دوفصلنامه محاسبات و سامانه های توزیع شده

دوفصلنامه محاسبات و سامانه های توزیع شده

پیش­ بینی سرطان پوست مدلی جهت طبقه‌بندی با الگوریتم شبکه عصبی کانولوشن بهبودیافته

نوع مقاله : مقاله پژوهشی

نویسنده
دانشگاه پیام نور مرکز بین الملل قشم
چکیده
تشخیص زودهنگام سرطان پوست یکی از مهم‌ترین عوامل بهبودی بیماران است. در سال‌های اخیر، پیشرفت‌های چشمگیری درزمینه‌ی هوش مصنوعی و به‌ویژه یادگیری عمیق، منجر به توسعه روش‌های نوینی برای تشخیص خودکار بیماری‌ها شده است. یکی ازاین‌روش‌ها، استفاده از شبکه‌های عصبی کانولوشن برای طبقه‌بندی تصاویر پزشکی است در واقع ایجاد یک روش یادگیری ماشین که بتواند ضایعات پوستی رنگ دانه‌دار، هم بدخیم و هم خوش‌خیم را طبقه‌بندی کند، گامی در جهت دستیابی به اهداف این پژوهش است. برای این منظور، به دنبال روش‌های جدید و مؤثرتر در تشخیص سرطان پوست بوده‌اند. یکی ازاین‌روش‌ها استفاده از تکنیک‌های هوش مصنوعی مانند شبکه‌های عصبی کانولوشنی است که به‌طور گسترده درزمینه‌ی تصویربرداری پزشکی و تشخیص بیماری‌ها مورداستفاده قرار می‌گیرد. استفاده از شبکه‌های عصبی کانولوشنی بهبودیافته در طبقه‌بندی سرطان پوست، نه‌تنها دقت تشخیص را افزایش می‌دهد، بلکه می‌تواند به‌عنوان یک ابزار کمکی مؤثر برای پزشکان و متخصصان پوست در فرایند تشخیص و درمان این بیماری عمل کند. در این پژوهش یک مدل پیش­بینی سرطان پوست روشی جهت طبقه‌بندی با الگوریتم شبکه عصبی کانولوشن بهبودیافته پیشنهاد می­شود. در روش پیشنهادی، با استفاده از لایه‌های کانولوشن و لایه‌های کاملاً متصل، توانایی استخراج ویژگی‌های مهم از تصاویر پوستی را دارد و سپس با استفاده از لایه طبقه‌بندی SoftMax، تصاویر را به دودسته سرطانی و غیرسرطانی تقسیم می‌کند. نتایج شبیه سازی روش پیشنهادی دارای دقت (99%) بوده که این بدان معنی است که این روش به‌طور متوسط عملکرد مناسبی را را در تولید نتایج صحیح میتواند داشته باشد.