Deri kanseri görüntülerinin sınıflandırma ve bölütleme performansını artırmak için kıl gidermede yeni bir yaklaşım

Bu tez, erken teşhisin daha iyi tedavi ve sonuçlar için önemini vurgulayarak, cilt kanserinin önemli bir sorununa odaklanmaktadır. Ultraviyole radyasyona maruz kalma önemli bir risk faktörüdür ve ileri düzeyde teşhis yöntemlerine ihtiyaç vardır. Bilgisayar görüsündeki son gelişmeleri kullanarak, çalışmamız cilt kanseri görüntülerinden özellikle kıl kalıntılarını uzaklaştıran yeni bir ön işleme tekniği önermektedir. Bu teknik, segmentasyon ve sınıflandırmanın doğruluğunu artırmayı amaçlamaktadır. Yöntem, morfolojik operasyonlar ve adaptif filtreler gibi görüntü işleme tekniklerini kullanarak kıl içeren bölgeleri tanımlayıp izole etmektedir. Ardından, bir referans maske, kıldan etkilenen bölgeleri zekice doldurarak cilt kanseri lezyon bütünlüğünü korur. Uluslararası Cilt Görüntüleme İşbirliği veri seti üzerindeki değerlendirme, yaklaşımımızı "Dull Razor" ve "E-Shaver" gibi algoritmalarla karşılaştırmayı içerir.Segmentasyon için Evrişimsel Sinir Ağı tabanlı U-Net ve transfer öğrenme sınıflayıcılarını (VGG16, InceptionV3 ve EfficientNet) içeren derin öğrenme sınıflayıcıları kıldan arındırılmış cilt kanseri görüntüleriyle eğitildi. Doğruluk, duyarlılık, kesinlik ve F1-skoru gibi metrikler, yaklaşımımızı segmentasyon, sınıflandırma ve kıl giderimi kalitesi açısından değerlendirir. Ayrıca, kıl segmentasyonunun kalitesi, Tepe İşaret-Gürültü Oranı, Birleşim Kesişimi, Ortalama Karesel Hata, Yapısal Benzerlik Endeksi ve Evrensel Kalite Endeksi kullanılarak değerlendirilir. Önerdiğimiz yöntem, cilt kanseri görüntülerindeki kıl kalıntıları tarafından ortaya çıkarılan zorlukları ele alarak hem segmentasyon hem de sınıflandırmayı önemli ölçüde geliştirmektedir. Bu bulgular, önerdiğimiz yaklaşımın klinik karar destek sistemleri için cilt kanseri görüntü analizini geliştirme potansiyelini vurgulamaktadır.