استفاده از یادگیری عمیق برای تشخیص سرطان پوست ملانوما در محیط اینترنت اشیاء پزشکی

سرطان پوست در طول دهه های گذشته رشد چشمگیری داشته است و اهمیت درمان اولیه آن روز به روز در حال افزایش است. ملانوم، جدی ترین نوع سرطان پوست است که در سلول های تولید کننده ملانین ایجاد می شود. با دانستن علائم هشدار دهنده سرطان پوست می توان اطمینان حاصل نمود که تغییرات سرطانی قبل از گسترش سرطان شناسایی و درمان می شود. تشخیص سرطان پوست به دلیل ظاهر انواع مختلف ضایعات پوستی بخصوص در ملانوما و Nevi بسیار دشوار است. حتی با درماتوسکوپی که یک تکنیک آزمایشی غیر تهاجمی است، دقت تشخیص ملانوم توسط متخصصان پوست ۷۵-۸۴ درصد می باشد. با توجه به اینکه روش های نمونه برداری و تهاجمی تجربه ناخوشایندی برای بیمار در پی دارد، محققان روش های غیر تهاجمی را برای تشخیص ملانوما پیشنهاد داده اند. در این تحقیق استفاده از روش غیر تهاجمی یادگیری عمیق برای تشخیص سرطان پوست ملانوما در محیط اینترنت اشیاء هوشمند پیشنهاد شده است. این روش دستگاه های اینترنت اشیاء را قادر می سازد تا تصاویر پوستی را ضبط کرده و با استفاده از تکنیک پیش پردازش مبتنی بر فیلتر گاوسی برای از بین بردن نویز استفاده کنند. نتایج نشان می دهد که سیستم اتوماتیک تشخیص و طبقه بندی سرطان پوست بر مبنای شبکه عصبی موجک عمیق با بهینه سازی پارامتر مبتنی بر پنگوئن امپراتور دقت و سرعت مطلوبی را دارا می باشد.

Keywords:

سرطان پوست , ملانوم , یادگیری عمیق , اینترنت اشیاء هوشمند