تشخیص بیماری پوستی با استفاده از الگوریتم یادگیری عمیق

سرطان پوست یکی از شایعترین انواع سرطان در سراسر جهان به شمار می آید که تشخیص بهموقع آن نقش حیاتی در نجات جان بیماران دارد. در این پژوهش، یک مدل تشخ یص خودکار سرطان پوست مبتنی بر یادگیری عمیق و شبکه عصبی کانولوشنی (CNN) ارائه شده است. مراحل پیشپردازش شامل هماندازه سازی تصاویر با استفاده از تابع تغییر اندازه به ابعاد ۸۲×۸۲ پیکسل میباشد. به منظور رفع مشکل عدم توازن داده ها در مجموعه داده HAM۱۰۰۰۰، از تکنیک افزایش داده مصنوع ی برای کلاسهایی با تعداد نمونه کمتر استفاده شده است. ساختار معماری مدل پ یشنهادی از چهار الیه کانولوشن، دو الیه ادغام (Pooling) و یک الیه کامال متصل (Fully Connected) تشکیل شده است. در این معماری، از فیلترهایی با تعداد فزاینده استفاده شده که عملکرد آن ها بهعنوان ماتریس وزن در ضرب با تصویر ورودی در نظر گرفته میشود. مجموعه داده مورد استفاده، HAM۱۰۰۰۰، شامل ۱۰۰۱۵ تصویر درماتوسکوپ ی است که از منابع و جمعیتهای متنوع گردآوری شدهاند. عملکرد مدل پ یشنهادی روی دادههای تست با دستیابی به دقت ۹۹.۷۸ درصد، حاک ی از دقت باالی آن نسبت به روشهای پ یشین در حوزه تشخی ص ضایعات پوستی میباشد.

کلیدواژه ها:

سرطان پوست ، یادگیری عمیق ، شبکه عصبی کانولوشنی ، HAM۱۰۰۰۰ ، تشخیص خودکار ، طبقه بندی تصاویر پزشکی