Melanoma Skin Cancer and Nevus Mole Classification using Intensity Value Estimation with Convolutional Neural Network

要約

メラノーマ皮膚がんは、最も危険で生命を脅かすがんの 1 つです。
紫外線にさらされると皮膚細胞の DNA が損傷し、メラノーマ皮膚がんを引き起こす可能性があります。
しかし、未熟な段階でメラノーマや母斑を検出して分類することは困難です。
この作業では、畳み込みニューラル ネットワーク モデル (CNN) を使用した強度値推定に基づいて自動ディープ ラーニング システムを開発し、黒色腫と母斑奇形をより正確に検出および分類します。
強度レベルは、対象物または関心領域を識別するための最も特徴的な特徴であるため、抽出された病変画像から高強度のピクセル値が選択されます。
これらの高強度の特徴を CNN に組み込むことで、提案されたモデルの全体的なパフォーマンスが、メラノーマ皮膚がんを検出するための最先端の方法よりも向上します。
システムを評価するために、5 分割交差検証を使用しました。
実験結果は、精度 (92.58%)、感度 (93.76%)、特異性 (91.56%)、および精度 (90.68%) の優れたパーセンテージが達成されることを示しています。

要約(オリジナル)

Melanoma skin cancer is one of the most dangerous and life-threatening cancer. Exposure to ultraviolet rays may damage the skin cell’s DNA, which causes melanoma skin cancer. However, it is difficult to detect and classify melanoma and nevus mole at the immature stages. In this work, an automatic deep learning system is developed based on the intensity value estimation with a convolutional neural network model (CNN) to detect and classify melanoma and nevus mole more accurately. Since intensity levels are the most distinctive features for object or region of interest identification, the high-intensity pixel values are selected from the extracted lesion images. Incorporating those high-intensity features into the CNN improves the overall performance of the proposed model than the state-of-the-art methods for detecting melanoma skin cancer. To evaluate the system, we used 5-fold cross-validation. Experimental results show that a superior percentage of accuracy (92.58%), sensitivity (93.76%), specificity (91.56%), and precision (90.68%) are achieved.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google