Phyton üzerinden derin öğrenme algoritmaları kullanılarak deri görüntüsünden cilt hastalıklarının tespit edilmesi

Abstract

Dünya çapında veri depolama, işleme ve anlamlandırma çalışmaları sektör fark etmeksizin hayati önem taşımaya başladı. Bu durum görselliğe dayalı yeni teknolojik düzeninde önemli bir parçası haline gelmiştir.Görüntü işleme çalışmaları gelişen donanım ve artan internet hızı ile birlikte kompleks, detaylı ve daha modernize yapıların oluşmasına zemin hazırlamıştır. Fotoğraf ve video görüntülerinde kalitenin artması görsel dünyadan farklı birçok alanda tespit yapabilmemize olanak tanımaktadır. Siber güvenlik, finans, istatistik, savunma sanayi ve sağlık gibi birçok kapsamlı alanda görseller toplanıp işlenerek belirlenen amaçlar doğrultusunda teşhis, tespit ve çıkarım yapılabilmektedir.Bunun günümüzdeki en etkili ve hızlı yolu ise büyük veri kümeleri için kullanılan derin öğrenme yöntemleridir. Çoklu miktardaki verileri paralel işleme yöntemi ile test edip, sınıflandırıp kendi kendine öğrenen ve yetebilen platformalar oluşturulmaktadır.Sağlık sektörü de uzun yılardır makine öğrenesi vb. yöntemlerle alanında uzman kişilere alternatif yöntemler geliştirilmeye çalışılmaktadır. Bu kapsamda önemli ölçüde başarılı çalışmalar yapılmıştır. Özellikle görüntüler üzerinde yapılan çalışmalar kendini fazlaca göstermektedir bunlardan bir tanesi de cilt kanseri teşhisi için değerlendirilen deri görüntüleridir. Cilt kanseri dünya çapında nüfusa oranla ciddi rakamlarda görülmektedir. Erken teşhis yüzdesi yüksek bir hastalığın tedavisinde önemli rol oynamaktadır. Çalışma deri kanserine erken teşhis için başarılı ve kolay bir alternatifi temsil etmektedir. Görüntü işleme yöntemleri bu kapsamda oldukça etkili olmaktadır. Fakat artan görüntü boyutlarının yanı sıra artan veri miktarı ve kendi kendine öğrenebilen yapıların varlığı ile derin öğrenme yöntemleri daha fazla ön plana çıkmaktadır.Bu yapıları oluştururken kullanılan en yaygın yöntemlerden birisi Evrişsel Sinir Ağı- ESA (CNN- Convolutional Neural Network) dır. Bu yapı, incelenmek istenen verilerin sınıflandırılması için kullanılan en etkili yöntemlerden birisidir.Yapılan çalışmada ESA yapısı kullanılıp farklı katmanlarla deri lezyonlarının teşhisi yapılmıştır.

Worldwide data storage, processing, and interpretation work are becoming vital regardless of the industry. This has become an important part of the new technological scheme based on visuality.With the developing hardware and the increasing speed of the internet, image processing works prepared the basis for the formation of complex, detailed and modernized structures. Increasing the quality of photographic and video images allows us to make a determination in many different areas from the visual world. In many fields such as cybersecurity, finance, statistics, defense industry, and health, visuals can be collected and processed for diagnosis, determination, and inference.The most effective and fastest way to do this is by using deep learning methods for large data sets. Tests classify and self-learning platforms are created by parallel processing method.The health sector has been teaching machine learning and so on for many years. alternative methods to the experts in the field are tried to be developed. In this context, significant successful studies have been conducted. In particular, studies on the images show a lot of them, one of which is the skin images evaluated for the diagnosis of skin cancer. Skin cancer is seen in serious numbers compared to the worldwide population. Early detection plays an important role in the treatment of a high percentage of the disease. The study represents a successful and easy alternative to early detection of skin cancer. Image processing methods are very effective in this context. However, in addition to the increasing image sizes, the increasing amount of data and the presence of self-learning structures, deeper learning methods become more prominent.One of the most common methods of constructing these structures is the Convolutional Neural Network (ESA). This structure is one of the most effective methods used to classify the data to be examined.In this study, the skin lesions were diagnosed with different layers using the ESA structure.