TIRNAK GÖRÜNTÜLERİNDEN HASTALIK TEŞHİSİ
| Autor: | Zuhal CAN, Şahin IŞIK |
|---|---|
| Jazyk: | angličtina |
| Rok vydání: | 2022 |
| Předmět: | |
| Zdroj: | Volume: 30, Issue: 3 464-470 Eskişehir Osmangazi Üniversitesi Mühendislik ve Mimarlık Fakültesi Dergisi Journal of Engineering and Architecture Faculty of Eskisehir Osmangazi University |
| ISSN: | 2630-5712 |
| Popis: | This paper investigates how people's finger and nail appearance helps diagnose various diseases, such as Darier's disease, Muehrcke's lines, alopecia areata, beau's lines, bluish nails, and clubbing, by image processing and deep learning techniques. We used a public dataset consisting of 17 different classes with 655 samples. We divided the dataset into three folds based on a widely used rule, the 0.7:0.2:0.1, for training, validation, and testing purposes. We tested the EfficientNet-B2 model for performance evaluation purposes by using Noisy-Student weights by setting the batch size and epochs as 32 and 1000. The model achieves a 72% accuracy score and 91% AUC score for test samples to detect fingernail diseases. The empirical findings in this study provide a new understanding that the EfficientNet-B2 model can categorize nail disease types through numerous classes. Bu makale, insanların parmak ve tırnak görünümünün Darier hastalığı, Muehrcke çizgileri, alopesi areata, beau çizgileri, mavimsi tırnaklar ve çomaklaşma gibi çeşitli hastalıkların görüntü işleme ve derin öğrenme teknikleriyle teşhis edilmesine nasıl yardımcı olduğunu araştırıyor. 655 örnekle 17 farklı sınıftan oluşan genel bir veri seti kullandık. Eğitim, doğrulama ve test amaçları için yaygın olarak kullanılan bir kural olan 0.7:0.2:0.1'e dayanarak veri setini üç kata böldük. Yığın boyutu ve devirleri 32 ve 1000 olarak ayarlayarak Gürültülü-Öğrenci ağırlıklarını kullanarak EfficientNet-B2 modelini performans değerlendirme amacıyla test ettik. Model, tırnak hastalıklarını algılamak için test numunelerinden %72 doğruluk puanı ve %91 AUC puanı elde ediyor. Bu çalışmadaki deneysel bulgular, EfficientNet-B2 modelinin tırnak hastalığı tiplerini çok sayıda sınıf aracılığıyla kategorize edebileceğine dair yeni bir anlayışı doğrulamaktadır. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|