مروری بر روش های تشخیص و طبقه بندی سرطان پوست با استفاده از مدل های یادگیری عمیق

سرطان پوست یکی از شایع ترین انواع سرطان بوده و سالانه میلیون ها نفر به این بیماری مبتلا می گردند که در این بین ملانوما به عنوان خطرناک ترین نوع سرطان پوست در میان مردم جهان تشخیص داده شده است. از آنجائیکه تشخیص زود هنگام سرطان پوست موجب کاهش مرگ و میر در جهان گردیده، لذا روش مرسوم برای تشخیص این سرطان، روش سنتی بیوپسی توسط پزشکان است. این تشخیص با نمونه برداری از ضایعه پوستی انجام شده که طی آن، نمونه اخذ شده تحت بررسی های گوناگون آزمایشگاهی قرار می گیرد. نظربه آنکه این روش برای بیماران دردناک و برای پزشکان بسیار وقت گیر می باشد، لذا تشخیص سرطان پوست به کمک الگوریتم های پردازش تصویر برای پزشکان و بیماران سودمندتر است. با توجه به اهمیت این مسئله، محققان در این زمینه روش های تشخیص زودهنگام مختلفی را توسعه داده اند. در این مقاله ابتدا به شرح مبانی تشخیص سرطان پوست (شامل مراحل تشخیص بیماری) پرداخته و در ادامه به بررسی روش های طبقه بندی آن می پردازد. از جمله روش های طبقه بندی سرطان پوست به کمک الگوریتم های پردازش تصویر در این پژوهش می توان از قانون abcde، روش چک لیست هفت نقطه ای، روش منزیس و تحلیل الگو یادکرده و سپس مدل-های تشخیص سرطان پوست به کمک الگوریتم های یادگیری عمیق از جمله ann، cnn، knn و gan را مورد بحث و ارزیابی قرار می دهد. باتوجه به مطالعات اخیر مرتبط در این حوزه، به نظر می رسد قانون abcde یکی از پرکاربردترین روش های طبقه بندی تصاویر بوده و مدل cnn به عنوان بهترین مدل تشخیص سرطان پوست معرفی گردیده.