СВЕРТОЧНЫЕ НЕЙРОННЫЕ СЕТИ В ДИАГНОСТИКЕ НОВООБРАЗОВАНИЙ КОЖИ

Рассмотрена задача применения технологий искусственного интеллекта в диагностике новообразований кожи. В качестве объекта исследования рассмотрены дерматоскопические изображения для восьми нозологий, среди которых присутствует и меланома. Наибольшая смертность среди больных со злокачественными заболеваниями кожи наблюдается именно при меланоме. Цель исследования - оценка эффективности применения предобученных сверточных нейронных сетей для классификации новообразований кожи. Предложен алгоритм классификации по ансамблю сверточных сетей. Для формирования ансамбля исследованы предобученные нейронные сети, зарекомендовавшие себя в соревновании ImageNet Large Scale Visual Recognition Challenge. По результатам проведенного эксперимента для включения в ансамбль выбрано три наилучших из восьми исследованных сверточных нейронных сетей - MobileNet_v2, ResNet_152, ResNeXt_101_32x8d. Эксперимент проводился на выборке из 10015 изображений, представляющих восемь нозологий. Средняя точность классификации по всем нозологиям составила 79%. В работе отмечены особенности обеспечения информационной безопасности при использовании телемедицинских диагностических технологий с применением предложенного подхода в распознавании изображений новообразований кожи. Полученные в работе результаты могут быть использованы в проектировании систем поддержки принятия врачебных решений при диагностике злокачественных новообразований кожи (в том числе меланомы).

The problem of using artificial intelligence technologies in the diagnosis of skin neoplasms is considered. Dermatoscopic images for 8 nosologies were the object of the research. The melanoma was one of them. Melanoma is responsible for the highest mortality of all skin cancers. The study aims to evaluate the effectiveness of the use of pre-trained convolutional neural networks for the classification of skin neoplasms. A classification algorithm for an ensemble of convolutional networks was proposed. Pre-trained neural networks have been used to form the ensemble. Neural network samples were selected from a set of neural networks that have proven themselves in the ImageNet Large Scale Visual Recognition Challenge. According to the results of the experiment, three of the best of the eight convolutional neural networks were selected for inclusion in the ensemble - MobileNet_v2, ResNet_152, ResNeXt_101_32x8d. The experiment was conducted on a sample of 10015 images representing 8 nosologies. The average classification accuracy for all nosologies was 79%. The paper highlights the features of ensuring information security when using telemedicine diagnostic technologies using the proposed approach in the recognition of images of skin neoplasms. The obtained results can be used in the design of medical decision support systems for the diagnosis of malignant skin neoplasms (including melanoma).