Method and software component model for skin disease diagnosis

Abstract

EN: Context. The problem of skin disease diagnosis was investigated in the paper. Its actuality is caused by the necessity of automation of at least advisory medical decision making. Such decisions are made in telemedicine, for instance, when skin disease diagnostics is performed under specific conditions. These conditions are specified by situations when data for analysis are collected but a qualified doctor has no possibility to process the data and to make a diagnosis decision based on it. The object of the study is a process of skin disease diagnosis. Objective. The objective of the study is to develop a skin disease diagnosis method to automate making of advisory medical diagnosis decisions and to increase efficiency of such decisions. Method. The skin disease diagnosis method was proposed in the work. This method applies the modified ResNet50 model. It was proposed to add layers to the ResNet50 model and to train it using transfer learning and fine-tuning techniques. The method also defines image processing in particular through the change of its resolution and uses oversampling technique to prepare a dataset for model training. Results. Experimental investigation of the proposed method was performed using the HAM10000 dataset which contains images of skin diseases. The images were collected using dermatoscopy method. The dataset contains observations for 7 different skin diseases. The proposed method is characterized by the accuracy of 96.31% on this dataset. It is improved accuracy in comparison with the existing neural network models. Software component model was created to give a possibility to integrate the proposed method into a medical diagnosis system. Conclusions. The obtained results of the investigation suggest application of the proposed skin disease method in medical diagnostic system to make advisory decisions by the system and to support making final decisions by a doctor. UK: Актуальність. У даній статті розглянуто проблему діагностування шкірних захворювань. Актуальність проблеми пояснюється необхідністю автоматизації щонайменше дорадчих рішень в медицині, зокрема при підтримці телемедицини під час діагностування шкірних захворювань, коли можливо отримати придатні для аналізу дані, але лікар, здатний прийняти рішення, не може з тих чи інших причин обробити ці дані власноруч. Об’єктом роботи є процес діагностування шкірних захворювань. Мета робот – розробити метод діагностування шкірних захворювань для автоматизації дорадчих діагностуючих рішень в медицині і підвищення ефективності таких рішень. Метод. У статті запропоновано метод діагностування шкірних захворювань на основі побудови і навчання моделі ResNet50, модифікованої шляхом додавання нових шарів і використання технік трансферного навчання та fine-tuning. Метод виконує попередню обробку зображень зокрема шляхом зміни їх розміру та використання техніки oversampling для підготовки вибірки даних для навчання моделі. Результати. Експериментальне дослідження проводилося на наборі даних про шкірні захворювання HAM10000, який складається з 10015 зображень захворювань шкіри, отриманих методом дерматоскопії, для 7 різних діагнозів. У результаті застосування модифікованої моделі на основі запропонованого методу точність розпізнавання склала 96.31%, що перевищує точність розглянутих подібних моделей нейронних мереж. Програмна компонента модель була створена для надання можливості інтегрувати запропонований метод до складу системи медичного діагностування. Висновки. Отримані в результаті проведеного дослідження результати дозволяють рекомендувати запропонований метод діагностування шкірних захворювань для впровадження у складі системи медичного діагностування задля забезпечення підтримки винесення дорадчих рішень системою з подальшим винесенням остаточних рішень лікарем.