АННОТАЦИЯ
В данной работе рассмотрены системы классификации кожных заболеваний на основе фотографий, использующие алгоритмы, основанные на сверточных нейронных сетях глубокого обучения. В качестве основного объекта исследования выбрана меланома кожи, требующая детализированного анализа изображений. Целью работы является оценка диагностической эффективности разработанного нами алгоритма глубокого обучения в дерматопатологии, особенно в контексте раннего выявления меланомы, а также проверка его преимуществ по сравнению с диагнозами, выставленными врачами-дерматологами. Методика работы заключается в сравнении эффективности методов искусственного интеллекта с практикующими врачами-дерматологами. В исследовании использовалась сверточная нейронная сеть, построенная на фреймворке PyTorch с базовой моделью ConvNeXt. В качестве источников данных применялись архивы снимков кожных заболеваний кафедры кожных и венерических болезней Военно-медицинской академии, а также открытая база данных Kaggle.com. В итоге база данных составила 2585 изображений. Основные результаты. После успешного завершения этапа обучения с результатом в 100% (train), тестирование программы было проведено на 585 изображениях, где программа показала 79,6% точного распознавания. Наш эксперимент продемонстрировал, что даже мнение опытного дерматолога может уступать в точности алгоритмам глубокого обучения и сверточным нейронным сетям. Выполненное исследование подчеркивает важность внедрения систем искусственного интеллекта в повседневную практику дерматологов, что, безусловно, окажет значительное влияние на развитие дерматопатологии в будущем.
ЦИТАТА
ПРИМЕНЕНИЕ ГЛУБОКОГО ОБУЧЕНИЯ В ДИАГНОСТИКЕ КОЖНЫХ ЗАБОЛЕВАНИЙ / С.О. Самохин, А.В. Патрушев, Ю.Р. Полозов, А.В. Сухарев, В.И. Щедрин // XVIII Санкт-Петербургские дерматологические чтения. : Материалы научно-практической конференции дерматовенерологов и косметологов. – Санкт-Петербург, – 2024. – С. 26-29
