محمد حسین شکور

تشخیص به‌موقع سرطان پوست به دلیل شباهت‌های ظاهری بسیار زیاد بین ضایعات بدخیم و خوش‌خیم، نقشی حیاتی در افزایش نرخ بقای بیماران ایفا می‌کند. با این حال، وجود نویز در تصاویر درموسکوپی، ناترازی شدید داده‌ها و پیچیدگی الگوهای بافتی، همواره چالش‌های بزرگی در مسیر تشخیص خودکار بوده‌اند. در این پژوهش، یک مدل ترکیبی مبتنی بر یادگیری عمیق برای طبقه‌بندی و تشخیص ضایعات پوستی ارائه شده است. رویکرد پیشنهادی با پیش‌پردازش تصاویر و اعمال تکنیک‌های افزایش داده آغاز می شود. در مرحله بعد، با بهره‌گیری از استراتژی یادگیری انتقالی، ویژگی‌های عمیق به طور همزمان از دو شبکه AlexNet و Inception استخراج می گردد. به منظور بهینه‌سازی مدل و حذف ویژگی‌های زائد، از الگوریتم تحلیل مؤلفه‌های همسایگی (NCA) استفاده شده است که ویژگی های برتر و متمایزکننده را انتخاب می کند. در نهایت، عمل طبقه‌بندی توسط الگوریتم جنگل تصادفی انجام می شود. نتایج تجربی حاصل از شبیه‌سازی در محیط MATLAB نشان داده است که مدل پیشنهادی به دقت 99.27٪ دست یافته است. تحلیل ماتریس درهم‌ریختگی و معیارهای ارزیابی نشان داد که این مدل در تشخیص کلاس‌های حساس مانند ملانوما و همچنین کلاس‌های کم‌جمعیت، پایداری و صحت مناسبی دارد.