تشخیص سرطان پوست بر اساس Resnet-۱۵۲ با استفاده از گوشی هوشمند

سرطان پوست یکی از خطرناک ترین انواع سرطان در جهان محسوب می شود تشخیص بصری راه اولیه برای شناسایی احتمال سرطان پوست است. در این سرطان، اگر ضایعه مشکوک پوستی پیدا شود، پزشک از ضایعه قابل مشاهده روی پوست بیوپسی می گیرد و آن رابه صورت میکروسکوپی برای تشخیص بررسی می کند. بر خلاف این روش در روش موسکوپی،پزشکان برای تشخیص سرطان پوست از شکل لکه های پوستی استفاده می کنند. این روش گرفتن عکس های روشن از شکل ضایعه پوستی است که به شکل لکه های تیره است.اما این روش با مشکلات زیادی مواجه است که مهمترین آنها عدم دقت در تعیین ماهیت ضایعه به دلیل شرایط اطراف مانند وجود مو، رگ های خونی، نورپردازی صحیح، عدم توانایی در شکل گیری صحیح لکه است.شباهت شکل لکه ها در بین بیماری های سرطانی و غیر سرطانی نیز یکی از چالش های این روش ها است.مسئله اصلی برای تشخیص سرطان پوست با استفاده از تصاویر پزشکی، طبقه بندی تصاویر بذخیم و خوش خیم است و هدف اصلی آن است که خطای طبقه بندی کمینه شود.با وجود آنکه روش های یادگیری عمیق در تشخیص سرطان پوست موفق می باشند اما این روش ها برای آنکه با خطای اندک بتوانند تصاویر بدخیم را تشخیص دهند نیاز به آموزش زیاد دارند و این آموزش نیز نیاز به سختافزار گران قیمت دارد. در بیشتر موارد یادگیری عمیق دارای زمان زیادی برای تشخیص بیماری است و از این جهت از مدل های یادگیری انتقالی استفاده می شود.به دلیل کمبود متخصص،یک روش پیشنهادی تشخیص بیماری سرطان پوست به کمک گوشی هوشمند و یادگیری عمیق مبتنی بر یادگیری انتقالی و با معماری Resnet-۱۵۲ ارایه شود. برای ارزیابی روش پیشنهادی از مجموعه داده ۲۰_UFES_PAD استفاده می شود و محیط پیاده سازی نیز پایتون است. ارزیابی ها نشان می دهد دقت روش پیشنهادی در تشخیص سرطان پوست نسبت به معماری MobileNet و Resnet۵۰ بیشتر است.روش پیشنهادی در تشخیص سرطان پوست نسبت به مدل های یادگیری انتقالی مانند معماری MobileNet و Resnet۵۰ دقت بیشتری دارد و مزیت دیگر روش پیشنهادی آن است که این معماری بدون نیاز به آموزش میتواند در گوشی های همراه و هوشمند اجرایی شود.

کلیدواژه ها:

سرطان پوست ، یادگیری عمیق ، یادگیری انتقالی ، معماری Resnet-۱۵۲ ، پردازش تصویر