Рак шкіри (РШ) є найбільш поширеним видом онкологічних захворювань. Більшість випадків смерті від РШ спричинені меланомою, хоча це найменш поширений РШ. Раннє та точне виявлення та лікування є найкращим зціленням, однак виявлення цього виду злоякісної пухлини на ранніх стадіях не є легким. Рішення, засновані на даних для виявлення злоякісних меланом можуть зробити лікування більш ефективним. Згорткові нейронні мережі (ЗНМ) успішно застосовуються в різних областях комп'ютерного зору, а також у класифікації типів і стадій раку. Але в більшості випадків зображень недостатньо для досягнення надійної та точної класифікації. Такі метадані, як стать, вік, національність тощо, також можуть бути застосовані всередині моделей. Запропоновано end-to-end метод класифікації стадії меланоми за допомогою ЗНМ із фотографії RGB і метаданих пацієнтів і метод напівавтоматичного навчання сегментації області новоутворення. На основі експериментальних результатів запропонований метод демонструє стабільні результати та вивчає ознаки, що добре описують новоутворення. Головною перевагою цього методу є те, що він збільшує узагальнення та зменшує дисперсію, використовуючи ансамбль мереж, попередньо навчений на великому наборі даних і донавчений на цільовому наборі даних. Цей метод досягає ROC-AUC 0.93 на 10 982 унікальних нових зображеннях.

 Наукова періодика України 

---

  Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"