Zastosowanie sieci neuronowych do analizy i klasyfikacji zmian skórnych na obrazach dermatoskopowych

Celem niniejszej pracy było zaprojektowanie sieci neuronowej zdolnej do analizy i klasyfikacji zmian skórnych na obrazach dermatoskopowych. Praca została podzielona na część teoretyczną oraz część praktyczną.
W pierwszej części pracy skupiono się na: celu badania zamian skórnych, czynników ryzyka zachorowań, rozróżnieniu oraz krótkim opisie zmian skórnych, takich jak: stany przedrakowe, znamiona, nowotwory niezłośliwe oraz złośliwe. Opisano tradycyjne metody rozpoznawania schorzeń skóry, jak i metody wykorzystujące sztuczną inteligencję.
W drugiej części przedstawiono użyte funkcje, moduły, biblioteki. Do napisania programu użyto języka programowania Python. Architektura zaproponowanego modelu składała się z warstw konwolucyjnych, max-pooling, dropout oraz w pełni połączonych. Klasyfikator osiągnął skuteczność na poziomie 67.87% dla obrazów dermatoskopowych pochodzących z publicznej bazy danych ISIC 2019 liczącej 25331 obrazów podzielonych na 9 kategorii.

Słowa kluczowe:
obrazy dermatoskopowe, sieci neuronowe, konwolucyjne sieci neuronowe, czerniak, zmiany skórne