SKIN CANCER DIAGNOSIS BASED ON MACHINE LEARNING TECHNIQUES

Abstract

Malign melanom olarak bilinen ölümcül melanom formu, cilt kanseri vakalarının büyük çoğunluğunu oluşturur. En riskli tümörlerden biri olarak kabul edilir. Basit bir biopsy ile erken evrede malign melanomu başarılı bir şekilde tedavi edilebilir. Sonuç olarak, cilt kanserinin prognozunu tedavinin en iyi yolu erken teşhis prosedürü uygulamaktır. Melanomun erken evrelerinde teşhis edilmesi söz konusu olduğunda, mevcut en etkili araçlar, dermoskopi ve normal kamera fotoğrafları gibi tıbbi görüntülemeyi içeren araçlardır. Melanom vakalarını teşhis etme sürecinde radyologlara yardımcı olacak bilgisayar destekli teşhis (BDT) araçlarının geliştirilmesine acilen ihtiyaç vardır. Radyologlara cilt kanseri tespiti konusunda yardımcı olmak için bu araştırma, cilt kanseri segmentasyonu ve sınıflandırması için farklı aşamalara dayalı yeni bir BDT modeli önermeye odaklanmaktadır. Bu tekniğin ile görüntünün kalitesi arttırılmaktatır. Bu nedenle, bu çalışmada görüntülerin kalitesini artırmak için bölütlemeden önce görüntülere ön işlem uygulanmıştır. Önerilen modelin ilk aşamasında farklı tekniklerin kullanıldığı bir ön işleme aşamasıdır. Bu işlemler sonraki aşamalar için görüntüleri hazırlamak için kullanılmaktadır. Ayrıca, önerilen modelin ikinci aşamasında, iki ana adımda görüntülerden İlgi Bölgesi (ROI) çıkarır. Uygulanan önişlemeden sonra ROI'yi çıkarmak için K-Ortalamalar yöntemi kullanılmıştır. Ancak bu adımın çıktısı mevcut istenmeyen nesneler nedeniyle hatalı segmentasyondan yapmaktadır. Bu sebeple, önerilen yöntemde K-ortalamalar segmentasyonu sonrası elde edilen çıktıya istenmeyen nesneleri kaldırmaya yönelik son işlem uygulanmıştır. Bir sonraki aşama, elde edilen görüntülerden en önemli öznitelikler çıkarılmasını içerir. Gabor, Wavelet, Local Binary Pattern (LBP) ve Histogram of Oriented Gradients (HOG) metotları ile görüntüden farklı öznitelikler çıkarılır ve ardından bu özelliklerin tümü birleştirilir. Ayrıca görüntüden evrişimsel sinir ağlarına (CNN) dayalı derin öznitelikler çıkarılmıştır. Sınıflandırma aşamasında, görüntüden çıkarılan doku özellikleri, Destek Vektör Makinesi (SVM) sınıflandırıcısı ile cilt lezyon görüntüleri sınıflandırılarak melanom tespit edilmiştir.