以深度學習分類皮膚癌光學同調斷層掃描影像

Abstract

在本研究中，我們建立了一個電腦輔助診斷（CAD）工具，提出一種結合深度學習與全域式光學同調斷層掃描（Full-Field Optical Coherence Tomography, FF-OCT）數據中自動診斷皮膚癌之有效方法。本論文採用卷積神經網路（Convolutional Neural Network, CNN） 架構訓練可提取皮膚特徵之分類器以加速檢測鱗狀細胞癌（Squamous Cell Carcinoma, SCC），並利用集成學習提升診斷能力，降低誤判程度。此外，我們已經定量地顯示，本論文所提出之方法經過10次交叉驗證於測試集上獲得78.89%之準確率。結果表明，本研究方法於OCT皮膚癌診斷之可行性。

Here we report an effective approach to automatically diagnose skin cancer in Full-Field Optical Coherence Tomography (FF-OCT). We employ a Convolutional Neural Network (CNN) framework to speed up the detection of Squamous Cell Carcinoma (SCC). In addition, our trained neural network yielded performance of 78.89% accuracy by 10-fold cross-validation. Experimental results demonstrate the effectiveness of the proposed method for the automated diagnosis of skin cancer.