Seboreik & Atopik Dermatit, Psoriasis, Onikomikoz Hastalıklarının Yapay Zekâ ile Tespit Edilmesi
Clicks: 10
ID: 287721
2025
Article Quality & Performance Metrics
Overall Quality
Not rated
Combines reader engagement with the AI quality analysis. This
article has not been analysed, so there is no overall score —
reader engagement is measured and shown alongside.
Reader Engagement
Star Article
2.7
/100
10 views
8 readers
AI Quality Assessment
Not analyzed
Readership in this journal
StarRanked #27 of 38 articles by views in karadeniz fen bilimleri dergisi
Most read
Least read
Bar heights use a square-root scale.
Mint this article as an NFT
Not yet mintedCreate a permanent, verifiable on-chain record of this article on the Scimatic Network. The NFT is held in your Journament account, and you can withdraw it to your own wallet at any time.
5
SUSD
one-off · no wallet required
Abstract
Bu çalışma, seboreik dermatit, atopik dermatit, psoriasis ve onikomikoz hastalıklarının yapay zekâ teknolojisi kullanılarak doğru ve hızlı bir şekilde tespit edilmesini hedeflemektedir. Yapay zekâ teknolojilerinin bu alanda kullanımı, teşhis süreçlerini hızlandırarak ve doğruluk oranını artırarak önemli avantajlar sunmaktadır. Bu çalışma kapsamında, yapay zekânın önemli bir dalı olan derin öğrenme teknikleri kullanılmıştır. YOLO algoritması kullanılarak, cilt hastalıklarının görüntüler üzerinden yüksek doğrulukla teşhis edilmesi amaçlanmıştır. Önerilen modelin geliştirilmesi için Kaggle'dan elde edilen veri seti kullanılmış ve model eğitilmiştir. Veri seti, seboreik dermatit, atopik dermatit, psoriasis ve onikomikoz hastalıklarına ait yüksek çözünürlüklü cilt görüntülerini içermektedir. Çalışmanın metodoloji kısmında, verilerin ön işleme tabi tutulması, modelin geliştirilmesi ve test edilmesi aşamaları ayrıntılı bir şekilde ele alınmıştır. Veriler makine öğrenimine sunulmadan önce RoboFlow üzerinden tek sınıflı sınıflandırma işlemleri yapılmış ve görüntüler 640x640 standart boyutlarına getirilmiştir. Model için, Yolov8 algoritmasının yolov8s-cls modeli kullanılmış ve Google Colab ortamında kodlanmıştır. Modelin eğitimi sırasında, eğitim, doğrulama ve test veri setleri kullanılarak modelin performansı değerlendirilmiştir. Model, %88.3 doğruluk oranına ulaşmış ve hastalıkları başarılı bir şekilde sınıflandırmıştır. Elde edilen doğruluk oranları, bu tür modellerin klinik uygulamalarda kullanılma potansiyelini ortaya koymaktadır. Bu çalışma, sağlık sektöründe yapay zekâ tabanlı sistemlerin kullanımının yaygınlaşmasına ve teşhis süreçlerinin iyileştirilmesine katkıda bulunmayı amaçlamaktadır.
| Reference Key |
persistent_1760865267_68f4abf386f31
Use this key to autocite in the manuscript while using
SciMatic Manuscript Manager or Thesis Manager
|
|---|---|
| Authors | Kevser Şahinbaş, Berna Şevval Uysal, Sude Tozmaz, Zeliha Sezgin |
| Journal | karadeniz fen bilimleri dergisi |
| Year | 2025 |
| DOI |
10.31466/kfbd.1550690
|
| URL | |
| Keywords | Keywords not found |
Citations
No citations found. To add a citation, contact the admin at info@scimatic.org
Comments
No comments yet. Be the first to comment on this article.