آلية ذكية للكشف عن سرطان الجلد متعدد العوامل

يتميز التعلم العميق باستخدام الشبكات العصبية التلافيفية (CNNs) بين الإجراءات المتطورة في النتائج الطبية المدعومة بالحاسوب. تتألف الطريقة المقترحة في هذه الورقة من مرحلتين رئيسيتين. في المرحلة الأولى، يقوم نموذج CNN العميق التسلسلي المقترح بمعالجة الصور مسبقاً لعزل مناطق الاهتمام من آفات الجلد واستخراج الميزات، مما يلتقط الأنماط ذات الصلة ويكتشف آفات متعددة. تتضمن المرحلة الثانية أداة ويب لزيادة تصور النموذج من خلال ضمان تشخيص صحي دقيق للمرضى. تم تدريب النموذج المقترح والتحقق منه واختباره بدقة باستخدام قاعدة بيانات تتعلق بمجموع بيانات HAM 10,000. حقق النموذج دقة بلغت 96.25% في تصنيف آفات الجلد، مما يُظهر مناطق قوية ملحوظة. تشير النتائج التي تحققها النموذج المقترح، التي تم التحقق منها بواسطة وسائل التقييم وآراء المستخدمين، إلى تحسين كبير مقارنةً مع الأساليب المتطورة الحالية لتصنيف آفات الجلد (خبيث / حميد). بالمقارنة مع نماذج أخرى، يتفوق النموذج التسلسلي CNN على التعلم الانتقالي لشبكة CNN (87.9%)، وVGG 19 (86%)، وResNet-50 + VGG-16 (94.14%)، وInception v3 (90%)، وVision Transformers (صور RGB) (92.14%)، وطريقة Entropy-NDOELM (95.7%). تُظهر النتائج إمكانيات التعلم العميق، والشبكات العصبية التلافيفية، وCNN التسلسلي في الكشف عن الأمراض وتصنيفها، مما سيحدث ثورة في اكتشاف الميلانوما، وبالتالي تحسين رعاية المرضى.