تشخیص سرطان پوست بر اساس معماری VGG-۱۹ با استفاده از گوشی هوشمند

سرطان پوست یکی از خطرناک ترین انواع سرطان است که با افزایش مرگ و میر همراه است. تشخیص اولیه بصری و بیوپسی از روش های معمول تشخیص این بیماری هستند. این روش ها با چالش هایی مانند 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،مواجه اند. مسئله اصلی تشخیص سرطان پوست از روی تصاویر پزشکی، طبقه بندی تصاویر به بدخیم و خوش خیم با هدف کاهش خطاهای طبقه بندی است. استفاده از روش های یادگیری عمیق و پردازش تصویر برای تشخیص سرطان پوست موثر است،اما نیاز به آموزش زیاد و سخت افزار گران قیمت دارد. بنابراین، استفاده از مدل های یادگیری انتقالی برای کاهش زمان تشخیص بیماری مورد توجه قرار می گیرد. در این مقاله، یک روش تشخیص سرطان پوست با استفاده از گوشی هوشمند و یادگیری انتقالی با معماری VGG۱۹ ارائه شده است. این روش با استفاده از مجموعه داده ۲۰UFES_PAD_ و محیط پیاده سازی پایتون ارزیابی شده است. نتایج نشان می دهد دقت این روش در تشخیص سرطان پوست نسبت به معماری های MobileNet، AlexNet و Resnet-۱۵۲ و ResNet۵۰بیشتر است. دقت در روش پیشنهادی برابر ۹۹.۳۲۷% و حساسیت آن برابر۹۸.۸۵۱% می باشد.همچنین، این روش بدون نیاز به آموزش می تواند به عنوان اپلیکیشن گوشی های هوشمند اجرایی شود.

کلیدواژه ها:

سرطان پوست ، افزایش داده ، یادگیری انتقالی ، معماری VGG(۱۹) ، پردازش تصویر ، یادگیری عمیق.