تشخيص بيماري پوستي با استفاده از شبکه عصبي عمیق
الموضوعات : تخصصی
مهدی حریری
1
,
سودابه برزگری
2
1 - استادیار، گروه مهندسی برق، دانشکده مهندسی، دانشگاه زنجان، زنجان، ایران
2 - دانشجوی کارشناسی ارشد، گروه مهندسی برق، دانشکده مهندسی، دانشگاه زنجان، زنجان، ایران
الکلمات المفتاحية: سرطان پوست, ملانوما, کانولوشنی, قطعه بندی, يادگيري عميق,
ملخص المقالة :
بيماريهاي پوستي انواع متعدد و اشکال گوناگون دارند و سرطان پوست از شايعترين سرطانها درجهان است. تشخیص زودهنگام ضایعهی سرطانی اهمیت زیادی در درمان دارد. تصویر ضایعهی پوستی اطلاعات مهمی برای طبقهبندی داراست که با توجه به تنوع شکل ضایعات سیستمهای خودکار پردازش تصویر کمک موثری به تشخیص نوع ضایعه مینمایند. با توجه به دقت مناسب هوش مصنوعی، مخصوصا روشهای یادگیری عمیق در طبقهبندی تصاویر، استفاده از انها در طبقهبندی تصاویر پزشکی نیز درحال گسترش است. این مدلها باوجود دقت مناسب دارای بارمحاسباتی زیادی میباشند که استفادهی آنها را محدود می نماید. استفاده از الگوریتمهای یادگیری عمیق سبک تر امید به استفاده از آنها را بصورت برنامههای کابردی در تلفن همراه در جامعه افزایش میدهد.
در اين تحقیق، مدلی کارآمد براي طبقه بندي ضايعات پوستي برای کمک به تشخیص بیماری پيشنهاد شده است. در این مدل از چهار لايه کانولوشني، دو لايه ادغام و دو لايه نرمالسازي دستهاي استفاده گرديد. اين مدل با بررسي ساختاری شباهتها به شناسايي طبقهی صحيح نمونههاي ورودي کمک مي کند و بر روي تصاویر طيف وسيعي از انواع سرطان پوست افراد مختلف آزمایش شده است. ضايعات پوستي این مجموعه در هفت کلاس اصلي توزيع شدهاند. با استفاده از تکنيک افزايش تعداد نمونهها، عدم توازن مجموعه دادههای مورد استفاده را تصحیح مینماییم. در طبقهبندی مجموعه داده توسط مدل ارائه شده، ميزان صحت ودقت روش پیشنهادی 87.72% و 89.1% شد که باتوجه به تعداد پارامترها و حجم کمتر، روش پيشنهادي نسبت به روشهاي يادگيري گروهي، شبکه کانولوشني ساده و يادگيري انتقالي بهبود داشته است