Подолання викликів у глибокому навчанні для виявлення раку шкіри
Skin cancer is one of the most prevalent malignancies worldwide. A critical factor in reducing mortality rates is the early detection. It underscores the need for accessible Computer-Aided Diagnostic (CAD) systems. Recent advancements in Deep Learning (DL) have shown great promise in addressing this...
Saved in:
| Date: | 2025 |
|---|---|
| Main Authors: | , |
| Format: | Article |
| Language: | English |
| Published: |
The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute"
2025
|
| Subjects: | |
| Online Access: | http://journal.iasa.kpi.ua/article/view/320423 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Journal Title: | System research and information technologies |
Institution
System research and information technologies| _version_ | 1856543603554254848 |
|---|---|
| author | Nikitin, Vladyslav Danilov, Valery |
| author_facet | Nikitin, Vladyslav Danilov, Valery |
| author_sort | Nikitin, Vladyslav |
| baseUrl_str | |
| collection | OJS |
| datestamp_date | 2025-07-25T15:56:08Z |
| description | Skin cancer is one of the most prevalent malignancies worldwide. A critical factor in reducing mortality rates is the early detection. It underscores the need for accessible Computer-Aided Diagnostic (CAD) systems. Recent advancements in Deep Learning (DL) have shown great promise in addressing this challenge. Despite this progress in the field of machine learning, researchers encounter numerous obstacles when it comes to skin cancer classification. This article examines the current state of DL-based skin cancer diagnostics. Critical aspects of system development, including data preprocessing, model training, and performance evaluation, are addressed. Moreover, the article highlights opportunities for innovation that could significantly advance the field. By providing a comprehensive overview, this article aims to guide researchers and practitioners in optimizing DL models, addressing existing limitations, and exploring emerging trends to enhance diagnostic accuracy and accessibility. |
| first_indexed | 2025-07-27T04:04:05Z |
| format | Article |
| id | journaliasakpiua-article-320423 |
| institution | System research and information technologies |
| language | English |
| last_indexed | 2025-09-17T09:26:02Z |
| publishDate | 2025 |
| publisher | The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" |
| record_format | ojs |
| spelling | journaliasakpiua-article-3204232025-07-25T15:56:08Z Navigating challenges in deep learning for skin cancer detection Подолання викликів у глибокому навчанні для виявлення раку шкіри Nikitin, Vladyslav Danilov, Valery рак шкіри глибоке навчання класифікація трансформатори CNN GAN попереднє оброблення даних доповнення даних skin cancer deep learning classification transformers CNN GAN data preprocessing data augmentation Skin cancer is one of the most prevalent malignancies worldwide. A critical factor in reducing mortality rates is the early detection. It underscores the need for accessible Computer-Aided Diagnostic (CAD) systems. Recent advancements in Deep Learning (DL) have shown great promise in addressing this challenge. Despite this progress in the field of machine learning, researchers encounter numerous obstacles when it comes to skin cancer classification. This article examines the current state of DL-based skin cancer diagnostics. Critical aspects of system development, including data preprocessing, model training, and performance evaluation, are addressed. Moreover, the article highlights opportunities for innovation that could significantly advance the field. By providing a comprehensive overview, this article aims to guide researchers and practitioners in optimizing DL models, addressing existing limitations, and exploring emerging trends to enhance diagnostic accuracy and accessibility. Рак шкіри є одним із найпоширеніших злоякісних новоутворень у світі. Раннє виявлення є критичним фактором зниження рівня смертності. Це підкреслює необхідність доступних систем комп'ютерної діагностики. Нещодавні досягнення в глибокому навчанні показали великі перспективи у вирішенні цієї проблеми. Незважаючи на цей прогрес у галузі машинного навчання, дослідники стикаються із численними перешкодами, коли йдеться про класифікацію раку шкіри. Розглянуто сучасний стан діагностики раку шкіри на основі глибокого навчання, критичні аспекти розроблення системи, включно з попереднім обробленням даних, навчанням моделей та оцінкою продуктивності. Крім того, висвітлюються можливості для інновацій, які можуть значно просунути цю галузь. Надаючи вичерпний огляд, стаття має на меті допомогти дослідникам та практикам в оптимізації моделей глибокого навчання, усуненні існуючих обмежень та дослідженні нових тенденцій для підвищення точності та доступності діагностики. The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" 2025-06-28 Article Article application/pdf http://journal.iasa.kpi.ua/article/view/320423 10.20535/SRIT.2308-8893.2025.2.03 System research and information technologies; No. 2 (2025); 42-60 Системные исследования и информационные технологии; № 2 (2025); 42-60 Системні дослідження та інформаційні технології; № 2 (2025); 42-60 2308-8893 1681-6048 en http://journal.iasa.kpi.ua/article/view/320423/324673 |
| spellingShingle | рак шкіри глибоке навчання класифікація трансформатори CNN GAN попереднє оброблення даних доповнення даних Nikitin, Vladyslav Danilov, Valery Подолання викликів у глибокому навчанні для виявлення раку шкіри |
| title | Подолання викликів у глибокому навчанні для виявлення раку шкіри |
| title_alt | Navigating challenges in deep learning for skin cancer detection |
| title_full | Подолання викликів у глибокому навчанні для виявлення раку шкіри |
| title_fullStr | Подолання викликів у глибокому навчанні для виявлення раку шкіри |
| title_full_unstemmed | Подолання викликів у глибокому навчанні для виявлення раку шкіри |
| title_short | Подолання викликів у глибокому навчанні для виявлення раку шкіри |
| title_sort | подолання викликів у глибокому навчанні для виявлення раку шкіри |
| topic | рак шкіри глибоке навчання класифікація трансформатори CNN GAN попереднє оброблення даних доповнення даних |
| topic_facet | рак шкіри глибоке навчання класифікація трансформатори CNN GAN попереднє оброблення даних доповнення даних skin cancer deep learning classification transformers CNN GAN data preprocessing data augmentation |
| url | http://journal.iasa.kpi.ua/article/view/320423 |
| work_keys_str_mv | AT nikitinvladyslav navigatingchallengesindeeplearningforskincancerdetection AT danilovvalery navigatingchallengesindeeplearningforskincancerdetection AT nikitinvladyslav podolannâviklikívuglibokomunavčannídlâviâvlennârakuškíri AT danilovvalery podolannâviklikívuglibokomunavčannídlâviâvlennârakuškíri |