Cilt Kanserinde Kıl Temizliği ve Lezyon Bölütlemesinde Yeni Bir Yaklaşım

Abstract

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.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.