22275

بهبود ناحيه بندي تصاوير ضايعات پوستي مبتني بر يادگيري عميق

كارشناسي ارشد

افزاره‌هاي ميكرو و نانوالكترونيك

1399/3/27

دكتر كريم محمدي

برق

ملانوم از وخيم ترين نوع سرطان هاي پوستي است كه مي تواند در هرقسمتي از پوست بدن انسان ايجاد شود.تشخيص ضايعات ملانوم در اوايل رشد ، احتمال درمان شدن آن ها را تا حدود زيادي افزايش خواهد داد. با توجه به گسترش علوم و ربات هاي جراح ،بهبود ناحيه بندي ملانوم به حذف دقيق تر اين ضايعه از نقاط حساس و غير حساس بدن توسط پزشك يا ربات هاي جراحي كمك زيادي خواهد كرد. در سال هاي اخير شبكه هاي مبتني بر آموزش ،در ناحيه بندي تصاوير به نتايج مطلوبي نسبت به روش هاي قديمي نظير الگوريتم ناحيه بندي مبتني بر كلوني مورچگان رسيده اند. در اين پژوهش روشي برمبناي شبكه هاي عصبي كانولوشني عميق به منظور بهبود ناحيه بندي تصاوير ضايعات پوستي ملانوم ، كه از دو قسمت شناسايي و ناحيه بندي تشكيل و ارائه گرديده است. معماري پيشنهادي از دو قسمت عمده براي شناسايي بلادرنگ محل ضايعه و ناحيه بندي تشكيل شده است. در قسمت شناسايي ، با ايجاد تغيير درطبقه بندي خروجي و تنظيم دقيق معماري YOLOv3 كه با عنوان F-YOLOv3 ارائه شده است، براي تشخيص ضايعه ملانوم ، مكان و ناحيه ضايعه پوستي ملانوم به دقت شناسايي شده و سپس به داخل شبكه كانولوشني پيشنهاديSeg11-Net جهت ناحيه بندي داده مي شود.مرحله شناسايي مكان و ناحيه ضايعه ، به كمتر شدن بارمحاسباتي جهت ناحيه بندي كمك مي كند. روش پيشنهادي در معيار دقت با 16/95 درصد نشان مي دهد روش پيشنهادي ما در اين مقاله در معيار دقت و81/92 درصد در ضريب تشابه دايس از درصد بالاتري برخوردار مي باشد كه برتري كار انجام شده نسبت به جديد ترين مقالات را نشان مي دهد.

1399/05/21

Improvement of Skin Lesion Segmentation Based on Deep Learning

6/16/2020 12:00:00 AM

Melanoma is one of the most serious skin cancers that can occur in any part of the human skin. Diagnosing melanoma lesions early in life will greatly increase their chances of being cured. Improving melanoma segmentaion will help the doctor or surgical robots remove the lesion more accurately from sensitive and insensitive parts of the body. Recently, the learning based segmentation methods achieved desired results in image segmentation compared to traditional algorithm such as Ant Colony. In this study, an algorithm based on Deep Convolutional Neural Networks has been proposed to improve the melanoma skin lesions segmentation. The proposed architecture consists of two main parts for real-time detection of lesion location and segmentation. In the detection section, the location of the skin lesion is carefully detected by F-YOLOv3 and then fed into the Seg11-Net. The step of detecting the location and area of the lesion helps to reduce the calculation for segmentation. The results show that the proposed architecture, with an accuracy of 95.16% with 92.81% in Dice coefficient also shows the superiority of proposed architecture than latest articles.