الكشف عن سرطان الجلد باستخدام التعلم العميق
الملخص
يعد سرطان الجلد واحد من أكثر سرطانات الجلد شيوعاً والكشف المبكر عنه يساعد في تقليل من نسبة انتشار المرض والتقليل من نسبة الوفيات، ولكن يؤدي الاكتشاف البصري أحيانا إلى التشخيص الخاطئ بسبب أخطاء بشرية ناجمة عن التعب البصري، ويكون التشخيص الخاطئ مكلف ومجهد للمريض نفسيا،
لذلك كان لابد من وضع منهجية عمل لتشخيص سرطان الجلد بشكل آلي باستخدام خوارزمية تعتمد على معالجة الصورة، حيث تم جمع قاعدة البيانات لصور سرطان الجلد تعود لأشخاص مختلفي العمر والجنس واللون، كما تم الآخذ بالحسبان اختلاف الخلفية والبعد عن الكاميرا وموضع الشامة، ومن ثم تم تطبيق بعض تقنيات معالجة الصورة من معالجة أولية وتجزيء الصور، المورفولوجي وبالاستناد إلى الدراسات المرجعية السابقة تم بناء خوارزمية تعتمد على الشبكات العصبونية الالتفافية لكشف سرطان الجلد وتصنيفه إلى حالات خبيثة أو حميدة حيث حققت دقة تصل إلى 96%.
المراجع
2. https://www.kfshrc.edu.sa/ar/Home/HealthEncyclopedia/DiseasesConditions/1408, downloaded at :31/3/2016
3. Alwunais, Khalid M., and Sohail Ahmad. "Pattern of skin cancer at Dammam Medical Complex in Dammam, Saudi Arabia." Journal of Dermatology & Dermatologic Surgery,2016,PP:51-54.
4. Siddiq Iqbal, Sophia.M, Divyashree.J.A, Mallikarjun Mundas, Vidya.R,’’ Implementation Of Supervised Learning For Melanoma Detection Using Image Processing’’, International Journal of Research in Engineering and Technology, Volume 4, Issue 6 , June 2023, PP: 325-329.
5. Arati P. Chavan, D. K. Kamat , Dr. P. M. Patil,” Classification Of Skin Cancers Using Image Processing “, International Journal of Advance Research in Electronics, Electrical & Computer Science Applications of Engineering & Technology Volume 2, Issue 3, June 2014, PP: 378-384 .
6. Ramandeep Kaur, Gurmeen Kaur,’’ Skin Cancer – Melanoma Detection in Skin Images Using Local Binary Pattern (LBP) and GLCM’’, International Journal of Science and Research (IJSR), Volume 4, Issue 7, July 2015,PP: 134-139.
7. J. Höhn, E. Krieghoff-Henning, T. B.Jutzi, C. Kalle, J. S.Utikal and F. Meier, "Combining CNN-based histologic whole slide image analysis and patient data to improve skin cancer classification," European Journal of Cancer, pp. 94 - 101, 2021.
8. N. Rezaoana, M. S. Hossain and K. Andersson, "Detection and Classification of Skin Cancer by Using a Parallel CNN Model," IEEE International Women in Engineering (WIE) Conference on Electrical and Computer, 2020.
9. http://www.cancer.gov, downloaded at : 31/8/2014.
10. www.dermatology.ca, downloaded at : 2/2/2015.
11. www.skincancer.org, downloaded at : 3/1/2015.
12. www.skincancercare.com, downloaded at : 31/8/2014.
13. www.visualsonline.cancer.gov, downloaded at :31/7/2014.
14. Yu, S., Liu, L., Wang, Z., Dai, G., and Xie, Y.” Transferring deep neural networks for the differentiation of mammographic breast lesions.” Science China Technological. Sciences 62.3 (2019):441-447.
15. Dina M. I, Nada M. E., Amany M. S. Deep-chest: Multi-classification deep learning model for diagnosing COVID-19, pneumonia, and lung cancer chest diseases. Elsevier. 2021; 15(3):1-13.
16. Aous M., Ghada S. Designing a Multiclassification Convolutional Neural Networks Model for the Diagnosis of Lung Cancer and Covid-19. Tishreen University Journal for Research and Scientific Studies - Engineering Sciences Series. 2022; 44(6):185-20.
