Skin cancer detection using machine learning

Ovaj diplomski rad istražuje primjenu strojnog učenja u detekciji raka kože. Prikazani su osnovni koncepti računalnog vida, strojnog učenja i dubokog učenja te je objašnjena primjena dubokog učenja u računalnom vidu. Također istražene su osnovne karakteristike raka kože, povijesni razvoj tehnologije detekcije tumora i izazovi s kojima se suočava. Rad također daje pregled dostupnih skupova podataka za detekciju tumora kože te predstavlja neke od dostupnih modela za ovu svrhu, uključujući VGGNet i ResNet. Metodologija rada obuhvaća pripremu HAM10000 skupa podataka, istraživačku analizu podataka, izgradnju i treniranje modela. Rezultati istraživanja prikazani su za različite modele korištene u radu te su uspoređeni međusobno i s modelima iz drugih aktualnih radova.This thesis explores the application of machine learning in the detection of skin cancer. It presents the fundamental concepts of computer vision, machine learning, and deep learning, and explains the application of deep learning in computer vision. It also investigates the basic characteristics of skin cancer, the historical development of cancer detection technology, and the challenges faced. The thesis provides an overview of available datasets for skin cancer detection and introduces some of the available models for this purpose, including VGGNet and ResNet. This work includes the preparation of the HAM10000 dataset, data analysis, model building, and training. The research results are presented for different models used in the study and are compared among themselves and with models from other relevant works