Tez No	İndirme	Tez Künye	Durumu
752654		Görüntü işleme ve derin öğrenme yöntemleri ile cilt kanseri teşhisi için karar destek sisteminin geliştirilmesi / Development of decision support system for skin cancer diagnosis with image processing and deep learning methods Yazar:CİHAN Danışman: PROF. DR. NURSAL ARICI Yer Bilgisi: GAZİ ÜNİVERSİTESİ / BİLİŞİM ENSTİTÜSÜ / YÖNETİM BİLİŞİM SİSTEMLERİ ANABİLİM DALI / Yönetim Bilişim Sistemleri Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control ; Yönetim Bilişim Sistemleri = Management Information Systems Anahtar Kelime:Derin öğrenme = Deep learning ; Görüntü bölütleme = Image segmentation ; Görüntü işleme = Image processing ; Karar destek sistemleri = Decision support systems	Onaylandı Doktora Türkçe 2022 95 s.
Gelişen bilgi ve iletişim teknolojileriyle birlikte ulaşılabilen veri miktarı çok büyük boyutlara ulaşmıştır. Özellikle tıp alanında verilerin artmasıyla birlikte verilerin toplanması, işlenmesi ve kanser teşhisi gibi süreçlerde karar desteği için kullanımı önemli hale gelmektedir. Kanser vakalarının erken teşhisi, tedavi için hayati önem taşımaktadır. Son zamanlarda kanser teşhisinde derin öğrenme ve görüntü işleme gibi bilgisayarlı yöntemler yaygın olarak kullanılmaktadır. Karar destek sistemleri (KDS) kanser teşhisi için model bileşeninde bu yöntemleri kullanırlar. Bu çalışma kapsamında model bileşeninde görüntü işleme ve derin öğrenme algoritmaları kullanılarak, cilt kanserinin teşhisi için bir KDS geliştirilmiştir. Bu sistemde cilt kanseri görüntülerindeki gürültülerin temizlenmesi, lezyon bölütleme (segmentasyon) ve lezyon sınıflandırma aşamaları yer almaktadır. Önerilen KDS ile karar vericilere cilt kanserinin teşhisinde hızlı ve düşük maliyetle karar desteği sağlanması amaçlanmıştır. Mevcut literatürde halka açık bir maske veri seti bulunmadığından derin öğrenmede kullanmak için ISIC2018 veri setinden seçilen görüntüleri kullanarak gürültü maskeleri oluşturulmuştur. Çalışma kapsamında LinkNet-RCB7, ResNetC, UNet-RCB7 modelleri önerilmiştir. LinkNet-RCB7 ile gürültü temizliği ve lezyon bölütlemede sırasıyla %91,92, %96,85 ve önerilen sınıflama modeli ile lezyonun sınıflandırılmasında %97 zar doğruluğu elde edilmiştir. Bu sonuçlar karar vericilerin teşhis sürecine, katkısı açısından ümit vericidir.
With the development information and communication technologies, the amount of data that can be accessed has reached enormous dimensions. Especially with the increase in the amount of data in the field of medicine, the collection and processing of data and its use in decision support in processes such as cancer diagnosis have become important. Early detection of cancer cases is vital for treatment. Recently, computerized methods such as deep learning and image processing have been widely used in cancer diagnosis. Decision support systems (DSS) for cancer diagnosis use these methods in the model component. A DSS for the diagnosis of skin cancer has been developed within the scope of the study by using deep learning and image processing algorithms in the model component of DSSs. In this system, there are stages of removing noise in skin cancer images, lesion segmentation and lesion classification. With the proposed DDS, it is aimed to provide decision support to decision makers in the diagnosis of skin cancer quickly and with low cost. Noise masks were created to use for deep learning with image in ISIC2018 because there is no publicly available mask dataset in the available literature. In this study, LinkNet-RCB7, ResNetC, UNet-RCB7 were proposed. Using LinkNet-RCB7, 91,92%, 96,85% dice accuracy in noise removal, lesion segmentation respectively, and using proposed classification model, 97% dice accuracy were obtained in lesion classification. These results are promising in terms of its contribution to the diagnosis process of decision makers.