Целью данного исследования явился анализ возможности применения математической модели логистической регрессии для распознавания злокачественных новообразований на цифровых изображениях кожи. При проведении исследования применялась база данных, содержащая 6594 цифровых изображений кожи. На первом этапе исследования производилась сегментация цифровых изображений кожи для выделения исследуемого объекта, у которого в дальнейшем определялись морфометрические и цветовые характеристики соответствующие параметрам классической системы ABCD. На втором этапе характеристики использовались в классификации на злокачественные и доброкачественные новообразования при помощи логистической регрессии. При классификации изображений, наибольшее значение показателя точности (67,9 [66,9; 68,8]%) получено при классификации с помощью логистической регрессии, построенной на основе обратного пошагового метода Вальда. Таким образом, логистическая регрессия построенная на основе обратного пошагового метода Вальда может быть применена в классификации злокачественных новообразований на цифровых изображениях кожи, но требуется дальнейшее исследование и определение оптимальных параметров.

Ключевые слова: математическая модель, цифровые изображения кожи, логистическая регрессия, классификация изображений, злокачественные новообразования кожи

05.13.18 - Математическое моделирование, численные методы и комплексы программ

Целью данного исследования явился анализ возможности применения классических нейронных сетей для распознавания злокачественных новообразований на цифровых изображениях кожи. Для проведения исследования использовалась база данных, состоящая из 6594 цифровых изображений кожи. На первом этапе исследования производилась классификация цифровых изображений кожи на злокачественные и доброкачественные новообразования с использованием инструмента IBM SPSS Statistics с автоматическим выбором архитектуры математической модели искусственной нейронной сети. На втором этапе использовался вариант архитектуры искусственной нейронной сети с одним скрытым слоем. На третьем этапе использовался вариант архитектуры искусственной нейронной сети с двумя скрытыми слоями. В ходе исследования была проведена классификация цифровых изображений кожи для определения наличия на изображениях злокачественных новообразований. Наибольшее значение показателя точности (0,752 [0,736; 0,768]) получено при классификации с помощью архитектуры искусственной нейронной сети, включающей в себя два скрытых слоя, при этом значение показателя специфичности составило 0,813 [0,802; 0,824], а показателя чувствительности – 0,665 [0,637; 0,691]. Таким образом, искусственные нейронные сети могут быть применены в качестве метода диагностики злокачественных новообразований кожи на цифровых изображениях.

Ключевые слова: искусственные нейронные сети, цифровые изображения кожи, машинное обучение, классификация изображений, злокачественные новообразования кожи

05.13.18 - Математическое моделирование, численные методы и комплексы программ