Skin cancer is quite common. Early detection is crucial for the treatment of skin cancer. Methods based on computer technology (deep learning, image processing) are now increasingly used to diagnose skin cancer. These methods can eliminate human error in the diagnostic process. Removing hair noise from lesion images is essential for accurate segmentation. A correctly segmented lesion image increases the success rate in diagnosing skin cancer. In this study, a new FCN8-based approach for hair removal and segmentation in skin cancer images is presented. Higher success was achieved by adding ResNetC to FCN8. ResNetC is a new model based on ResNet. Two datasets were used for the study: ISIC 2018 and PH2. Training success was 89.380% for hair removal and 97.050% for lesion segmentation. 3000 hair masks were created as part of the study to remove hair noise in the lesion images.
Cilt kanseri oldukça yaygın görülmektedir. Cilt kanseri tedavisinde erken tespit önemlidir. Artık cilt kanseri tanısında bilgisayar teknolojisi temelli yöntemler (derin öğrenme, görüntü işleme) daha yaygın olarak kullanılmaktadır. Bu yöntemler ile tanı sürecinde insan hatası ortadan kaldırılabilir. Lezyon görüntüleri üzerindeki kıl gürültüsünün temizlenmesi doğru bölütleme için önem teşkil eder. Doğru bölütlenmiş lezyon görüntüsü ile cilt kanseri tanısında başarı oranı artacaktır. Bu çalışma, cilt kanseri görüntülerinde kıl temizliği ve bölütleme için FCN8 tabanlı yeni bir yaklaşım sunmaktadır. FCN8 algoritmasına ResNetC eklenerek başarı artışı sağlanmıştır. ResNetC ResNet tabanlı yeni bir modeldir. Çalışmada ISIC 2018’e ait iki veri seti ve PH2 veri seti kullanıldı. Kıl temizliğinde eğitim başarısı %89.380, lezyon bölütlemesinde ise %97.050 olarak elde edildi. Lezyon görüntülerindeki kıl gürültüsü temizliği için 3000 kıl maskesi çalışmada kapsamında oluşturulmuştur.
Primary Language | English |
---|---|
Subjects | Computer Software |
Journal Section | Articles |
Authors | |
Publication Date | April 30, 2022 |
Submission Date | January 19, 2022 |
Published in Issue | Year 2022 Volume: 15 Issue: 2 |