Melanom cilt kanserinin erken evrelerinde yapılan teşhisler, iyileşme prognozuna olanetkilerinden dolayı hayati önem taşımaktadır. Yapılan bu teşhisler büyük oranda cildin görseldeğerlendirmesiyle yapılmaktadır. Dolayısıyla, yapılan bu görsel değerlendirme sonucu konulanteşhis çoğunlukla doktorların uzmanlığına bağlı olduğu için, sübjektif bir değerlendirmeolmaktadır. Yapılan bu çalışmada, doktorlar tarafından konulan teşhislerdeki doğruluk oranlarınıartırmak için cilt görüntülerindeki lezyon bölgelerinin bölütleme işlemi K-ortalama kümelemealgoritması ile yapılmaktadır. Algoritmada, K merkezi sayısı 2 ve 4 değerleri seçilerek sistem testedilmektedir. Test aşamasında özel bir melanom veri seti kullanılmıştır. Elde edilen değerlerinanaliz işlemleri, Tepe Sinyali Gürültü Oranı (PSNR) ve Korelasyon Katsayısı (CC) metriklerikullanılarak gerçekleştirilmiştir. Yapılan bu çalışmanın performansı, daha önce tarafımızcagerçeklenen Canny kenar belirleme ve ortalama kayma algoritmaları ile karşılaştırılarakdeğerlendirilmiştir. Yapılan bölütleme işleminde, merkez sayısı 4 seçilen K-ortalama kümelemealgoritmasında en yüksek PSNR değeri 17,1591dB olarak tespit edilmiştir. Metrik sonuçlarincelendiğinde, K-ortalama kümeleme algoritmasında merkez sayısı 4 olarak seçildiğinde eldeedilen sonuçların daha iyi olduğu gözlemlenmiştir.
The diagnosis of melanoma skin cancer in the early stages is of vital importance owing to the fact that their effects on the prognosis of recovery. The made of these diagnoses are mostly done with visual evaluation of the skin. Therefore, the stated diagnosis of as a result of visual evaluation of the skin is a subjective assessment that because it depends on the doctor’s expertise. In this study, the segmentation of lesion regions in skin images is performed with K-mean clustering algorithm in order to increase the accuracy of diagnosis made by doctors. In the algorithm, the system is tested by selecting K center number 2 and 4 values. A special melanoma data set has been used during the testing. The analysis of the obtained values have been realized using Peak Signal Noise Ratio (PSNR) and Correlation Coefficient (CC) metrics. The performance of this study was evaluated by comparing Canny edge detection and Mean shift algorithm previously implemented by us. In this segmentation process, the selected center number is 4 in the K-average clustering algorithm and in this situation the highest PSNR value is 17,1591dB. According to the metric results, it was observed that the segmentation performed by using the K-mean clustering algorithm which has selected center number equals to the 4 yielded more successful results.
