ITBITB

Journal of ICT Research and ApplicationsJournal of ICT Research and Applications

Melanoma, bentuk kanker kulit yang sangat ganas, memengaruhi individu dari semua jenis kelamin dan dikaitkan dengan tingkat mortalitas yang tinggi, terutama pada tahap lanjut. Penggunaan tele-dermatologi telah muncul sebagai pendekatan diagnostik yang efisien untuk lesi kulit dan sangat berguna di daerah pedesaan dengan akses terbatas ke dermatolog. Namun, segmentasi melanoma secara akurat dan efisien tetap menjadi tugas yang menantang karena keragaman morfologi, pigmen, dan dimensi nevi kulit. Untuk mengatasi tantangan ini, kami mengusulkan pendekatan baru yang disebut DenseUNet-169 dengan encoder-decoder konvolusi dilatasi untuk segmentasi otomatis gambar dermascopic RGB. Dengan mengintegrasikan konvolusi dilatasi, model kami meningkatkan bidang respons kernel tanpa meningkatkan jumlah parameter. Selain itu, kami menggunakan metode yang disebut Copy and Concatenation Attention Block (CCAB) untuk perhitungan fitur yang robust. Untuk mengevaluasi kinerja kerangka kerja yang kami usulkan, kami menggunakan dataset ISIC 2017. Hasil eksperimen menunjukkan keandalan dan efektivitas pendekatan yang direkomendasikan dibandingkan dengan metode yang ada. Kerangka kerja kami mencapai tingkat akurasi (98,38%), presisi (96,07%), recall (94,32%), score dice (95,07%), dan score Jaccard (90,45%), mengungguli teknik saat ini.

Metode segmentasi yang diusulkan menunjukkan kinerja yang lebih baik dibandingkan metode sebelumnya dalam hal akurasi, score dice, indeks Jaccard, dan presisi.Model ini memiliki akurasi segmentasi yang tinggi, yang berdampak pada deteksi dan diagnosis kanker kulit.Akurasi yang meningkat dapat membantu mendeteksi dan mengobati melanoma secara dini, meningkatkan hasil pasien dan menurunkan tingkat kematian.Penggunaan konvolusi dilatasi meningkatkan penangkapan informasi kontekstual tanpa menambah parameter, yang bermanfaat untuk aplikasi tele-dermatologi.Model ini efisien dan efektif untuk segmentasi real-time dan hampir real-time, serta mengintegrasikan mekanisme perhatian CCAB untuk meningkatkan perhitungan fitur dan mengurangi kesalahan positif.

Penelitian lanjutan dapat menginvestigasi kinerja model pada dataset yang lebih beragam untuk meningkatkan generalisasi. Selain itu, pengintegrasian teknik imaging lain seperti histopatologi dapat dieksplorasi untuk meningkatkan akurasi segmentasi. Penelitian juga dapat fokus pada pengaruh parameter hiper seperti ukuran kernel dan laju pembelajaran terhadap akurasi segmentasi, serta pengembangan metode otomatis untuk menentukan parameter optimal.

  1. Skin Lesion Segmentation for Melanoma Using Dilated DenseUNet | Journal of ICT Research and Applications.... doi.org/10.5614/itbj.ict.res.appl.2023.18.1.2Skin Lesion Segmentation for Melanoma Using Dilated DenseUNet Journal of ICT Research and Applications doi 10 5614 itbj ict res appl 2023 18 1 2
Read online
File size438.64 KB
Pages15
DMCAReport

Related /

ads-block-test