Tez No	İndirme	Tez Künye	Durumu
706800		Dermatolojik görüntülerde melanomlu bölge tespiti için hibrit destek vektör makinesi yöntemi geliştirilmesi / Development of hybrid support vector machine method for detection of melanoma area in dermatological images Yazar:SÜMEYYA İLKİN Danışman: DOÇ. DR. SUHAP ŞAHİN Yer Bilgisi: Kocaeli Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:Destek vektör makineleri = Support vector machines ; Görüntü işleme = Image processing ; Makine öğrenmesi = Machine learning ; Sezgisel algoritmalar = Heuristic algorithms ; Tıbbi görüntüleme = Medical imaging ; Yapay zeka = Artificial intelligence	Onaylandı Doktora Türkçe 2022 100 s.
Melanom, kötü huylu ve agresif bir cilt kanseri türüdür. İyileşme olasılığı, erken tespit edilme durumu ile yüksek oranda ilişkili olduğu için, melanomun erken tespiti oldukça önemlidir. Yapılan araştırmalara göre cilt kanserlerinin erken teşhisi tedavinin başarı oranlarını oldukça artırmaktadır. Bu hastalığın teşhisi hastalar için oldukça pahalı ve acı vericidir. Bu nedenle, bilgisayar destekli tanı (CAD) sistemleri aracılığıyla cilt kanseri teşhisi, araştırmacılar arasında gittikçe popüler hale gelmektedir. Bu çalışmanın amacı, melonom tipi cilt lezyonunun tespitinde kullanılan makine öğrenmesi algoritmalarını incelemek ve çalışma süresi ve başarım oranları bakımından efektif bir makine öğrenmesi algoritması geliştirmektir. Bu tez çalışmasında dijital dermatoskoptan alınan lezyon görüntüleri üzerinde melanomun saptanması için etkili bir yöntem açıklanmaktadır. İlk olarak literatürde bulunan klasik makine öğrenmesi yöntemleri ile melanom tespit işlemi yapılmıştır. Elde edilen sonuçlar incelenmiş ve aralarından en başarılı sonucu veren DVM algoritması seçilerek ikinci aşamaya geçilmiştir. İkinci aşamada ise, DVM algoritması ve Bakteri Koloni algoritması kullanılarak hibrit bir sınıflandırma algoritması geliştirilmiştir. Geliştirilen bu sınıflama algoritması hybSVM olarak isimlendirilmiştir. Tez kapsamında önerilen hybSVM algoritması, 10 çapraz kat doğrulama kullanılarak ISIC ve PH2 olarak bilinen iki farklı veri kümesi ile test edilmiştir. Elde edilen sonuçlar literatürde bulunan güncel çalışmalarla karşılaştırılmıştır. Önerilen çalışma kapsamında; çalışma süresi ve başarım oranı açısından en iyi sonuçların; ISIC ve PH2'den sırasıyla %98, %97 AUC değeri ve 26,5 ve 11,9 sn. çalışma süreleri ile tez çalışması kapsamında geliştirilen hybSVM ile alındığı tespit edilmiştir.
Melanoma is a malignant and aggressive type of skin cancer. Early detection of melanoma is essential since the possibility of recovery is highly associated with its early detection. According to studies, early detection of skin cancers increases the success rates of treatment. The diagnosis of this disease is quite expensive and painful for the patients. Hence the diagnosis of skin cancer through computer aided diagnosis (CAD) systems are becoming more popular among researchers. The purpose of this thesis is to examine the machine learning algorithms used in the detection of melanoma type skin lesion and to develop an effective machine learning algorithm in terms of processing time and accuracy rates. In this thesis, an effective method for detecting melanoma on skin lesion images which are obtained from digital dermatoscope is described. First of all, melanoma detection was performed with classical machine learning methods used in the literature. The obtained results were examined and the SVM algorithm, which gave the most successful result, was selected and the second stage was forwarded. In the second stage, a hybrid classification algorithm was developed using the SVM algorithm and the Bacterial Colony algorithm. This developed classification algorithm is named as hybSVM. The hybSVM algorithm proposed in the thesis, was tested with two different datasets namely ISIC and PH2 by using 10 cross fold validation. The results obtained were compared with the state-of-art in the literature. Within the scope of the proposed study, it was concluded that the best result was obtained by hybSVM that we developed, with an AUC value of 98%, 97% and an operation time of 26.5, 11.9 sec respectively from ISIC and PH2.