مروري بر روش هاي تشخيص و طبقه بندي سرطان پوست با استفاده از مدل هاي يادگيري عميق

سرطان پوست يكي از شايع ترين انواع سرطان بوده و سالانه ميليون ها نفر به اين بيماري مبتلا مي گردند كه در اين بين ملانوما به عنوان خطرناك ترين نوع سرطان پوست در ميان مردم جهان تشخيص داده شده است. از آنجائيكه تشخيص زود هنگام سرطان پوست موجب كاهش مرگ و مير در جهان گرديده، لذا روش مرسوم براي تشخيص اين سرطان، روش سنتي بيوپسي توسط پزشكان است. اين تشخيص با نمونه برداري از ضايعه پوستي انجام شده كه طي آن، نمونه اخذ شده تحت بررسي هاي گوناگون آزمايشگاهي قرار مي گيرد. نظربه آنكه اين روش براي بيماران دردناك و براي پزشكان بسيار وقت گير مي باشد، لذا تشخيص سرطان پوست به كمك الگوريتم هاي پردازش تصوير براي پزشكان و بيماران سودمندتر است. با توجه به اهميت اين مسئله، محققان در اين زمينه روش هاي تشخيص زودهنگام مختلفي را توسعه داده اند. در اين مقاله ابتدا به شرح مباني تشخيص سرطان پوست (شامل مراحل تشخيص بيماري) پرداخته و در ادامه به بررسي روش هاي طبقه بندي آن مي پردازد. از جمله روش هاي طبقه بندي سرطان پوست به كمك الگوريتم هاي پردازش تصوير در اين پژوهش مي توان از قانون ABCDE، روش چك ليست هفت نقطه اي، روش منزيس و تحليل الگو يادكرده و سپس مدل-هاي تشخيص سرطان پوست به كمك الگوريتم هاي يادگيري عميق از جمله ANN، CNN، KNN و GAN را مورد بحث و ارزيابي قرار مي دهد. باتوجه به مطالعات اخير مرتبط در اين حوزه، به نظر مي رسد قانون ABCDE يكي از پركاربردترين روش هاي طبقه بندي تصاوير بوده و مدل CNN به عنوان بهترين مدل تشخيص سرطان پوست معرفي گرديده.