Melanoma is the most common dangerous type of skin cancer. On the other hand, if found in an early stage, there is a high likelihood of cure. For that reason, various types of imaging techniques have been investigated. Dermoscopy is one non-invasive imaging technique for diagnosis. The accuracy of diagnosis using dermoscopy is very important and depends on the experience of dermatologists. Visual examination is a waste of time, so there is currently wide attention paid to the development of computer-aided diagnostic systems to aid the clinical evaluation of dermatologists. Image Segmentation is very important in digital-image processing and self-discovery, with an important role to play in solving many difficult problems, particularly those related to chronic diseases, such as skin cancer. Analysis of automatic dermoscopy images usually has three stages: a) feature selection and extraction, b) image segmentation, and c) feature classification. Here, we suggest and test three methods that are applied to 22 dermoscopy images: a) active contour modeling, b) the level set method, and c) a proposed method of fuzzy clustering based on region growing. We evaluated our methods using three metrics; our proposed method of fuzzy clustering based on region growing achieved the best ratio.

Melanom cilt kanserleri arasında en tehlikelisi olmakla birlikte erken tanısı sonucunda yüksek tedavi olasılığına sahiptir. Bu nedenle farklı görüntüleme teknikleri kullanılarak incelenmektedir. Bunlar arasında girişimsel olmayan dermoskopik görüntüler tanı için kullanılanlardan biridir. Ancak, dermoskopik görüntülerdeki tanı başarısı dermatoloğun tecrübesine bağlı kalmakta ve çoğu zaman uzun sürmektedir. Bu nedenle, bilgisayar destekli tanı sistemleri kullanılarak klinik değerlendirmeye yardımcı araştırmalar son yıllarda artış göstererek dikkat çekmektedir. Önemli bir görüntü işleme adımı olan görüntü bölütleme cilt kanseri gibi çoğu hastalıkta oldukça zor problemleri çözmede önemli bir rol oynamaktadır. Otomatik olarak dermoskopik görüntülerini incelemek 3 aşamadan oluşmaktadır: a) öznitelik bulma, b) görüntü bölütleme, ve c) öznitelik sınıflandırma. Bu tez kapsamında, 22 dermoskopik görüntü 3 yöntem kullanılarak bölütleme başarısı açısından incelenmiştir. Bunlar, aktif kontor, level set ve bölge genişlemeli fuzzy yöntemleridir. Sonuçlar 3 objektif metrik kullanılarak değerlendirilmiş ve en başarılısının önerdiğimiz bölge genişlemeli fuzzy yöntemi olduğu belirlenmiştir.