SECoS、皮膚がん画像分類精度

皮膚がんは、世界中のさまざまな国で最も一般的ながんの 1 つです。皮膚がん自体の死亡率はかなり高く、米国がん協会のデータによると、皮膚がんによる死亡率は年間 10% に達します。一方、皮膚がんの患者数は毎年増加し続けています。したがって、この致命的な病気の適切な治療を決定するには、早期発見と検査が非常に重要です。ただし、皮膚がん画像の分類研究は、特に臨床的意味がほとんどない低レベルの特徴の抽出に関連して、予測精度の点で依然として大きな課題に直面しています。

そこで、S.Kom.、M.Kom.のAl-Khowarizmi氏は、ST、M.Comp.、Ph.D.のSuherman氏と共同で、単純な接続システムを適用して皮膚がんの画像を分類しようと試みました。

さらに、ST、M.Comp.、Ph.D. の Suherman 氏は、「分類は、概念に準拠した方法とアルゴリズムを使用してコンピューターまたはプロセッサーが学習できるようにすることを目的としたデータ マイニング アルゴリズムの 1 つです」と述べています。 機械学習データを活用して分類する トレーニング そして テスト テキスト、画像、動画の形で。一方、アルゴリズムの使用は データマイニング 「データ分布について一般的な仮定をすることなく、複雑なデータセットを分析し、新しいデータを予測することができる」と彼は結論付けた。

現在、多くの研究者は、次のような単純な分類法を用いて皮膚がん画像を分類している。 サポートベクターマシン (SVM)。

「皮膚がんのイメージに関する研究は行われてきました。しかし、依然として サポートベクターマシン (SVM) または ニューラルネットワークそして 決定木 「これらの分類モデルは、大規模なデータセットの処理が困難であるため、パターンのバリエーション分類を誤ることが多く、大きな問題が発生する可能性があることがわかっています。さらに、将来的には、より複雑なデータセットを効率的に分類する必要もあります」と、ST、M.Comp.、Ph.D.のSuherman氏は説明しています。

したがって、この課題を克服するのに効果的であることが証明された方法の1つは シンプルな進化型コネクショニストシステム （SECoS）とも呼ばれる 進化型多層パーセプトロン (eMLP)。「SECoS は大規模なデータ パターンを予測する機能があり、豊富なデータセットの処理に非常に強力です」と、ST、M.Comp.、Ph.D. の Suherman 氏は説明します。

SECoS は、データに基づいてデータを認識するデータマイニング分類技術です。 テスト およびデータ トレーニング SECoSは3つの層、すなわち 入力、 隠れたそして 出力. レイヤー 入力 生データを処理し、隠れ層が SECoS メソッドを進化的に計算し、出力層が分類値を提供します。

Al-Khawarizmi氏、S.Kom.、M.Kom.氏と彼のチームは、悪性および良性の皮膚ほくろの画像データセットを収集する段階からSECoSを使用して分類プロセスを実施しました。このプロセスには、画像を グレースケール 特徴抽出 方向勾配のヒストグラム (HOG)。生成された HOG 画像は、トレーニングとテストのために SECoS に送られます。

Al-Khawarizmi 氏 (S.Kom.、M.Kom.) と Suherman 氏 (ST、M.Comp.、Ph.D.) が実施した研究の結果、SECoS が次のような成果を上げていることが示されました… 最小絶対パーセンテージ誤差 （MAPE）は他の方法よりも低い。「SECoSは、他の方法と比較して最高のパフォーマンスを発揮します。 確率的ニューラルネットワーク （PNN）と サポートベクターマシン （SVM）の観点から 偽陰性「」と、ST、M.Comp.、Ph.D の Suherman 氏は説明しています。したがって、SECoS はエラー パターンの変化や入力データの変動に対処する際に、より堅牢であることが証明されています。

実施された研究により、SECoS は皮膚がんの画像分類に効果的な方法であることが証明されています。適切な特徴抽出を実行し、進化の原理を利用することで、SECoS は分類プロセスの精度と適応性を向上させることができます。この方法をさらに研究し、さまざまな分野に適用することで、医療診断や複雑なデータ分析に新たな機会が開かれる可能性があります。