Derin Öğrenme Yöntemleri ile Cilt Lezyon Bölütlemesi

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: İstanbul Üniversitesi, Fen Bilimleri Enstitüsü, Enformatik Bölümü, Türkiye

Tezin Onay Tarihi: 2019

Tezin Dili: Türkçe

Öğrenci: Sohaib Najat Hasan

Eş Danışman: MURAT GEZER

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Deri kanseri, orta yaşlı ve yaşlı beyaz tenli insanlar arasında yaygın olarak görülen bir hastalıktır. Tıbbi kriterlere göre birçok türe ayrılmıştır. En tehlikeli ve ölümcül kanser türlerinden biri malign melanomdur. Erken tanı konulursa tedavi edilebilir kanser türlerinden biridir. Erken tanı, tümör tiplerinin kötü huylu (malign) veya iyi huylu (benign) olup olmadığının sınıflandırılması için otomatik bir teşhis sistemi gerektirir. Doğru bir lezyon bölütlemesi otomatik bir teşhis sistemi oluşturmak için en gerekli adımdır. Dermoskopik görüntü bölütlemesi gerçekleştirilmesinde istenmeyen yapılar lezyon sınırını saptamayı olumsuz yönde etkilemektedir.. Bu tezin temel olarak odaklandığı konu deri kanserinin erken teşhisi sırasında lezyonun yüksek doğrulukla sınıflandırılmasını kolaylaştırmak amacıyla lezyonun sınırını bölütlenmesi için kesin, etkili, sağlam ve otomatik bir yol oluşturulmasıdır. Sürecimiz iki aşamalı olup: birinci aşamada kıl ve cetvel işaretleri gibi istenmeyen yapılardan arınmış görüntüleri elde etmek için görüntü işleme teknikleri kullanılmıştır. Tezin önemli olan ikinci aşamasında U-Net mimarisinin geliştirmesidir. Geliştirilen yöntemde, başarılı lezyon bölütlemesi oranı elde etmek için 46 katmanlı bir mimari oluşturulmuştur. Bu çalışmada farklı katman sayısına sahip beş değişik U-Net (U-Net 32, U-Net 30, U-Net 37, U-Net 48 ve U-Net 46) üzerinde deneyler gerçekleştirilmiştir. Önerilen sistem U-Net 46 katman mimarisini kullanmaktadır. Kullanılan U-Net mimarilerinin bölütleme sonuçlarını elde ettiğini görmek üzere sonuçları değerlendirmek için Doğruluk, Dice ölçütü, Jaccard, Hassasiyet ve Özgüllük performans ölçekleri kullanılmıştır. Bölütleme deneyleri için ISIC2018 Lezyon Sınır Bölütleme veri kümesi kullanılmıştır. Sırasıyla U-Net 32, U-Net 30, U-Net 37, U-Net 48 mimari leri için doğruluk değerleri % 89,% 87,% 85 ve % 86 şeklindedir. Tez kapsamında önerilen U-Net 46 mimarisiyle oluşturulan otomatik bölütleme sistemi, 1815 eğitim veri kümesi ve 779 doğrulama veri kümesi kullanarak , % 93 doğruluk, % 85 Dice ölçütü, % 93 Jaccard, % 91 duyarlılık ve % 97 özgüllük başarım değerleri bulunmuştur.. Deneysel sonuçlar, önerilen 46 katmanlı U-Net mimarisinin deri lezyon bölütlemesi en başarılı mimari olduğunu göstermektedir.