تشخیص و دسته بندی تومورهای سرطان پوست براساس مدلهای عمیق

چکیده مقاله

سرطان پوست یک نگرانی مهم بهداشت عمومی در سرتاسر جهان است و انواع مختلف آن چالشهای مشخصی را در تشخیص و درمان ایجاد می کنند طبقه بندی خودکار ضایعات پوستی با استفاده از مدلهای یادگیری عمیق به عنوان یک رویکرد امیدوار کننده برای کمک به متخصصان پوست در تشخیص دقیق و به موقع ظاهر شده است این مقاله به بررسی تشخیص سرطان پوست با استفاده از مدل عمیق VGG۱۶ و مقایسه نتایج آن با شبکه های عصبی کانولوشنالی CNN و شبکه های عصبی بازگشتی RNN می پردازد مجموعه داده شامل ۱۰۰۱۵ تصویر با وضوح بالا از هفت دسته تومور مختلف از جمله نوئیهای ملانوسیتی، ملانوما، کراتوزهای خوش خیم، سلول های بازال، کراتوزهای آکتینیک، آسیب های عروقی و دیواره های پوستی است در این مقاله از معماری VGG۱۶ به عنوان مدل اصلی استفاده شده است و عملکرد آن با شبکه های CNN و RNN مقایسه گردیده است این تحقیق به بهبود تشخیص و دقت تصویربرداری پوست در این زمینه کمک می نماید و نشان می دهد که استفاده از یادگیری عمیق می تواند بهبود چشمگیری در تشخیص سرطان پوست داشته باشد

کلیدواژه‌ها

نویسندگان

کیمیا باباپور

کارشناسی مهندسی برق، دانشکده مهندسی و فناوری دانشگاه مازندران، بابلسر، ایران

سمیرا مودتی

استادیار گروه مهندسی برق، دانشکده مهندسی و فناوری دانشگاه مازندران، بابلسر، ایران

�اباپور، کیمیا و مودتی، سمیرا،1403،تشخیص و دسته بندی تومورهای سرطان پوست براساس مدلهای عمیق،ششمین کنفرانس ملی دستاوردهای نوین در مهندسی برق، کامپیوتر و صنایع،اسفراین

ارائه‌شده در

مجموعه مقالات ششمین کنفرانس ملی دستاوردهای نوین در مهندسی برق، کامپیوتر و صنایع15 آبان 1403 · اسفراین