КЛАСИФІКАЦІЯ УРАЖЕНЬ ШКІРИ НА ОСНОВІ ЗГОРТКОВИХ НЕЙРОННИХ МЕРЕЖ

Анотація

Реферат – Проблематика. Незважаючи на таку величезну кількість сучасних винаходів в області медицини та інформаційних технологій, боротьба з таким захворюванням як рак, все ще продовжується. Найпоширенішим видом раку залишається рак шкіри. Хоча рівень захворюваності на меланому становить лише близько одного відсотка випадку раку шкіри, але дана форма являється найбільш небезпечною, і може призвести до летальних наслідків. Завдяки численним дослідженням, які були проведені за останній час, лікарі запевняють, що при виявлені ознак захворювання меланоми на ранніх стадіях у 90% випадків призводить до позитивних результатів.

Тому на сьогодні, задача ранньої діагностики раку шкіри є досить актуальною. Традиційно лікарі дерматологи застосовують мікроскоп, та взяття біопсії у пацієнтів, для того щоб проаналізувати стан родимки. Однак, такий процес діагностики є досить непростим та потребує висококваліфікованих спеціалістів. Тому, постає задача полегшити процес діагностики, та підвищити точність її результатів. Для цього, широко застосовуються методи штучного інтелекту, а саме: проводять діагностику медичних зображень шкіри на наявність меланоми, застосовуючи глибинне навчання.

Мета. Метою роботи є побудова моделей, та аналіз отриманих експериментів.

Методика реалізації. Відповідно до поставленої мети, було побудовано згорткові нейронні мережі: з використанням методики трансферного навчання.

Для навчання моделі, було використано 33 126 унікальних доброякісних та злоякісних дерматоскопічних зображень шкіри. Даний набір даних було створено Міжнародною колаборацією з візуалізації шкіри (ISIC), зображення були взяті з наступних джерел: Університет Квінсленда, Віденський медичний університет, Медична школа Афінського університету, клінічна лікарня Барселони, Меморіальний онкологічний центр Слоуна Кеттерінга та Австралійський інститут меланоми [9].

Результати дослідження. Загальна вибірка була розбита у співвідношенні 80% на навчання, 10% на тест та 10% на валідацію. Для дослідження були використані такі архітектури згорткових нейронних мереж: Xception, ResNet50, ResNet101, InceptionV3, VGG16. Були отримані результати експериментів, які показали, що Модель Xception на тестовій вибірці має такі значення: AUC та Precision 86%, Recall: 96%, F1-score:.88%. Модель InceptionV3 на тестовій вибірці має такі значення: AUC: 88%, Precision 84%, Recall: 96%, F1-score: 87%. Модель ResNet50 на тестовій вибірці має такі значення: AUC: 87% та Precision 82%, Recall: 91%, F1-score:.86% Модель ResNet101 на тестовій вибірці має такі значення: AUC: 77% та Precision 72%, Recall: 76%, F1-score:.73% Модель VGG16 на тестовій вибірці має такі значення: AUC: 83% та Precision 71%, Recall: 74%, F1-score:.72%.

Висновки. В результаті були побудовані досить якісні моделі класифікації, які можна застосовувати у програмних застосунках по діагностиці стану шкіри.

Ключові слова – Машинне навчання, згорткові нейронні мережі, меланома, рак шкіри, діагностика.