ارائه و ارزیابی مدلی برای طبقه بندی سرطان پوست مبتنی بر الگوریتم شبکه عصبی کانولوشن بهبودیافته

سرطان پوست یکی از شایع ترین انواع سرطان ها در جهان است که تشخیص زودهنگام و دقیق این بیماری می تواند نقش حیاتی در بهبود نتایج درمانی و کاهش میزان مرگ ومیر داشته باشد. یکی از ابزارهای پیشرفته ای که در این زمینه مورد استفاده قرار گرفته است، شبکه های عصبی کانولوشنی یا CNNs هستند. این شبکه ها به دلیل توانایی بالای خود در تحلیل و شناسایی الگوهای پیچیده در تصاویر، به ویژه در زمینه ی طبقه بندی تصاویر پزشکی، مورد توجه قرارگرفته اند. در این مقاله نشان می دهیم که، استفاده از شبکه های عصبی کانولوشنی بهبودیافته در طبقه بندی سرطان پوست، نه تنها دقت تشخیص را افزایش می دهد، بلکه می تواند به عنوان یک ابزار کمکی موثر برای پزشکان و متخصصان پوست در فرایند تشخیص و درمان این بیماری عمل کند. روش پیشنهادی، استفاده از یک مدل شبکه عصبی کانولوشنی است که با استفاده از لایه های کانولوشن و لایه های کاملا متصل، توانایی استخراج ویژگی های مهم از تصاویر پوستی را دارد و سپس با استفاده از لایه طبقه بندی SoftMax، تصاویر را به دودسته سرطانی و غیرسرطانی تقسیم می کند. نتایج نشان می دهد که دقت روش پیشنهادی (%۹۹)بوده و عملکرد مناسبی را در تولید نتایج صحیح از خود نشان می دهد.

کلیدواژه ها:

سرطان پوست ، شبکه عصبی ، کانولوشنی