Derin Öğrenme Tekniği Kullanılarak Cilt Kanseri Tespit Performansının İyileştirilmesi

Yılmaz F., Edizkan R.

28. IEEE SİNYAL İŞLEME ve İLETİŞİM UYGULAMALARI KURULTAYI, Gaziantep, Türkiye, 5 - 07 Ekim 2020, ss.1-4 identifier identifier

  • Yayın Türü: Bildiri / Tam Metin Bildiri
  • Doi Numarası: 10.1109/siu49456.2020.9302339
  • Basıldığı Şehir: Gaziantep
  • Basıldığı Ülke: Türkiye
  • Sayfa Sayıları: ss.1-4
  • Eskişehir Osmangazi Üniversitesi Adresli: Evet

Özet

Kanserin zamanında ve doğru tespit edilmesi,

tedavinin başarı olasılığını arttırmaktadır. Bu kanser türleri

içinde kötü huylu cilt kanseri, dünyada yaygın olarak görülen en

tehlikeli cilt kanseri türüdür ve görülme sıklığı gün geçtikçe

artmaktadır. Cilt kanserinin sınıflandırılması için bilgisayar

destekli tanı uygulamaları kullanılmaktadır. Bu çalışmada ise,

ISIC arşivinden alınan ve dermoskopik görüntülerden oluşan iki

sınıflı veri seti kullanılmıştır. İyi huylu ve kötü huylu cilt

kanserinin sınıflandırması yapılmış ve yapılan doğru erken teşhis

ile başarım oranının arttırılması amaçlanmıştır. Bunun için,

dermoskopik görüntülere renk netleştirme, kenar tespiti ve

gürültü giderme önişlemleri uygulanmıştır. Ön işlem aşamasının

ardından bu görüntüler Inception v2 derin öğrenme mimarisi ile

sınıflandırılmıştır. Yapılan çalışma sonucunda; ön işlem aşaması

ile başarım oranı 3,33 puan arttırılmış ve doğruluk oranı %88,66

olarak elde edilmiştir.

Anahtar Kelimeler — cilt kanseri; Inception v2; görüntü ön

işleme

Determination of cancer on time and accurately

could increase the probability of successful treatment of it. Inside

the cancer types malignant skin cancer is the most dangerous

cancer type which is seen widely in the world and frequency of

seeing it increases with time. Computer aided diagnosis

applications are used for the classification of skin cancers. In this

study, dermoscopic images acquired from ISIC archieve are used

to create a dataset which has two classes, and this dataset is used

to classify benign and malignant cancer types. And as a result of

early diagnosis, the classification score is aimed to be increased.

To do this, some image preprocessing operations like color

clarification, edge detection, and noise extraction on dermoscopic

images obtained from dataset are applied. After this processing

operation, InceptionV2 deep learning network is used to classify

these processed images. As a result of this study, it is seen that the

preprocessing operation increases the accuracy ratio by 3.33

point, and an accuracy rate of 88.66% is get.

Keywords — skin cancer; Inception v2; image pre-processing