ارائه یک مدل مبتنی بر یادگیری عمیق برای تشخیص سرطان پوست
A deep learning-based model for skin cancer detection
مجریان: سپیده پرویزپور
خلاصه روش اجرا: سرطان پوست یکی از شایع ترین بدخیمی ها در انسان است که به طور کلی از راه های بینایی تشخیص داده می شود. از آنجایی که تشخیص این نوع سرطان در مراحل اولیه آن ضروری است، یکی از وظایف چالش برانگیز در توسعه و طراحی سیستم های پزشکی دیجیتال، توسعه یک سیستم طبقه بندی خودکار برای ضایعات پوستی است. برای تشخیص خودکار ملانوما، به عنوان یک شکل جدی سرطان پوست، با استفاده از تصاویر درموسکوپی، مدلهای شبکه عصبی کانولوشن (CNN) بیش از هر زمان دیگری مورد توجه قرار گرفتهاند. این مطالعه مدل جدیدی را برای تشخیص زودهنگام سرطان پوست بر اساس پردازش تصاویر درموسکوپی ارائه می کند. چارچوب پیشنهادی از معماری پیشرفته VGG-16 برای توسعه مدلی استفاده میکند که به بهبود دقت در تشخیص سرطان پوست کمک میکند. برای ارزیابی تکنیک پیشنهادی، ما یک مطالعه مقایسهای بین روش خود و تعدادی از تکنیکهای معرفیشده قبلی در مجموعه داده International Skin Image Collaboration انجام خواهیم داد.
اطلاعات کلی طرح 
| مرحله جاری طرح | خاتمه قرارداد و اجرا |
| کد طرح | 69144 |
| عنوان فارسی طرح | ارائه یک مدل مبتنی بر یادگیری عمیق برای تشخیص سرطان پوست |
| عنوان لاتین طرح | A deep learning-based model for skin cancer detection |
| نوع طرح | طرح تحقیقاتی |
| اولویت طرح | اپیدمیولوژی، پیشگیری، تشخیص زودهنگام، درمان و بازتوانی در سرطانهای شایع |
| نوع مطالعه | طرح تحقیقاتی-پژوهشی |
| تحقیق در نظام سلامت | بلی |
| آیا طرح پایاننامه دانشجویی است؟ | خير |
| مقطع پایان نامه | |
| مدت اجرا - ماه | 16 |
| نوآوری و ضرورت انجام تحقیق | معاینه منظم پوست ممکن است به تشخیص زودهنگام سرطان پوست و کاهش خطرات مربوطه کمک کند. به طور معمول، یک متخصص پوست باتجربه مجموعه ای از مراحل را انجام می دهد که با بازرسی با چشم غیر مسلح ضایعات مشکوک، درموسکوپی (بزرگنمایی میکروسکوپی ضایعات)، و سپس بیوپسی شروع می شود. این یک روش زمانبر است که طی آن بیماری ممکن است به مراحل بعدی پیشرفت کند. علاوه بر این، تشخیص دقیق یک موضوع ذهنی است که به تجربه پزشک بستگی دارد. طبق مطالعات، بهترین متخصصان پوست می توانند سرطان پوست را در 80 درصد موارد به درستی تشخیص دهند. علاوه بر این مشکلات، بخش مراقبت های بهداشتی عمومی با کمبود متخصصان ماهر پوست در سراسر جهان مواجه است. برای تشخیص سریع سرطان پوست در مراحل اولیه و حل تعدادی از مشکلات ذکر شده در بالا، توسعه الگوریتم های کامپیوتری کارآمد در زمینه تجزیه و تحلیل تصویر ضروری به نظر می رسد. |
| اهداف اختصاصی | طراحی یک مدل یادگیری عمیق برای طبقه بندی ضایعات پوستی از روی تصویر -تشخیص سرطان پوست با استفاده از پردازش تصاویر پوست با مدل عمیق پیشنهادی |
| چکیده انگلیسی طرح | Skin cancer is one of the most prevalent malignancies in humans, which is generally diagnosed through visual means. Since it is essential to detect this type of cancer in its early phases, one of the challenging tasks in developing and designing digital medical systems is the development of an automated classification system for skin lesions. For the automated detection of melanoma, as a serious form of skin cancer, using dermoscopic images, convolutional neural network (CNN) models are getting noticed more than ever before. This study presents a new model for the early detection of skin cancer on the basis of processing dermoscopic images. The proposed framework employs an enhanced architecture of VGG-16 to develop a model, which contributes to the improvement of accuracy in skin cancer detection. To evaluate the proposed technique, we have conducted a comparative study between our method and a number of previously introduced techniques on the International Skin Image Collaboration dataset. |
| کلمات کلیدی | convolutional neural network, melanoma, skin cancer, computer-aided diagnosis systems |
| ذینفعان نتایج طرح | افراد جامعه که در معرض ابتلا به سرطان پوست قرار دارند. |
اطلاعات مجری و همکاران
| نام و نامخانوادگی | سمت در طرح |
|---|---|
| جعفر رزم آرا | همکار اصلی |
| سپیده پرویزپور | مجری اول (اصلی-هیات علمی) |
اطلاعات تفضیلی
| حوزه خبر | خبر |
|---|---|
| رسانه ها و مردم | عنوان خبر متن خبر |
| متخصصان و پژوهشگران | عنوان خبر تشخیص سرطان پوست می تواند از روی تصویر و با استفاده از مدلهای یادگیری عمیق امکان پذیر باشد.متن خبر سرطان پوست یکی از شایع ترین بدخیمی ها در انسان است و عموماً از طریق راه های بینایی تشخیص داده می شود. از آنجایی که تشخیص این نوع سرطان در مراحل اولیه آن ضروری است، یکی از وظایف چالش برانگیز در توسعه و طراحی سیستم های پزشکی دیجیتال، توسعه یک سیستم طبقه بندی خودکار برای ضایعات پوستی است. برای تشخیص خودکار ملانوما، شکل جدی سرطان پوست، با استفاده از تصاویر درموسکوپی، مدلهای شبکه عصبی کانولوشنال (CNN) بیش از هر زمان دیگری مورد توجه قرار گرفتهاند. این مطالعه مدل جدیدی را برای تشخیص زودهنگام سرطان پوست بر اساس پردازش تصاویر درموسکوپی ارائه می کند. این مدل بر اساس یک معماری شناخته شده مبتنی بر CNN به نام شبکه VGG-16 کار می کند. چارچوب پیشنهادی از معماری پیشرفته VGG-16 برای توسعه مدلی استفاده میکند که به بهبود دقت در تشخیص سرطان پوست کمک میکند. برای ارزیابی تکنیک پیشنهادی، یک مطالعه مقایسهای بین روش مذکور و تعدادی از تکنیکهای معرفیشده قبلی در مجموعه داده همکاری بینالمللی تصویر پوست انجام شد. با توجه به نتایج، مدل پیشنهادی از نظر دقت از تکنیک های جایگزین مقایسه شده بهتر عمل می کند. |
| سیاستگذاران درمانی | عنوان خبر متن خبر |
| سیاستگذاران پژوهشی | عنوان خبر متن خبر |
| لینک (URL) مقاله انگلیسی مرتبط منتشر شده 1 |
