Skin lesion analysis towards melanoma detection from dermoscopic images using Convolutional Neural Networks

Abstract

Ο καρκίνος του δέρματος είναι ένα από τα πιο θανατηφόρα είδη καρκίνων παγκοσμίως. Υπάρχουν διαφορετικά είδη καρκίνων με το πιο επικίνδυνο να είναι το Μελάνωμα. Η έγκαιρη διάγνωση του μελανώματος είναι εξαιρετικά σημαντική για την έγκαιρη αντιμετώπισή του. Η μηχανική μάθηση έχει αποδείξει πως έχει συμβάλει σημαντικά στο τομέα της Υγείας και στην πρόβλεψη τέτοιων ασθενειών. Στη συγκεκριμένη μεταπτυχιακή διατριβή, θα χρησιμοποιηθούν διαφορετικά Συνελικτικά Νευρωνικά Δίκτυα με τη χρήσιμοποιήση του συνόλου δεδομένων HAM10000 του ISIC Challenge 2018 το οποίο περιέχει 10015 διαφορετικές εικόνες δερματικών βλαβών που ανήκουν σε 7 διαφορετικές κατηγορίες. Τα Νευρωνικά δίκτυα θα εκπαιδευτούν σε ένα μέρος του dataset και στη συνέχεια θα ελεγχθούν σε νέες εικόνες. Τα Νευρωνικά δίκτυα που χρησιμοποιήθηκαν είναι το Densenet201, το Inception V3 και Ensemble model που αποτελεί ένα συνδυασμό των προηγούμενων δύο. Τέλος, αναπτύχθηκε μια εφαρμογή σύμφωνα με την οποία ο χρήστης μπορεί να εισάγει μια εικόνα και να λάβει μία πρόβλεψη για τον τύπο δερματικής βλάβης στον οποίο αντιστοιχεί.