مجله علمی رایانش نرم و فناوری اطلاعات

مجله علمی رایانش نرم و فناوری اطلاعات

‌ بهبود طبقه بندی سرطان پوست با استفاده از مدل ترکیبی EfficientNetV2-S و InceptionResNet-V2

مقالات آماده انتشار

نوع مقاله : مقاله پژوهشی فارسی

نویسندگان
فاطمه کریمی 1
سکینه اسدی امیری 2
زینب محمدپوری 3
1 گروه مهندسی کامپیوتر، دانشگاه مازندران، بابلسر
2 دانشکده فنی و مهندسی، دانشگاه مازندران ، بابلسر، ایران.
3 گروه مهندسی پزشکی، دانشگاه صنعتی شاهرود، شاهرود، ایران
10.22034/jscit.2026.587918.2275
چکیده
سرطان پوست از شایع‌ترین سرطان‌ها در جهان است و در میان آن‌ها، ملانوما به‌عنوان تهاجمی‌ترین و مرگبارترین نوع شناخته می‌شود. تشخیص به‌موقع ملانوما می‌تواند نقش مهمی در افزایش شانس درمان داشته باشد؛ اما در مراحل اولیه، تمایز آن از خال‌های خوش‌خیم برای پزشکان دشوار است. ازاین‌رو، استفاده از روش‌های مبتنی بر یادگیری عمیق می‌تواند ابزاری مؤثر برای تشخیص خودکار این بیماری فراهم آورد. در مقاله‌ی پیش رو، از دو شبکه‌ی عصبی عمیق EfficientNetV2-S و InceptionResNet-V2 استفاده کردیم. ابتدا ساختار دو شبکه را افزودن لایه‌های Dense و تنظیم نرخ Dropout بهبود بخشیدیم. سپس به منظور بهبود دقت مدل‌های عمیق، دو شبکه را با استفاده از روش‌های Stacking و رای‌گیری نرم ترکیب نمودیم تا نتایج بهتری به دست آوریم. نتایج روی مجموعه داده‌ی HAM10000 ارزیابی شد و به دقت 92% دست یافتیم. نتایج بیانگر آن است که رویکرد ارائه‌شده، نسبت به مدل‌های منفرد عملکرد بهتری در طبقه‌بندی ضایعات پوستی دارد.
کلیدواژه‌ها
ملانوما
یادگیری عمیق
EfficientNetV2-S
InceptionResNet-V2
Ensemble Method
مجله علمی رایانش نرم و فناوری اطلاعات

مقالات آماده انتشار، پذیرفته شده
انتشار آنلاین از 25 مهر 1405