مروری بر روش های تشخیص و طبقه بندی سرطان پوست با استفاده از مدل های یادگیری عمیق

سرطان پوست یکی از شایع ترین انواع سرطان بوده و سالانه میلیون ها نفر به این بیماری مبتلا می گردند که در این بین ملانوما به عنوا نخطرناکترین نوع سرطان پوست در میان مردم جهان تشخیص داده شده است. از آنجائیکه تشخیص زود هنگام سرطان پوست موجب کاهشمرگ و میر در جهان گردیده، لذا روش مرسوم برای تشخیص این سرطان، روش سنتی بیوپسی توسط پزشکان است. این تشخیص با نمونهبرداری از ضایعه پوستی انجام شده که طی آن، نمونه اخذ شده تحت بررسی های گوناگون آزمایشگاهی قرار م یگیرد. نظربه آنکه این روش برایبیماران دردناک و برای پزشکان بسیا ر وقت گیر می باشد، لذا تشخیص سرطان پوست به کمک الگوریتم های پردازش تصویر برای پزشکان و بیمارانسودمندتر است. با توجه به اهمیت این مسئله، محققان در این زمینه روشهای تشخیص زودهنگام مختلفی را توسعه دادهاند. در این مقاله ابتدابه شرح مبانی تشخیص سرطان پوست (شامل مراحل تشخیص بیماری) پرداخته و در ادامه به بررسی روش های طبقه بند ی آن می پردازد. ازجمله روش های طبقه بندی سرطان پوست به کمک الگوریتم های پردازش تصویر در این پژوهش می توان از قانون ABCDE ، روش چک لیستهفت نقطه ای، روش منزیس و تحلیل الگو یادکرده و سپس مدلهای تشخیص سرطان پوست به کمک الگوریتم های یادگیری عمیق از جملهANN ، CNN ، KNN و GAN را مورد بحث و ارزیابی قرار میدهد. باتوجه به مطالعات اخیر مرتبط در این حوزه، به نظر میرسد قانون ABCDE یکی از پرکاربردترین روش های طبقه بندی تصاویر بوده و مدل CNN به عنوان بهترین مدل تشخیص سرطان پوست معرفی گردیده.

کلیدواژه ها:

سرطان پوست ، ملانوما ، یادگیری عمیق ، مدل CNN