پیش بینی و تشخیص بیماری های پوستی ملانوما و کارسینوم سلول بازال با استفاده از روش های یادگیری های عمیق و VGG-۱۶

کارسینوم سلول بازال شایع ترین سرطان پوست است که ممکن است حاوی ملانین باشند و کارسینوم سلول بازال رنگدانه دار نامیده می شوند. این بیماری از نظر ظاهری مشابه سرطان پوست ملانوما است که تشخیص های افتراقی را بسیار دشوار کرده و موجب سردرگمی پزشکان می شود. در این مطالعه دو مدل تشخیصی یادگیری عمیق و شبکه از پیش تعیین شده VGG-۱۶ جهت تشخیص و افتراق دو بیماری سرطان پوستی توسعه داده شد. داده ها از مطب پزشکان متخصص پوست، اطلس و سایت های معتبر جمع آوری شد. در این پژوهش ۵۳۷۴ داده در مجموعه داده های آموزشی (۸۰درصد) و ۱۳۴۴ داده در مجموعه داده های تست (۲۰درصد) قرارگرفت. در روش یادگیری عمیق میزان دقت (Accuracy) بر روی داده های آموزشی عدد ۹۹/۶ درصد و برای داده های تست به عدد ۹۸ درصد بود. میزان خطا پس از گذشت ۱۰ مرتبه برای داده های آموزشی به عدد ۰/۰۷ درصد و برای داده های تست به ۰/۰۲ درصد بدست آمد. در روش VGG-۱۶ میزان دقت (Accuracy) در روش VGG-۱۶ بر روی داده های آموزشی عدد ۹۸ درصد و برای داده های تست به عدد ۹۴ درصد بود. میزان خطا پس از گذشت ۱۰ مرتبه برای داده های آموزشی به عدد ۰/۰۹ درصد و برای داده های تست به ۰/۳۹ درصد بدست آمد.

کلیدواژه ها:

یادگیری عمیق ، VGGnet ، سرطان پوست ، کارسینوم سلول بازال ، ملانوما