غربالگری سرطان پوست به کمک توسعه شبکه های عصبی کانولوشن متعامد

چکیده مقاله

سرطان پوست از جمله بیماریهای مهم در جهان است که تشخیص زودهنگام آن می تواند نقش بزرگی در کاهش مرگ و میر ایفا کند پژوهش حاضر با هدف بهبود تشخیص خودکار ضایعات پوستی مدلی مبتنی بر یادگیری عمیق ML معرفی می کند روش پیشنهادی برخلاف روش های سنتی که تنها خاصیت متعامد بودن کرنل ها را اعمال می کنند، با حفظ کمترین سربار محاسباتی متعامدسازی واقعی را تضمین می کند و باعث استخراج ویژگی های متنوع تر، افزایش پایداری آموزش و بهبود تعمیم پذیری مدل می شود این چارچوب در محیط های یادگیری نظارت شده و بدون نظارت عملکردی مناسب از خود نشان داده است برای غلبه بر مشکل کمبود داده، دیتاست HAM۱۰۰۰۰ با بیش از ده هزار تصویر پوستی در دسترس قرار گرفته است آزمایش ها نشان می دهند که مدل ما در مقایسه با روش های رایج در طبقه بندی ضایعات پوستی عملکرد دقیق تری دارد و می تواند در مناطق فاقد متخصص پوست نیز مورد استفاده قرار گیرد دقت مدل در نسخه ResNet۳۴ به طور قابل توجهی بیش از ۹۹٪ گزارش شده است

کلیدواژه‌ها

نویسندگان

دانیال حاجی رجبی

گروه ریاضی و علوم کامپیوتر دانشکده علوم دانشگاه زنجان، زنجان، ایران

محمدباقر کاظمی

گروه ریاضی و علوم کامپیوتر دانشکده علوم دانشگاه زنجان، زنجان، ایران

محمدرضا قائمی

گروه ریاضی و علوم کامپیوتر دانشکده علوم دانشگاه زنجان، زنجان، ایران

�اجی رجبی، دانیال و کاظمی، محمدباقر و قائمی، محمدرضا،1404،غربالگری سرطان پوست به کمک توسعه شبکه های عصبی کانولوشن متعامد،دومین کنگره بین المللی پیشگیری از سرطان،زنجان

ارائه‌شده در

مجموعه مقالات دومین کنگره بین المللی پیشگیری از سرطان8 مهر 1404 · زنجان