Подбор модели нейронной сети для раннего обнаружения меланомы кожи

Подход к диагностике и лечению в дерматовенерологии значительно изменился с появлением новых технологий и изобретений. Компьютерные алгоритмы нашли свое применение в оказании помощи дерматовенерологам в диагностике заболеваний, в том числе злокачественной меланомы кожи. Инструментальные методы диагностики меланомы кожи, основанные на обработке дерматоскопических изображений, могут быть усовершенствованы путем использования искусственного интеллекта. Машинное обучение - это подмножество искусственного интеллекта, в котором компьютерные программы автоматически учатся на опыте без явных инструкций для работы. Наиболее перспективным направлением является глубокое обучение искусственных нейронных сетей. В данной работе изучены несколько моделей искусственных нейронных сетей с целью оценки перспективности их применения для ранней диагностики меланомы кожи. Эффективность различных моделей изучена на основе использования классификации изображений набора данных HAM10000. В процессе работы оценены модели сверточных нейронных сетей, предобученных нейронных сетей с трансферным обучением и применением механизма «мягкого внимания»: Xception, ResNet50, RAN50, SEnet50, ARL-CNN50, Inception Resnet V2 - IRv2 12x12+SA, IRv2 5x5+SA. В результате проведенной оценки наиболее перспективной оказалась модель Inception Resnet V2 с добавлением механизма «мягкого внимания».

The approach to diagnosis and treatment in dermatovenerology has changed significantly with the introduction of new technologies and inventions. Computer algorithms have been used to assist dermatovenerologists in diagnosing diseases, including malignant melanoma of the skin. Instrumental methods for diagnosing skin melanoma, based on the processing of dermatoscopic images, can be improved by using artificial intelligence. Machine learning is a subset of artificial intelligence in which computer programs automatically learn from experience without explicit operation instructions. The most promising direction is deep learning of artificial neural networks. In this paper, several models of artificial neural networks were studied to assess the prospects for their use for the early diagnosis of skin melanoma. The efficacy of the various models was analyzed using the HAM10000 dataset image classification. Models of convolutional neural networks, pre-trained neural networks with transfer learning, and the “soft attention” mechanism were evaluated: Xception, ResNet50, RAN50, SEnet50, ARL-CNN50, Inception Resnet V2 - IRv2 12x12+SA, IRv2 5x5+SA. The results showed that the most promising model was Inception Resnet V2 with the addition of a «soft attention» mechanism.