چکیده
زمینه و هدف: سرطان پوست در طول ده ههای گذشته رشد چش مگیری داشته است و اهمیت درمان اولیه آن روز به روز در حال افزایش است. هدف از این مطالعه، استفاده از شبکه های عصبی عمیق برای ایجاد یک سیستم خودکار تشخیص ملانوما بود که در آن داده ها به طور مستقیم به عنوان بخشی از فرآیند یادگیری عمیق کنترل می شود.
روش تحقیق: در این پژوهش مطالعات بر روی تصاویر مربوط به سرطان پوست انجام شده است. برای تشخیص خوش خیم یا بدخیم بودن سرطان پوست از طبق هبندی کننده شبکه عصبی عمیق به کمک فریمورک تنسورفلو و بهره گیری از کتابخانه کراس استفاده شده است. مجموعه داده مورد استفاده در این پژوهش از 70 تصویر ملانوما و 100 تصویر مربوط به خال گوشتی خوش خیم تشکیل شده است. در مدل پیشنهادی این پژوهش 80 درصد از تصاویر پایگاه داده برای آموزش و 20 درصد تصاویر پایگاه داده برای آزمون انتخاب می شود،.
یافته ها: روش پیشنهادی، دقت تشخیص بالاتری دارد که نسبت به روش های موجود باعث افزایش بیش از 10 درصد در دقت تشخیص در بسیاری از موارد گردیده است. دقت بالای تشخیص و طبق هبندی و سرعت بالای همگرایی ب ه نتیجه نهایی، از ویژگی های این پژوهش نسبت به سایر تحقیقات است.
نتیجه گیری: سیستم اتوماتیک تشخیص و طبقه بندی سرطان پوست بر مبنای یادگیری عمیق، با دقت و سرعت مطلوبی ارائه می شود.

منبع: مجله علمی دانشگاه علوم پزشکی بیرجند