تشخیص ملانوما با یک مدل یادگیری عمیق

سرطان پوست یکی از شایعترین سرطان ها و ملانوما (Melanoma) کشنده ترین نوع سرطان پوست می باشد. خال ملانوسیتیک (Melanocytic nevi) و ملانوما هر دو از ملانوسایت ها (سلول های تولیدکننده رنگدانه) به وجود می آیند، اما خال ملانوسیتیک خوش خیم و ملانوما بدخیم هستند. این مقاله یک مدل یادگیری عمیق (Deep learning) برای طبقه بندی (Classification) این دو ضایعه پوستی ارایه می کند.

در این مطالعه تحلیلی که در بهمن 1398 در دانشگاه علوم پزشکی شهید بهشتی انجام شد، از مجموعه داده عکس های درماسکوپی Human against machine with 10000 training images, (HAM10000)، هزار تصویر خال ملانوسیتیک و هزار تصویر ملانوما استخراج گردید. از هر مورد، 900 تصویر به شکل تصادفی برای آموزش سیستم انتخاب شدند و 100 تصویر باقیمانده برای تست اختصاص داده شد. یک مدل یادگیری عمیق شبکه عصبی کانولوشنال (Convolutional neural network)، با استفاده از AlexNet (Krizhevsky et al., 2012) به عنوان مدل از پیش آموزش دیده شده (Pretrained)، به کارگرفته شد. در ابتدا این شبکه با 1800 تصویر آموزش داده شد و سپس عملکرد آن بر روی 200 تصویر ارزیابی گردید.

مدل پیشنهادی به دقت 93% (Accuracy) در طبقه بندی تصاویر به دو کلاس خوش خیم و بدخیم دست یافت. همچنین مساحت زیر منحنی Receiver operating characteristic (ROC)، 98/0، حساسیت 94% (Sensitivity) و اختصاصیت 92% (Specificity) به دست آمد. همچنین با تنظیم پارامتر آستانه طبقه بندی مدل، امکان افزایش حساسیت، به قیمت کاهش اختصاصیت وجود دارد و بالعکس.

با توجه به دشواری تشخیص ملانوما حتی برای متخصصین با تجربه، یافته های این مطالعه، توانایی بالای یادگیری عمیق را در تشخیص سرطان پوست نشان می دهد.