Милантьев Сергей Андреевич, Святкина Виталия Игоревна, Бессмертный Игорь Александрович, Зайченко Кирилл Вадимович

Университет ИТМО, ИАП РАН

В данном исследовании рассматривается возможность применения комбинированных архитектур сверточных нейронных сетей для анализа кожных новообразований. Разработаны архитектуры моделей для извлечения дополнительных признаков, связанных с характером формы кожных новообразований. Проведена оптимизация моделей, а также архитектуры, с целью минимизации ошибок первого и второго рода для редких кожных новообразований. В процессе обучения использовались наборы данных ISIC2017-2020, MED-NODE, SD-198, 7-Point Criteria Database, Light Field Image Dataset of Skin Lesions, PH2 , датасет ИАП РАН. Для обучения классификационных моделей использовались оптимизатор AdamW, функции потерь FocalLoss и scheduler CosineAnnealingWarmRestarts. Для обучения сегментационных моделей применялась функция потерь BCEDice. Оценка моделей проводилась с использованием взвешенных классификационных метрик, таких, как Recall, Precision и F1-score. В качестве рассматриваемой концепции моделей учитывалась их устойчивость на этапе валидации. Модели, использующие дополнительные сверточные нейронные сети для извлечения признаков формы новообразования, демонстрируют более высокие показатели метрик, а также имеют меньшую сумму ошибок первого и второго рода для редких заболеваний по сравнению с обычными классификационными моделями. Полученные результаты могут найти применение в анализе медицинских задач с дисбалансом данных в обучающем наборе данных.

кожные новообразования, сверточные нейронные сети, анализ кожных поражений, дисбаланс классов, многоспектральная обработка изображений