تحليل صور البقع الجلدية باستخدام التعلم العميق

السرطان الجلدي هو أكثر أنواع السرطان شيوعًا في جميع أنحاء العالم، ويشكل الورم الميلاني المُتَوَسِّع أخطر أشكاله. تُعدّ التصوير الجلدي (الدِّيرْمُوسْكوبِي) وسيلة تصوير جلدي قد أظهرت تحسنًا في تشخيص السرطان الجلدي مقارنة بالفحص البصري دون دعم. نُقيّم الحالة الحالية للتقنيات المتقدمة في تصنيف صور التصوير الجلدي بناءً على تحدّي ISIC-2019 المتعلق بتصنيف الآفات الجلدية، بالإضافة إلى الأدبيات العلمية الحالية. تمّ تكييف هياكل متعددة من الشبكات العصبية العميقة المُدرّبة مسبقًا على مجموعة بيانات ImageNet، باستخدام تقنية نقل التعلّم (Transfer Learning) وتحسين النموذج (Model Fine-tuning)، على مجموعة تدريب مدمجة تتكوّن من صور جلدية وسريرية متاحة للجمهور. تمّ تقييم أداء هذه النماذج وملاءمتها للكشف عن ثمانية أنواع من الآفات الجلدية. استُخدمت تقنية تكبير البيانات في الزمن الفعلي (Real-time data augmentation) التي تعتمد على دوران عشوائي، وانزلاق، وانزلاق شدّي، وتكبير ضمن حدود محددة، لزيادة عدد العينات التدريبية المتاحة. كما تمّ ضرب تنبؤات النموذج بترددات الفئات العكسية وتوحيدها (Normalization) لتحسين تقريب التوزيعات الاحتمالية الحقيقية. وتمّ رفع الدقة الإجمالية للتنبؤات بشكل إضافي من خلال استخدام المتوسط الحسابي لتنبؤات عدة نماذج تم تدريبها بشكل مستقل. وقد تمّ نشر أفضل نموذج فردي كخدمة ويب.