Rishikesh Chauhan / Shalini Yadav
Rak skóry pozostaje jednym z najbardziej rozpowszechnionych nowotworów na świecie, a jego wczesne wykrycie odgrywa kluczową rolę w zapewnieniu skutecznego leczenia. Jednak tradycyjne metody diagnostyczne w dużej mierze zależą od wiedzy dermatologów, co może sprawić, że proces ten będzie powolny i kosztowny. Niniejszy projekt wprowadza zautomatyzowane podejście do wykrywania raka skóry przy użyciu kombinacji technik głębokiego uczenia się i uczenia maszynowego, mające na celu wspieranie wczesnej i skutecznej diagnozy. Aby poprawić dokładność i niezawodność, zastosowano kilka etapów przetwarzania wstępnego, w tym rozszerzenie obrazu, normalizację i równoważenie klas. Model został dodatkowo ulepszony przy użyciu uczenia transferowego ze wstępnie wytrenowanymi wagami ImageNet, co pozwoliło mu działać dobrze nawet przy ograniczonej ilości danych.