طیار ترابی - گروه مهندسی برق، موسسه آموزش عالی هدف، ساری، ایران
کامیار اسماعیلی - گروه مهندسی برق، دانشگاه صنعتی خواجه نصیر الدین طوسی، تهران، ایران
مریم عمران - گروه مهندسی برق، دانشگاه آزاد اسلامی واحد ساری، ساری، ایران
محسن نیک پور - گروه مهندسی برق و مهندسی پزشکی، موسسه آموزش صنعتی مازندران، بابل، ایران
سید محمود انیشه - گروه مهندسی برق، موسسه آموزش عالی هدف، ساری، ایران

سرطان پوست یکی از تهدیدکننده ترین انواع سرطان است که میزان آن در دهه های اخیر افزایش یافته است. تشخیص و طبقه بندی سرطان پوست در مراحل اولیه شانس بیشتری را برای درمان فراهم می کند. تشخیص این نوع سرطان با بیوپسی پوست انجام می شود، ولی تشخیص خودکار سرطان پوست با استفاده از روش های هوشمند ممکن است به تشخیص سریع تر و دقیق تر منجر شود. شبکه های عصبی کانولوشن (CNN ) به عنوان یک راه حل قدرتمند برای تشخیص سرطان پوست است. در این مقاله، یک CNN عمیق طراحی می شود و سپس ارزیابی می شود. طراحی شبکه عصبی کانولوشن دارای پارامترهایی نظیر اندازه فیلتر و تعداد فیلتر است. برای طراحی بهینه این سیستم از الگوریتم بهینه سازی ازدحام ذرات (PSO ) استفاده می شود تا خطای طبقه بندی حداقل شود. نتایج شبیه سازی بیانگر کارایی بهتر روش پیشنهادی نسبت به ساختارهای موجود از نظر دقت است. میزان صحت الگوریتم پیشنهادی بر روی دیتاست مورد استفاده ۹۶ درصد می باشد.

واژه های کلیدی : سرطان پوست، شبکه های عصبی کانولوشن، الگوریتم بهینه سازی ازدحام ذرات.