Kullanım Kılavuzu
Neden sadece 3 sonuç görüntüleyebiliyorum?
Sadece üye olan kurumların ağından bağlandığınız da tüm sonuçları görüntüleyebilirsiniz. Üye olmayan kurumlar için kurum yetkililerinin başvurması durumunda 1 aylık ücretsiz deneme sürümü açmaktayız.
Benim olmayan çok sonuç geliyor?
Birçok kaynakça da atıflar "Soyad, İ" olarak gösterildiği için özellikle Soyad ve isminin baş harfi aynı olan akademisyenlerin atıfları zaman zaman karışabilmektedir. Bu sorun tüm dünyadaki atıf dizinlerinin sıkça karşılaştığı bir sorundur.
Sadece ilgili makaleme yapılan atıfları nasıl görebilirim?
Makalenizin ismini arattıktan sonra detaylar kısmına bastığınız anda seçtiğiniz makaleye yapılan atıfları görebilirsiniz.
  Atıf Sayısı 2
 Görüntüleme 16
 İndirme 4
Cilt Lezyonlarının Sınıflandırılmasında Derin Öğrenme Tabanlı Bir Yöntem
2021
Dergi:  
Türk Doğa ve Fen Dergisi
Yazar:  
Özet:

Cilt kanseri kötü huylu tümörlerin kontrolsüz çoğalması ile başlar. Dünya çapında sık karşılaşılan bir kanser türüdür. Uzman hekimler tarafından çıplak gözle incelemesi ve teşhis konulması güçtür. Bu yüzden bilgisayar destekli teşhis sistemleri hekimlere tanı koymada yardımcı olabilir. Bu sistemler günümüzde yapay zekanın bir türü olan derin sinir ağlarını yaygın olarak kullanır. Pek çok derin sinir ağı içeren çalışmada veri girişi olarak medikal görüntüler kullanılır. Ağ mimarisine bağlı olarak bu sistemler öznitelikleri kendi katmanlarında çıkarırlar. Bu çalışmada VGG16 ön eğitimli derin sinir ağı kullanılarak ilk önce ağ katmanlarından görüntülere ilişkin öznitelikler elde edilmiştir. Daha sonra yüksek miktarda veri içeren bu özniteliklerin boyutu azaltılmıştır. Böylece sınıflandırmada en iyi başarımı sağlayacak öznitelikler elde edilmiştir. Veri artırma algoritması kullanılarak elde edilen nümerik veri artırılmış ve CNN tür derin sinir ağında %96 sınıflandırma doğruluğu ve %100 AUC başarımı elde edilmiştir.

Anahtar Kelimeler:

A deep learning-based method in the classification of skin lesions
2021
Yazar:  
Özet:

Skin cancer begins with the uncontrolled multiplication of malignant tumors. It is a common type of cancer worldwide. It is difficult to be examined and diagnosed with the naked eye by specialists. Therefore, computer-backed diagnosis systems can help diagnose the doctors. These systems are widely using deep nerve networks, which are a kind of artificial intelligence today. In the study that includes many deep nerve networks, medical images are used as data input. Depending on the network architecture, these systems draw the properties into their own layers. In this study, using the pre-trained deep nerve network VGG16 first obtained properties related to images from the network layers. The size of these properties that contain a high amount of data was later reduced. Thus, the qualifications that will the best success in classification have been obtained. Numeric data obtained using the data enhancement algorithm has been enhanced and a 96% classification accuracy and 100% AUC success has been achieved in the CNN type deep nerve network.

Anahtar Kelimeler:

Atıf Yapanlar
Dikkat!
Yayınların atıflarını görmek için Sobiad'a Üye Bir Üniversite Ağından erişim sağlamalısınız. Kurumuzun Sobiad'a üye olması için Kütüphane ve Dokümantasyon Daire Başkanlığı ile iletişim kurabilirsiniz.
Kampüs Dışı Erişim
Eğer Sobiad Abonesi bir kuruma bağlıysanız kurum dışı erişim için Giriş Yap Panelini kullanabilirsiniz. Kurumsal E-Mail adresiniz ile kolayca üye olup giriş yapabilirsiniz.
Benzer Makaleler






Türk Doğa ve Fen Dergisi

Alan :   Fen Bilimleri ve Matematik; Mühendislik; Sağlık Bilimleri; Ziraat, Orman ve Su Ürünleri

Dergi Türü :   Ulusal

Metrikler
Makale : 405
Atıf : 1.183
2023 Impact/Etki : 0.105
Türk Doğa ve Fen Dergisi