Класифікація уражень шкіри з використаннями багатозадачних глибкоких нейронних мереж

Анотація

Рак шкіри є найбільш поширеним видом онкологічних захворювань. Більшість випадків смерті від раку шкіри спричинені меланомою, хоча це найменш поширений рак шкіри. 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 успішно застосовуються в різних областях комп'ютерного зору, а також у класифікації типів та 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. У цій роботі ми пропонуємо end-to-end метод класифікації стадії меланоми за допомогою згорткових нейронних мереж із фотографії RGB та метаданих пацієнтів. Також ми пропонуємо 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 та донавчений на цільовому наборі даних. Цей метод досягає ROC-AUC 0.93 на 10982 унікальних нових зображеннях.