طبقه بندی ضایعات پوستی مختلف با کمک تصاویر درماتوسکوپی و بر اساس یادگیری عمیق

در حال حاضر سرطان یکی از مسایل مهم و اصلی بهداشت و درمان در ایران و تمام دنیا محسوب می شود. در بیماری سرطان، تشخیص زود هنگام و درمان مناسب در میزان بهبودی و زنده ماندن بیماران بسیار موثر است. تشخیص به کمک رایانه ابزاری مفید برای کمک به متخصصین پوست در تشخیص این نوع بیماری ها است. پردازش تصویر به عنوان یک ابزار تشخیص دهنده می تواند به پزشکان را در تشخیص اولیه سرطان کمک کند. در طرح جاری برای تشخیص انواع ضایعات پوستی از تصاویر درماتوسکوپی جمع آوری شده در آزمایشگاه ها، از استخراج ویژگی های حوزه فرکانس با استفاده از تبدیل موجک، شبکه عصبی YOLO و معماری U-Net استفاده شده است. انتخاب ویژگی با استفاده از روش بهینه سازی علی بابا و چهل دزد(AFT) انجام می شود و در نهایت از قدرت ۳ دسته بند معروف شامل درخت تصمیم(DT)، آدابوست و ایکس جی بوست بصورت دسته بند مشارکتی استفاده می شود تا یک دسته بند ترکیبی مبتنی بر رای گیری داشته باشیم. نتایج شبیه سازی حاکی از آن است که شاخص های دقت طرح پیشنهادی مطلوب بوده و مدل ارائه شده با دقت مناسبی به پیش بینی نوع ضایعه پوستی بر مبنای آموزش داده شده به مدل پرداخته است.

کلیدواژه ها:

سرطان پوست ، تشخیص ضایعات پوستی ، تبدیل موجک ، روش بهینه سازی علی بابا و چهل دزد