Journal of Birjand University of Medical Sciences
مجله علمي دانشگاه علوم پزشكي بيرجند
J Birjand Univ Med Sci
Medical Sciences
http://journal.bums.ac.ir
87
journal87
1607-2197
2423-6152
fa
jalali
1397
12
1
gregorian
2019
3
1
26
1
online
1
fulltext
fa
تشخیص و طبقهبندی سرطان پوست با استفاده از یادگیری عمیق
Detection and classification of skin cancer using deep learning
انكولوژي
Oncology
مقاله اصیل پژوهشی
Original Article
<strong><span style="font-family:b mitra;"><span style="font-size:10.0pt;">زمینه و هدف:</span></span></strong> <span style="font-family:b mitra;"><span style="font-size:11.0pt;">سرطان پوست در طول دهههای گذشته رشد چشمگیری داشته است و اهمیت درمان اولیه آن روز به روز در حال افزایش است<strong>. </strong>هدف از این مطالعه، استفاده از شبکههای عصبی عمیق برای ایجاد یک سیستم خودکار تشخیص ملانوما بود که در آن دادهها بهطور مستقیم بهعنوان بخشی از فرآیند یادگیری عمیق کنترل میشود.</span></span><span style="font-family:b mitra;"><span style="font-size:11.0pt;"></span></span><br>
<strong><span style="font-family:b mitra;"><span style="font-size:10.0pt;">روش تحقیق:</span></span></strong> <span style="font-family:b mitra;"><span style="font-size:11.0pt;">در این پژوهش مطالعات بر روی تصاویر مربوط به سرطان پوست انجام شده است. برای تشخیص خوشخیم یا بدخیم بودن سرطان پوست از طبقهبندی کننده شبکه عصبی عمیق به کمک فریمورک تنسورفلو و بهرهگیری از کتابخانه کراس استفاده شده است. مجموعه داده مورد استفاده در این پژوهش از 70 تصویر ملانوما و 100 تصویر مربوط به خال گوشتی خوش خیم تشکیل شده است. در مدل پیَشنهادی این پژوهش 80 درصد از تصاویر پایگاهداده برای آموزش و 20 درصد تصاویر پایگاه داده برای آزمون انتخاب می</span></span><span style="font-family:cambria,serif;"><span style="font-size:11.0pt;"></span></span><span style="font-family:b mitra;"><span style="font-size:11.0pt;">شود،.</span></span><span style="font-family:b mitra;"><span style="font-size:11.0pt;"></span></span><br>
<strong><span style="font-family:b mitra;"><span style="font-size:10.0pt;">یافتهها:</span></span></strong> <span style="font-family:b mitra;"><span style="font-size:11.0pt;">روش پیشنهادی، دقت تشخیص بالاتری دارد که نسبت به روشهای موجود باعث افزایش بیش از 10درصد در دقت تشخیص در بسیاری از موارد گردیده است. دقت بالای تشخیص و طبقهبندی و سرعت بالای همگرایی به نتیجه نهایی، از ویژگیهای این پژوهش نسبت به سایر تحقیقات است.</span></span><br>
<strong><span style="font-family:b mitra;"><span style="font-size:10.0pt;">نتیجهگیری:</span></span></strong> <span style="font-family:b mitra;"><span style="font-size:11.0pt;">سیستم اتوماتیک تشخیص و طبقه</span></span><span style="font-family:cambria,serif;"><span style="font-size:11.0pt;"></span></span><span style="font-family:b mitra;"><span style="font-size:11.0pt;">بندی سرطان پوست بر مبنای یادگیری عمیق، با دقت و سرعت مطلوبی ارائه میشود.</span></span><span style="font-family:b mitra;"><span style="font-size:11.0pt;"></span></span><br>
<span style="font-family:b mitra;"><span style="font-size:11.0pt;"></span></span>
<strong>Background and Aim:</strong> Skin cancer has grown dramatically over the past decades, and the importance of early treatment is increasing day by day. The purpose of this study is to use deep neural networks to create an auto-diagnosis system for melanoma, in which data is directly controlled as part of a deep learning process.<br>
<strong>Materials and Methods: </strong>In this paper, studies on related pictures of skin cancer were performed. For the diagnosis of benign or malignant skin cancer, the deep neural network classifier is used with the help of the Tensorflow framework and the use of the Keras libraries. The dataset which are used in this study consist 70 images of melanoma and 100 images of benign moles. In the proposed model, 80% of the database images are used for training and 20% of the database images are selected for testing.<br>
<strong>Results: </strong>The proposed method offers a higher detection accuracy than other existing methods, which has increased the accuracy of diagnosis in most cases by more than 10%. The high accuracy of the diagnosis and classification and the speed of convergence to the final result are the characteristics of this Research Compared to other Research.<span dir="RTL"></span><br>
<strong>Conclusion: </strong>An automatic system based on deep learning is presented to identify and categorize skin cancer which provides high accuracy and speed.
یادگیری عمیق, سرطان پوست, ملانوما, شبکه عصبی عمیق
Deep Learning, Skin Cancer, Melanoma, Deep Neural Network
44
53
http://journal.bums.ac.ir/browse.php?a_code=A-10-2451-1&slc_lang=fa&sid=1
Saber
Fooladi
صابر
فولادی
saber.fooladi@birjand.ac.ir
8700319475328460037811
8700319475328460037811
No
Department of Electrical and Computer Engineering, University of Birjand, Birjand, Iran.
گروه مهندسی برق، دانشکده مهندسی برق و کامپیوتر، دانشگاه بیرجند، ایران
Hassan
Farsi
حسن
فرسی
hfarsi@birjand.ac.ir
8700319475328460037812
8700319475328460037812
No
Department of Electrical and Computer Engineering, University of Birjand, Birjand, Iran.
گروه مهندسی برق، دانشکده مهندسی برق و کامپیوتر، دانشگاه بیرجند، ایران
Sajad
Mohamadzadeh
سجاد
محمدزاده
s.mohamadzadeh@birjand.ac.ir
8700319475328460037813
8700319475328460037813
Yes
Department of Electrical and Computer Engineering, University of Birjand, Birjand, Iran.
گروه مهندسی برق، دانشکده مهندسی برق و کامپیوتر، دانشگاه بیرجند، ایران