Классификация повреждений кожи по данным дермаскопии с использованием методов глубокого обучения

В настоящей работе предложен подход к решению задачи обнаружения злокачественных новообразований кожи, а именно, меланомы, на основе анализа дермоскопических изображений с использованием методов глубокого обучения. Для этого разработана архитектура глубокой сверточной нейронной сети, которая была применена к обработке дермоскопических изображений различных повреждений кожи, содержащихся в наборе данных HAM10000. Исследуемые данные предварительно были подвергнуты обработке с целью устранения шума, загрязнений, а также изменения размеров и формата изображений. Кроме того, поскольку классы заболеваний являются несбалансированными, был выполнен ряд преобразований по их балансировке. Полученные таким образом данные были разбиты на два класса Melanoma и Benign. Компьютерные эксперименты по применению построенной глубокой нейронной сети на полученных таким образом данных показали, что предложенный подход обеспечивает точность на тестовой выборке 94 %, что превышает аналогичные результаты, полученные другими алгоритмами глубокого обучения.

In this paper, we propose an approach to solving the problem of recognizing skin lesions, namely melanoma, based on the analysis of dermoscopic images using deep learning methods. For this purpose, the architecture of a deep convolutional neural network was developed, which was applied to the processing of dermoscopic images of various skin lesions contained in the HAM10000 data set. The data under study were preprocessed to eliminate noise, contamination, and change the size and format of images. In addition, since the disease classes are unbalanced, a number of transformations were performed to balance them. The data obtained in this way were divided into two classes: Melanoma and Benign. Computer experiments using the built deep neural network based on the data obtained in this way have shown that the proposed approach provides 94% accuracy on the test sample, which exceeds similar results obtained by other algorithms.