تشخیص سرطان پوست غیرملانومی با شبکه عصبی Convolutional

شایعترین انواع سرطان پوست غیرملانومی، سرطان های سلول پایه ای (Basal cell carcinoma, BCC) و سلول اسکواموس (Squamous cell carcinoma, SCC) می باشند. Actinic keratoses (Solar keratoses) و Intraepithelial carcinoma (Bowen’s disease) که به طور مخفف از آن ها با نام AKIEC یاد می کنیم، پیش زمینه های SCC هستند. از آن جا که تشخیص زودهنگام، تاثیر بسزایی در درمان سرطان دارد، این مطالعه یک مدل مبتنی بر کامپیوتر برای تشخیص این سرطان معرفی می کند.

در این مطالعه تحلیلی که در بهمن 1398 در دانشگاه علوم پزشکی شهید بهشتی انجام شد، از مجموعه تصاویر درماسکوپی Human against machine with 10000 training images (HAM10000)، تعداد 327 تصویر AKIEC، 513 تصویر BCC و 840 تصویر کراتوسیس خوش خیم (Benign keratosis, BK) استخراج گردید. از هر کدام از این سه نوع داده، 90% تصاویر بطور تصادفی به عنوان داده آموزشی انتخاب و مابقی به عنوان داده تست لحاظ شدند. از یک مدل یادگیری عمیق شبکه عصبی کانولوشنال (Deep learning convolutional neural network)، با استفاده از شبکه AlexNet (Krizhevsky, et al., 2012) به عنوان شبکه از پیش آموزش (Pretrained) داده شده برای تشخیص سرطان استفاده شد. پس از آموزش شبکه بر روی داده آموزشی، عملکرد آن بر روی داده تست، ارزیابی گردید.

مدل یادگیری عمیق پیشنهادی به دقت 90% (Accuracy)  در طبقه بندی (Classification) تصاویر به دو کلاس خوش خیم و بدخیم دست یافت. همچنین مساحت زیر منحنی Receiver operating characteristic (ROC) 0.97، حساسیت 94% (Sensitivity) و اختصاصیت 86% (specificity) به دست آمد.  

این یافته ها نشان می دهد که مدل های یادگیری عمیق می توانند به دقت بالایی در تشخیص سرطان غیرملانومی پوست دست یابند.