Erken Evre Cilt Kanseri Tespiti için İğnecikli Sinir Ağları (SNN) Kullanımı: HAM10000 Veri Kümesi Üzerinde Delta Modülasyon Tabanlı Yaklaşım

Deri kanseri, yüksek morbidite oranlarına sahip ve erken teşhisin hayati önem taşıdığı, ancak lezyonlar arası görsel benzerlikler nedeniyle tanısı zor bir hastalıktır. Bu çalışma, geleneksel yapay sinir ağlarının yüksek enerji tüketimine bir alternatif olarak, biyolojik esinli İğnecikli Sinir Ağları (SNN) mimarisini kullanarak cilt lezyonlarının sınıflandırılmasını amaçlamaktadır. HAM10000 veri seti üzerinde eğitilen model, sürekli görüntü verilerini zaman tabanlı iğnecik dizilerine dönüştürmek için enerji verimli bir delta modülasyonu (DM) kodlama tekniği kullanmıştır. Test sonuçları, modelin özellikle Melanom (MEL) ve Bazal Hücreli Karsinom (BCC) ayrımında yüksek başarı sergilediğini göstermiştir.