Классификация повреждений кожи по данным дермаскопии с использованием методов глубокого обучения

В настоящей работе предложен подход к решению задачи обнаружения злокачественных новообразований кожи, а именно, меланомы, на основе анализа дермоскопических изображений с использованием методов глубокого обучения. Для этого разработана архитектура глубокой сверточной нейронной сети, которая была применена к обработке дермоскопических изображений различных повреждений кожи, содержащихся в наборе данных HAM10000. Исследуемые данные предварительно были подвергнуты обработке с целью устранения шума, загрязнений, а также изменения размеров и формата изображений. Кроме того, поскольку классы заболеваний являются несбалансированными, был выполнен ряд преобразований по их балансировке. Полученные таким образом данные были разбиты на два класса Melanoma и Benign. Компьютерные эксперименты по применению построенной глубокой нейронной сети на полученных таким образом данных показали, что предложенный подход обеспечивает точность на тестовой выборке 94 %, что превышает аналогичные результаты, полученные другими алгоритмами глубокого обучения.