Dermatologist-level classification of skin cancer with deep neural networks
Date
2021
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Antalya Bilim Üniversitesi Lisansüstü Eğitim Enstitüsü
Abstract
Over the past few decades, cases of skin cancer have increased enormously. It is getting most popular cause of deaths in men/woman’s even in both developed and undeveloped countries. If skin cancer can’t be treated in early stages, it can go down in human skin and spread quickly to other parts in the body. Melanoma causes luckily become visible to sufferers creating an opportunity to detect in early stages. The recent advent of deep learning methods for computer - aided diagnosis has allowed the development of intelligent healthcare imaging-based diagnostic systems that can facilitate the human experts in making informed decisions about a patient's condition. In this report will focus on the problem of skin lesion classification, specifically the detection of skin cancer (melanoma) in early stages, and present a deep learning (Convolution Neural Network) based approach to classify the dermoscopic image containing a skin lesion as cancerous or benign. We have identified what methodology and parameters to use to replicate this study. In this report we have tried to brought in light that how deep networks and convolutional neural networks are taking the place of handcrafted feature extractors in different image classifications
Son birkaç on yılda, cilt kanseri vakaları muazzam bir şekilde arttı. Hem gelişmiş hem de gelişmemiş ülkelerde bile erkek / kadın ölümlerinin en popüler nedenini alıyor. Cilt kanseri erken aşamalarda tedavi edilemezse, insan cildine inerek vücudun diğer bölgelerine hızla yayılabilir. Melanom, hastalara şans eseri görünür hale gelir ve erken aşamalarda tespit etme fırsatı yaratır. Bilgisayar destekli teşhis için derin öğrenme yöntemlerinin yakın zamanda ortaya çıkışı, insan uzmanların bir hastanın durumu hakkında bilinçli kararlar vermesini kolaylaştırabilecek akıllı sağlık hizmeti görüntüleme tabanlı teşhis sistemlerinin geliştirilmesine izin verdi. Bu raporda, cilt lezyonu sınıflandırması sorununa, özellikle deri kanserinin (melanom) erken evrelerde saptanmasına odaklanılacak ve bir deri lezyonu içeren dermoskopik görüntüyü kanserli veya iyi huylu. Bu çalışmayı tekrarlamak için hangi metodolojiyi ve parametreleri kullanacağımızı belirledik. Bu raporda, derin ağların ve evrişimli sinir ağlarının, farklı görüntü sınıflandırmalarında el yapımı özellik çıkarıcıların yerini nasıl aldığına ışık tutmaya çalıştık.
Son birkaç on yılda, cilt kanseri vakaları muazzam bir şekilde arttı. Hem gelişmiş hem de gelişmemiş ülkelerde bile erkek / kadın ölümlerinin en popüler nedenini alıyor. Cilt kanseri erken aşamalarda tedavi edilemezse, insan cildine inerek vücudun diğer bölgelerine hızla yayılabilir. Melanom, hastalara şans eseri görünür hale gelir ve erken aşamalarda tespit etme fırsatı yaratır. Bilgisayar destekli teşhis için derin öğrenme yöntemlerinin yakın zamanda ortaya çıkışı, insan uzmanların bir hastanın durumu hakkında bilinçli kararlar vermesini kolaylaştırabilecek akıllı sağlık hizmeti görüntüleme tabanlı teşhis sistemlerinin geliştirilmesine izin verdi. Bu raporda, cilt lezyonu sınıflandırması sorununa, özellikle deri kanserinin (melanom) erken evrelerde saptanmasına odaklanılacak ve bir deri lezyonu içeren dermoskopik görüntüyü kanserli veya iyi huylu. Bu çalışmayı tekrarlamak için hangi metodolojiyi ve parametreleri kullanacağımızı belirledik. Bu raporda, derin ağların ve evrişimli sinir ağlarının, farklı görüntü sınıflandırmalarında el yapımı özellik çıkarıcıların yerini nasıl aldığına ışık tutmaya çalıştık.
Description
Keywords
Melanoma detection, Melanom algılama, Convolutional neural networks, Evrişimli sinir ağları, Deep neural networks, Derin sinir ağları, Image classification, Görüntü sınıflandırma, Computer-aided diagnosis systems, Bilgisayar destekli tanı sistemleri
Citation
Iqbal, J. (2021). Dermatologist-level classification of skin cancer with deep neural networks (Yayımlanmamış yüksek lisans tezi). Antalya Bilim Üniversitesi Lisansüstü Eğitim Enstitüsü, Antalya.