Derin öğrenmeye dayalı nesne tespiti modelleri ile cilt kanseri tespiti
2025
0 views
0 downloads
Advisor: Prof. Dr. İsmail Hakkı Cedimoğlu
Abstract (TR)
Çalışmada, YOLOv8, YOLOv11, YOLOv12 ve RT-DETR (Real-Time Detection Transformer) olmak üzere farklı derin öğrenme tabanlı nesne tespiti modelleri kullanılmış ve bu modellerin benign (iyi huylu) ve malign (kötü huylu) cilt lezyonlarını ayırt etmedeki başarı düzeyleri karşılaştırılmıştır. Araştırmanın hedefi, söz konusu modellerin doğruluk, hız, genelleme yeteneği ve gerçek zamanlı çalışma performansı açısından kapsamlı bir değerlendirmesini yapmaktır. Böylece, klinik uygulamalarda kullanılabilecek daha hızlı, güvenilir ve objektif bir erken teşhis sistemi geliştirilmesine katkı sağlanması amaçlanmıştır.
Author
Dr. Sarah Atheer Abbas Al-musawı
Institution
Sakarya University
Bilişim Sistemleri Bilim Dalı
How to Cite
Sarah Atheer Abbas Al-musawı (Yüksek Lisans Tezi). Derin öğrenmeye dayalı nesne tespiti modelleri ile cilt kanseri tespiti, 2025, Sakarya University.
Keywords
License
Tüm Hakları Saklıdır
This work is shared under the specified license terms.
More theses from Sakarya University
- Yoğunluk fonksiyonel teorisi kullanılarak pil malzemelerinin hesaplamalı incelenmesi(2023)
- Hacı Ahmed b. Seyyid el-Bigavî ve Terceme-i Avârifu'l-maârif'i (22-43. bablar)(2024)
- Karbazol substıtüye 3,4-dihydropyrimidin-2(1h)-tion türevi bileşiklerin sentezi(2024)
- Geri dönüştürülebilir atıkların derin öğrenme modelleri ile sınıflandırılması: Veri seti boyutunun etkisi üzerine bir karşılaştırma(2024)
- Türk mitolojisinde kurban, kutsal şiddet ve günah keçisi motiflerinin hermeneutik incelemesi(2024)
- Tiyokalkon ile sübstitüe edilmiş metalli ftalosiyaninlerin sentezi ve karakterizasyonu(2018)