hybridation de plusieurs caractérisitiques de deep learning pour l'amélioration de la classification du cancer de pean

Abstract

"سرطان الجلد هو شكل شائع من السرطانات ، واالكتشاف المبكر عنه يزيد من معدل البقاء على قيد الحياة. في هذه المذكرة قمنا بإنشاء نظام يمكننا من تصنيف الصور الطبية لسرطان الجلد ( حميد او خبيث( .حيث يتمثل الهدف االساسي من هذا الموضوع في ابراز قدرة التعلم االلي و العميق في تصنيف الصور الطبية عن طريق تحديد نسب الدقة. و تمثلت هذه الفكرة في استخراج الميزات من الصور و ادخالها الى عدة نماذج الشبكات العصبية التالففية CNN مدربة مسبقا باستخدام التعلم العميق ثم دمجها على شكل شعاع نهائي و تحويلها للتعلم باستخدام خوارزمية التعلم االلي SVM التي تساعد في التنبؤ بسرطان الجلد بدقة محسنة. و نحن بدورنا جسدنا هذه الفكرة في المجال الطبي على سرطان الجلد بشكل خاص, حيث اعتمدنا على نماذج ال CNN التالية (VGG 16 ;VGG 19 ; RasNet ; Inception V3) و تحصلنا على نسب دقة متقاربة و عند دمج النماذج االربعة معا تحصلنا على النسبة )%91 ( كأعلى نسبة دقة وهي تعتبر نسبة جيدة. و الحظنا ان هناك تحسن في نسب الدقة عند دمج النماذج مع بعضها البعض.""Skin cancer is a common form of cancer, and early detection increases the survival rate. In this memo, we have created a system that allows us to classify medical images of skin cancer (benign or malignant). The main objective of this subject is to demonstrate the capacity of the machine and of deep learning to classify medical images by determining the percentages of precision. This idea was to extract the features of the images and feed them into several pre￾trained CNN models using deep learning, then combine them as a final ray and transform them for l learning using SVM machine learning algorithm which helps predict skin cancer with improved accuracy. And we, in turn, embodied this idea in the medical field on skin cancer in particular, because we relied on the following CNN models (VGG 16; VGG 19; ResNet; Inception V3) and we got close accuracy rates and by merging the four models together we got the percentage (91%) as the highest accuracy rate, which is considered a good percentage. And we noticed that there is an improvement in accuracy rates when merging models together. "