Intelligent high-resolution image generation system

Abstract

In the theoretical part of the work, a review of the types of skin diseases, diagnostic methods and approaches to the use of generative models in medical informatics is carried out. The practical part includes the development of the DCGAN architecture, the creation of a dermatoscopic image generator and the use of a discriminator as a binary classifier. The results of the studies indicate the effectiveness of the approach: the system has reached high values of metrics in classification (for example, Recall for the malignant class is more than 90%). The proposed model allows to improve the accuracy of preliminary diagnosis of skin cancer without the need for complex physical testing. The results of the qualification work can be used in medical IT systems, to train artificial intelligence in conditions of limited data sets and further improve computer diagnostics in dermatology. У теоретичній частині роботи проведено огляд видів шкірних захворювань, методів діагностики та підходів до застосування генеративних моделей у медичній інформатиці. Практична частина включає в себе розробку архітектури DCGAN, створення дерматоскопічного генератора зображень і використання дискримінатора як бінарного класифікатора. Результати досліджень свідчать про ефективність підходу: система досягла високих значень метрики в класифікації (наприклад, Recall для злоякісного класу становить більше 90%). Запропонована модель дозволяє підвищити точність попередньої діагностики раку шкіри без необхідності проведення комплексного фізичного тестування. Результати кваліфікаційної роботи можуть бути використані в медичних ІТ-системах, для навчання штучного інтелекту в умовах обмежених наборів даних і подальшого вдосконалення комп'ютерної діагностики в дерматології.