مرکز منطقه ای اطلاع رسانی علوم و فناوری نشریه صنعت و دانشگاه 2717-0446 17 65 2025 7 19 Skin Lesion Diagnosis Using Deep Neural Networks تشخيص بيماري پوستي با استفاده از شبکه عصبي عمیق 79 96 fa مهدی حریری سودابه برزگری دانشگاه زنجان 2025 5 28 Skin cancer is one of the most common cancers in the world. Early detection of cancerous lesions is of great importance in treatment. Skin lesion images contain important information for classification, and due to the diversity of lesion shapes, automated image processing systems effectively help in diagnosing the type of lesion. Due to the appropriate accuracy of artificial intelligence, especially deep learning methods in image classification, their use in medical image classification is also expanding. Despite their appropriate accuracy, these models have a large computational burden that limits their use. The use of lighter deep learning algorithms increases the hope of using them as applications on mobile phones in society. In this study, an efficient model for classifying skin lesions has been proposed to help diagnose the disease. In this model, four convolutional layers, two merging layers, and two batch normalization layers were used. This model helps to identify the correct class of input samples by structurally examining similarities and has been tested on images of a wide range of skin cancer types from different individuals. The skin lesions in this set are distributed in seven main classes. Using the technique of increasing the number of samples, we correct the imbalance of the dataset used. In classifying the data set by the presented model, the accuracy and precision of the proposed method were 87.72% and 89.1%, which due to the number of parameters and smaller volume, the proposed method has improved compared to the group learning methods, simple convolutional network, and transfer learning بيماريهاي پوستي  انواع متعدد و اشکال گوناگون دارند و سرطان پوست از شايعترين سرطانها درجهان است. تشخیص زودهنگام ضایعهی سرطانی اهمیت زیادی در درمان دارد. تصویر ضایعهی پوستی  اطلاعات مهمی برای طبقهبندی  داراست که با توجه به تنوع شکل ضایعات سیستمهای خودکار پردازش تصویر کمک موثری به تشخیص نوع ضایعه مینمایند. با توجه به دقت مناسب هوش مصنوعی، مخصوصا روشهای یادگیری عمیق در طبقهبندی تصاویر، استفاده از انها در طبقهبندی تصاویر پزشکی نیز درحال گسترش است. این مدلها باوجود دقت مناسب دارای بارمحاسباتی زیادی میباشند که استفادهی آنها را محدود می نماید. استفاده از الگوریتمهای یادگیری عمیق سبک تر امید به استفاده از آنها را بصورت برنامههای کابردی در تلفن همراه در جامعه افزایش میدهد. در اين تحقیق، مدلی کارآمد براي طبقه بندي ضايعات پوستي برای کمک به تشخیص بیماری پيشنهاد شده است. در این مدل از چهار لايه کانولوشني، دو لايه ادغام و دو لايه نرمالسازي دستهاي استفاده گرديد. اين مدل با بررسي ساختاری شباهتها به شناسايي طبقهی صحيح نمونههاي ورودي کمک مي کند و بر روي تصاویر طيف وسيعي از انواع سرطان پوست افراد مختلف آزمایش شده است. ضايعات  پوستي این مجموعه در هفت کلاس اصلي توزيع شدهاند. با استفاده از تکنيک افزايش تعداد نمونهها، عدم توازن مجموعه دادههای مورد استفاده را تصحیح مینماییم. در طبقهبندی مجموعه داده توسط مدل ارائه شده، ميزان صحت ودقت روش پیشنهادی 87.72% و 89.1% شد که باتوجه به تعداد پارامترها و حجم کمتر، روش پيشنهادي نسبت به روشهاي يادگيري گروهي، شبکه کانولوشني ساده و يادگيري انتقالي بهبود داشته است

http://jiu.ir/ar/Article/Download/50416