|
Title
|
طبقه بندی انواع ضایعات پوستی در تصاویر درموسکوپی با استفاده از یادگیری عمیق
|
|
Type of Research
|
Presentation
|
|
Keywords
|
ضایعات پوستی، یادگیری عمیق، تصاویر درموسکوپی، شبکه های عصبی عمیق، طبقه بندی، یادگیری انتقالی
|
|
Abstract
|
سرطان پوست یکی از کشنده ترین سرطان هایی است که همه ساله در سراسر جهان منجر به مرگ میلیون ها انسان می شود. ملانوم، خطرناک ترین نوع سرطان پوست است که در صورت تشخیص به موقع، می توان از پیشرفت بیماری جلوگیری کرده و نرخ بقا را افزایش داد. در بین روش های تشخیص ضایعات پوستی مبتنی بر کامپیوتر، روش های مبتنی بر یادگیری عمیق، کارایی مطلوبی را در طبقه بندی آن ها از خود نشان داده اند. در این پژوهش، یک سیستم هوشمند مبتنی بر یادگیری عمیق، به عنوان دستیار متخصصین پوست برای طبقه بندی نوع بیماری ضایعه ی پوستی ارائه می شود. مدل پیشنهادی طبقه بندی، شامل یک الگوریتم یادگیری انتقالی با معماری DenseNet201 است که بر روی مجموعه داده ی وظیفه ی سوم ISIC2018 (مجموعه داده ی عمومی که توسط متخصصین پوست برچسب گذاری شده ) آموزش می بیند. این مجموعه داده، به شدت نامتوازن است. با اعمال روش های پیش پردازش و همچنین عملیات متوازن سازی جهت تقلیل تأثیر عدم توازن در توزیع داده ها روی معیارهای ارزیابی و نیز فنون داده افزایی به طبقه بندی انواع ضایعات پوستی می پردازیم. نتایج آزمایشات بر روی مجموعه داده ی آزمون ISIC2018 حاکی از عملکرد مناسب مدل آموزش دیده با داده های متوزان سازی شده است.
|
|
Researchers
|
(First Researcher)، Mahdi Hashemzadeh (Second Researcher)
|