Doğruluk tespitinin iyileştirmek için cilt kanserinde CNN ve PCA hibriti

Kanser, insan vücudunun herhangi bir bölümünü etkileyebilen birçok hastalığın genel adıdır. Cilt kanseri en yaygın ve tehlikeli kanser türü olarak kabul edilir. Cilt kanserini tespit etmek ve teşhis etmek için bilgi teknolojisi teknikleri gereklidir. Bu nedenle, etkin ve derin öğrenme teknikleri kullanılarak erken ve doğru bir cilt kanseri teşhisi ve tedavisine ihtiyaç vardır. Bu araştırma çalışması, Derin Evrişim Sinir Ağı (DPD-DCNN) kullanarak cilt kanserinin otomatik teşhisini önermektedir. Bu araştırmanın ayırt edici özelliği, cilt kanseri doğruluğunun teşhisini ve tespitini artıran 12 iç içe işleme katmanına sahip DCNN kullanmasıdır. Ayrıca kanserin kötü huylu veya iyi huylu olup olmadığını erken evrelerde yüksek doğrulukla tespit edebilmektedir. Sinir ağının yanı sıra, cilt kanserini tespit etmek için Naive Bayes ve rassal orman makine öğrenme teknikleri de kullanılmaktadır. Bu araştırma çalışması sonuçları, derin öğrenme tekniğinin cilt kanseri tespiti açısından makine öğreniminden daha etkili olduğu sonucuna varmıştır. Önerilen sistem doğruluğuna Naive Bayes uygulanarak %96'lık bir doğruluk elde edildi, benzer şekilde rassal orman yöntemi için de %97'lik bir doğruluk elde edildi. Deep CNN ağı uygulanarak %99,5 doğruluk elde edildi.