol açabilir. Derin öğrenme yöntemleri, görüntülerden cilt lezyonlarını analiz ederek melanom tespitinin doğruluğunu artırmada büyük umut vaat ediyor. Derin öğrenme algoritmaları, büyük veri kümelerini ve karmaşık sinir ağlarını kullanarak iyi huylu ve kötü huylu cilt lezyonlarını yüksek doğrulukla etkili bir şekilde ayırt edebilir. CNN modelleri topluluğu, sınıflandırma performansını ve güvenilirliğini artırmaya yardımcı olur. Birden fazla CNN modelinin tahminlerini birleştirilmesi daha doğru ve sağlam tahminlere yol açar. Bu tezde, melanom sınıflandırma problemi için birçok farklı veri artırma tekniği uygulanmış ve farklı evrişimli sinir ağları mimarileri değerlendirilmiş, veri setine uygun olarak uygulanan vinyet etkisi ve kıl gürültüsü ve en iyi CNN modellerinden oluşan topluluk sonuçları umut vericidir. Bu tez, halka açık iki veri seti olan ISIC 2019 ve ISIC 2020 üzerinde deneyler yaparak melanom sınıflandırması için sağlam bir model oluşturmayı amaçlamaktadır. Çalışmalarımızda, önerdiğimiz çözüm test setlerinde %95,75 doğruluk elde etti.