Using deep learning and medical data classification for predicting bacterial skin infection

Bulaşıcı bulaşıcı hastalıklar, eczacılıkta en sık görülen hastalık belirtilerinden biridir. Genellikle klinik olarak teşhis edilir, ardından dermo kopya görüntüleri muayenesi, terapötik veya transdermal bir ilaç ve histolojik inceleme ile klinik bir değerlendirme yapılır. Bu çalışmada, CNN ve sağlık bilgisi tespiti gibi derin öğrenme tekniklerinin nasıl olabileceğine bakacağım. mikrobiyal cilt hastalıklarını tahmin etmek için kullanılır. Belirli cilt koşullarının belirlenmesinin etkinliğini doğrulamak için sürekli olarak büyük veriler kullanılmaktadır. Kesinlik kalitesini korurken süreci hızlandırmak için birçok yeni yöntem geliştirilmiştir. Bu yazıda, her ikisi de yapay zekanın derin öğrenme çerçevesinin bileşenleri olan makine öğrenimi ve yapay sinir ağlarını kullanarak bakteriyel enfeksiyon olasılığını tahmin etmek için bir yöntem sunduk. Veriler, cilt enfeksiyonlu bireylerin yaklaşık 3000 fotoğrafını içeriyor. iki kategoriye ayrılır: kötü huylu veya iyi huylu. Yüzeysel bulaşıcı hastalıkların fotoğraflarının uygunluğunu doğrulamak için CNN ve 7 farklı çerçevesini kullandık ve bu sorun için en iyi çerçeveyi belirlemek için karşılaştırmalı bir çalışma yaptık. Veri setimizin eğitimi, test edilmesi ve doğrulanması için iyi bilinen bir MATLAB R2019a yazılımı bu amaçla kullanıldı. Cilt problemlerini tespit etmede yaklaşık yüzde 91.303 verimlilik oranıyla Sinir Ağları ve Sağlık Bilgi Analizi kullanarak harika bir sonuç elde ettik.