VÜCUT BENLERİNİN KLİNİK GÖRÜNTÜLERİ ÜZERİNDE DERİN ÖĞRENME TABANLI HASTALIK TAHMİNİ SİSTEMİNİN GELİŞTİRİLMESİ

Abstract

Bilimsel olarak Melanomlara diğer cilt kanserlerine göre daha az rastlanır. Ancak cilt kanserine bağlı ölümlerin yaklaşık olarak %75'i melanomlara bağlı olarak gelişir. Kanser hücreleri çok hızlı büyüyen ve sistemik olarak yayılan bir davranış sergiler. Tüm kanser çeşitlerinde olduğu gibi cilt kanserinin tedavisi için de erken tanı büyük önem taşır. Dolayısıyla ciltte meydana gelen kanser belirtilerinin erken fark edilmesi ve doğru değerlendirilmesi son derece önemlidir. Vücut benlerii üzerinde bir değişiklik fark edildiğinde renk ve şekil açısından takip edilmeli, ten renginde veya pembe tonlarında görülen kabartılar da dikkate alınmalıdır. Dermatologlar sıklıkla Melanom'u erken aşamalarında tanılamak ve ortadan kaldırmak için düzenli cilt muayenesi önermektedir. Bu çalışmada derin öğrenme teknikleriyle, hastanın vücudundaki renkli lezyon görüntüleri üzerindeki örüntüler incelenerek cilt kanseri tespiti yapılmıştır. Tıpta bu konuda erken teşhisin önemine defalarca vurgu yapılırken çalışmamız sayesinde ben üzerinde kanser riski varsa erken teşhis edilip, tedavi aşamasına geçilmesi hedeflenmektedir. Çalışmamızda, dermoskopik görüntüler kullanılarak patolojik doğrulamaları yapılmış açık kaynak bir veritabanı ile evrişimsel sinir ağları başarılı bir şekilde eğitilmiştir. Dermoskopik görüntü cihazlarında; vücuttaki benlerin haritası oluşturularak renkli görüntüleri kayıt altına alınmaktadır. Böylece bir sonraki kontrolde elde edilecek görüntüyle karşılaştırma şansı sağlanmaktadır. Bu tez çalışmasında; Uluslararası Cilt Görüntüleme Birliği tarafından açık kaynak olarak erişime sunulan bir veri setindeki renkli lezyon görüntüleri, şekil ve boyut farklılığı üzerinden 7 farklı hastalığa ayrıştırılmıştır. Yapılan bu çoklu-sınıflandırma uygulamasında yüksek oranda doğruluk elde edilmiştir.Scientifically, melanomas are less common than other skin cancers. However, approximately 75% of skin cancer-related deaths are due to melanomas. Cancer cells Show a behavior that grows very quickly metastasis systemically As with all types of cancer, early diagnosis is of great importance for the treatment of skin cancer. Therefore, it is extremely important to recognize and accurately evaluate the signs of cancer occurring on the skin early. Therefore, when a color change occurring on the skin or a change in the body me is noticed, it should be followed in terms of color and shape, blisters in skin tones or pink tones should also be considered. Dermatologists often recommend regular skin examination to identify and eliminate Melanoma in its early stages. In this study, skin cancer detection was made by examining the patterns on the colored lesion images on the patient's body with deep learning techniques. While the importance of early diagnosis in medicine has been emphasized many times, our study aims to diagnose early and move to the treatment stage if there is a risk of cancer. In our study, convolutional neural networks were successfully trained with an open source database with pathological validations with dermoscopic images. With this method, the moles in the body are created and the point areas are determined. In dermoscopic image devices; color images are recorded by creating a map of the moles in the body. Thus, the chance to compare with the image to be obtained in the next check is provided. In this multiclassification application, a high degree of success was achieved.