Key points are not available for this paper at this time.
흑색종 또는 악성 흑색종은 유해한 UV 방사선에 과도하게 노출되어 손상된 멜라노사이트 세포가 통제 없이 성장할 때 발생하는 일종의 피부암입니다. 다른 종류의 피부암보다 덜 흔하지만, 조기 진단 및 치료가 이루어지지 않을 경우 빠르게 전이되어 더 위험합니다. 양성 병변과 멜라노세포 병변의 구별은 때때로 혼란스러울 수 있지만, 이 질병의 발현은 그 병리조직학적 및 임상적 특징에 대한 숙련된 연구를 통해 비교적 명확하게 구별될 수 있습니다. 최근 몇 년 동안 딥 컨볼루션 신경망(DCNN)은 더 고무적인 결과를 달성해 왔지만, 치명적인 질병의 탐지를 위한 더 빠르고 계산적으로 효율적인 시스템이 절실히 필요합니다. 이 논문은 DCNN을 활용하여 피부 경화 사진과 디지털 이미지에서 흑색종을 탐지하고 전통적인 CNN에 비해 더 빠르고 정확한 출력을 제공하는 'You Only Look Once (YOLO)' 알고리즘을 제시합니다. 이 네트워크는 탐지된 물체의 위치와 관련하여 물체의 경계 상자와 클래스 신뢰 점수를 예측합니다. 그러나 이 논문의 하이라이트는 최소 신장 트리 개념을 사용하는 그래프 이론의 조합과 L-형 퍼지 수 기반 근사 및 특성 추출 과정에서 병변 지역의 실제 영향을 받은 면적의 수학적 추출과 같은 몇 가지 유용한 개념의 융합에 있습니다. 세 개의 공개 데이터 세트(PH2, International Symposium on Biomedical Imaging (ISBI) 2017 및 The International Skin Imaging Collaboration (ISIC) 2019)에서 총 20250개의 이미지에서 실험하여 고무적인 결과를 얻었습니다. ISIC 2019 데이터 세트에서 Jac 점수 79.84%를 달성했으며, ISBI 2017 및 PH2 데이터 세트에서는 각각 86.99% 및 88.64%를 달성했습니다. 이 분야의 최근 작업과 미리 정의된 매개변수를 비교한 결과 대다수의 경우에서 비교적 우수한 출력을 얻었습니다.
Banerjee et al. (Sun,)은 이 질문을 연구했습니다.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: