According to the World Health Organization, cancer is the second highest cause of death in the world with 9.8 million. One of the most common types of cancer is skin cancer. In skin cancer, as in other types of cancer, early diagnosis is vital in the treatment process. Today, in the diagnosis of skin cancer, besides traditional methods, computer technology based methods such as Image Processing, Artificial Intelligence, Deep Learning, Artificial Neural Networks are frequently used. The most important advantage of these methods is that they do not contain human errors during the diagnosis process. On the other hand, one of the biggest problems is the inaccuracy in the diagnosis of cancer due to the fact that the hair cleansing and lesion segmentation cannot be performed correctly.This study presents a new UNET-based approach to clearing skin cancer lesions from hair noises and lesion segmentation. Two data sets of International Skin Imaging Collaboration (ISIC) were used in the study. As a result of the study, a success rate of 92% in hair removal and approximately 94% in lesion segmentation was achieved.
Dünya Sağlık
Örgütüne göre kanser 9.8 milyon ile dünyadaki ikinci en yüksek ölüm nedenidir. Kanser
türleri arasında en sık rastlanılandan biri ise cilt kanseridir. Cilt
kanserinde de, diğer kanser türlerinde olduğu gibi erken tanı tedavi sürecinde
hayati öneme sahiptir. Günümüzde cilt kanseri tanısında geleneksel yöntemlerin
yanı sıra bilgisayar teknolojisi temelli Görüntü İşleme, Yapay Zekâ, Derin
Öğrenme, Yapay Sinir Ağları gibi yöntemler sıklıkla kullanılmaktadır. Bu yöntemlerin
en önemli avantajı, tanı sürecinde insan kaynaklı hataları barındırmamasıdır. Diğer
yandan, en büyük sorunlardan birisi ise lezyondaki kıl temizliği ve lezyon bölütlemesinin
doğru yapılamaması nedeniyle kanser tanısında yanlışlıklara yol açılmasıdır. Bu
çalışma, cilt kanseri lezyonlarının kıl gürültülerinden temizlenmesi ve lezyon bölütlemesinde
UNET tabanlı yeni bir yaklaşım sunmaktadır. Çalışma kapsamında International
Skin Imaging Collaboration (ISIC)’e ait iki adet veri seti kullanılmıştır. Çalışma
sonucunda kıl temizliğinde yaklaşık %92, lezyon bölütlemesinde yaklaşık %94
başarı oranı elde edilmiştir.
Birincil Dil | Türkçe |
---|---|
Konular | Mühendislik |
Bölüm | Araştırma Makalesi |
Yazarlar | |
Yayımlanma Tarihi | 1 Eylül 2020 |
Gönderilme Tarihi | 11 Kasım 2019 |
Yayımlandığı Sayı | Yıl 2020 Cilt: 23 Sayı: 3 |
Bu eser Creative Commons Atıf-AynıLisanslaPaylaş 4.0 Uluslararası ile lisanslanmıştır.