Abstract:
Cilt lezyonları sık rastlanan ve erken tedavi edilmediğinde ölüme neden olan bir kanser türüdür.
Bilhassa melanom ve ona yol açabilecek diğer cilt lezyonlarının ön tanısı hayat kurtarabilmektedir.
Transfer öğrenme, önceden öğrenilen bir bilgiyi başka alanlarda kullanmak anlamına gelir. Transfer
öğrenme ile önce büyük veri setleri ile eğitilen modellerin farklı problemlerde daha küçük veri seti ile
probleme adapte edilerek kullanılması mümkündür. Bu şekilde yüksek başarı, daha az veri ile elde
edilecektir. Bu tezde iki ayrı çalışmaya yer verilmiştir. Bunlardan birincisinde transfer öğrenme ile 7
ayrı cilt lezyonunun sınıflandırılması için ön eğitimli modellerden EfficientNet-B7 modeli
kullanılmıştır. İkinci çalışmada ise yine transfer öğrenme ile en ölümcül cilt kanseri olan melanom
teşhisi ön eğitimli modellerden DenseNet-121 modeli ile gerçekleştirilmiştir. Her iki çalışma da
Uluslararası Cilt Görüntüleme Birliği (The International Skin Imaging Collaboration - ISIC) veri seti
üzerinde gerçekleştirilmiştir. Veri seti üzerindeki dengesiz dağılımı önlemek için rastgele döndürme,
dikey ve yatay çevirme yöntemleriyle dengeli bir dağılım elde edilmiştir. Ardından veri seti, train ve
validation bölümlerine ayrılarak önce eğitim verilip sonra test edilmiştir. Ön eğitimli modeller
kullanılarak elde edilen sonuçlar doğruluk, hassasiyet, hatırlama ve f1 skoru alanlarında
değerlendirilmiştir. Ayrıca her iki çalışmada kullanılan ön eğitimli modellerden elde edilen sonuçlar
diğer ön eğitimli modeller ile kıyaslanmıştır. Testler sonucunda birinci çalışmada, 7 cilt lezyonunu
EfficientNet-B7 modeli %90.5 doğrulukla sınıflandırmış, ikinci çalışmada DenseNet-121 modeli %99.5
gibi çok yüksek bir başarı oranı ile melanom sınıfını diğer sınıflardan ayırt etmiştir. Elde edilen
sonuçlara dayanarak her iki çalışmanın da yüksek başarı oranlarıyla sınıflandırma yaptığı ve literatürde
yer alan benzer diğer çalışmalara göre daha başarılı olduğu kanıtlanmıştır.
