初期段階皮膚癌検出のためのスパイクニューラルネットワーク（SNN）の使用：HAM10000データセットに基づくデルタ変調アプローチ

皮膚癌は高い罹患率を持ち、早期診断が生命にとって重要な病気ですが、病変間の視覚的類似性のために診断が難しいです。本研究は、従来の人工ニューラルネットワークの高エネルギー消費の代替として、生物模倣スパイクニューラルネットワーク（SNN）アーキテクチャを使用して皮膚病変の分類を目的としています。HAM10000データセットで訓練されたモデルは、連続画像データを時間ベースのスパイク系列に変換するためにエネルギー効率の良いデルタ変調（DM）コーディング技術を使用しました。テスト結果は、モデルが特にメラノーマ（MEL）と基底細胞癌（BCC）の区別において高い成功率を示していることを示しました。