Inception-Resnet-V2에 기초한 피부 병변 분류
Classification Of Skin Lesions Based On Inception-Resnet-V2
2
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
피부암은 지속적으로 증가하고 ㅣ는 전세계적인 질병이며, 최근 연구에 의하면 자외선 노출을 피부암의 주요 원인으로 보고 있다. 악성흑색종은 초기 발견 시 생존 확률이 97%나 되지만 말기 발견의 경우 7.5~11%로 조기 발견이 매우 중요한 질병이다. 피부과 의사들의 정확한 피부암 진단의 어려움을 해결하 기 위해 자동화된 피부병변분류 시스템의 개발이 필요하며, 본 논문에서는 Inception-resnet-v2 모델과 Harverd Dataverse에서 제공되는 10,015장(HAM10000)의 피부병변 이미지를 사용하여 전이학습 모델을 제 안하고자 한다. 전이학습 기반의 모델을 통한 실험결과 melanocytic nevi와 기타 모든 피부병변을 분류하 는 실험에서 90.41%의 정확도를 달성하였고, melanocytic nevi와 melanoma를 분류하는 실험에서 93.16% 의 결과를 얻었다. 이러한 결과는 딥러닝 기반의 알고리즘이 피부과 의사들의 피부병변 분류 시 판정지원이 가능함을 보여주 었다고 사료된다.
Abstract
Skin cancer is an increasing worldwide health problem. The recent studies have reported that excessive ultraviolet rays exposure must have been a main cause in developing skin cancer. The best solution for skin cancer is a timely diagnosis of skin lesions as the five-year survival rate for melanoma patients is 97% when diagnosed at the early stage. Considering the difficulty of dermatologists for accurate diagnosis of skin cancer, we need to develop an automated efficient system for skin lesions classification. We utilized Inception-resnet-v2 model for transfer learning with 10,015 skin lesion images from Harverd Dataverse (HAM10000). As a result, the model based on transfer learning achieved an accuracy of 90.41% for 2 classes; melanocytic nevi vs. the other lesions. Also, we found an accuracy of 93.16% for melanocytic nevi vs. melanoma. This model has the potential to support dermatologists in decision making about skin lesions.