ناحیه بندی ضایعات پوستی از تصاویر درموسکوپی مبتنی بر شبکه های عصبی کاملا همگشتی

پوست ، یکی از حیات ی ترین اندامها ی بدن انسان، به عنوان یک مانع بین بدن و محیط خارجی عمل م ی کند. از آنجا که نرخ مبتلایان به سرطان پوست در سراسر جهان بشدت در حال افزایش است و تشخیص زودهنگام بیماری های پوستی برای کاهش میزان مرگ و میر و افزایش امید به زندگی امری بسیار ضروری است ، تکنیک های پردازشی ناحیه بندی و طبقه بندی ضایعات پوستی می توانند دقت تشخیص سرطان پوست را افزایش دهند.از این رو انجام ناحیه بندی ضایعات با روشهای کاملا خودکار می تواند بسیار کارامد باشد. در این مقاله از معماری شبکه های عصبی همگشتی (CNN) و معماری شبکه کاملا همگشتی (FCN) استفاده شده است . شبکه عصبی کاملا همگشتی FCN-VGG۱۹ و شبکه های عصبی همگشتی SegNet، Deeplabv۳+، U-Net با ترکیب کانال های رنگی HSV+RGB با هدف ناحیه بندی تصاویر درموسکوپی پیاده سازی و بررسی شده است . در مقاله پیشنهادی ما ، شبکه عصبی کاملا همگشتی FCN-VGG۱۹ در مقایسه با سایر مدل های پیاده سازی شده دقت بهتری را ارائه می دهد و به بالاترین دقت ۵۴/۹۴ بر روی مجموعه داده ISIC-۲۰۱۷ رسیده است .

کلیدواژه ها:

پردازش تصاویر پوست ، ناحیه بندی ، یادگیری عمیق ، شبکه های عصبی همگشتی ، ملانوما