For various forms of skin lesion, many different feature extraction methods have been investigated so far. Indeed, feature extraction is a crucial step in machine learning processes. In general, we can distinct handcrafted and deep learning features. In this paper, we investigate the efficiency of using 17 commonly pre-trained convolutional neural networks (CNN) architectures as feature extractors and of 24 machine learning classifiers to evaluate the classification of skin lesions from two different datasets: ISIC 2019 and PH2. In this research, we find out that a DenseNet201 combined with Fine KNN or Cubic SVM achieved the best results in accuracy (92.34% and 91.71% ) for the ISIC 2019 dataset. The results also show that the suggested method outperforms others approaches with an accuracy of 99% on the PH2 dataset.
Skin lesion is one of the most critical challenges nowadays due to the difficulty of distinguishing a benign lesion from a malignant one. Melanoma represents a malignant melanocytic type of cancer among the most dangerous ones. In contrast, basal cell carcinoma and squamous cell carcinoma represent no malignant melanocytic types of cancer that threaten many human lives. Fortunately, there is some possibility of a cure it if is early detected and well treated. Currently, dermatologists use a hierarchical visual categorization of the lesion or skin biopsy for the diagnostic of skin lesion types. However, computer-aided detection methods can be more accurate, faster, and less expensive than human based techniques. We propose to combine both strategies to develop an efficient skin lesion classification models: the hierarchical organization accredited by dermatologists and a deep learning architecture. In this work, we propose a new hierarchical model for detecting various types of skin lesions based on the combination of several models of convolutional neural networks, where each model is specialized to some types of skin lesion according to the taxonomy. The obtained results highlight the benefits of addressing the classification of different skin lesions with CNNs in such a hierarchically structured way.
سعت هذه الدراسة لكشف العوامل التي تؤثر على إمكانية الوصول إلى الطاقة النظيفة في المنطقة العربية مما يتطلب استكشاف مصادر جديدة للطاقة النظيفة، وبذلك فإن أهداف المقالة الحالية هي دراسة تأثير الاستثمار الأخضر ومصادر الطاقة المتجددة (الطاقة الشمسية، والطاقة الحيوية، والطاقة المائية، وطاقة الرياح) على التنمية المستدامة في المنطقة من جهة توجيه صانعي السياسات إلى تطوير السياسات المتعلقة بالتنمية النظيفة و المستدامة لبناء اقتصاد أخضر، وقد توصلت الدراسة إلى أن تجسيد الهدف السابع من أهداف التنمية المستدامة يتطلب تحقيق الوصول العالمي إلى طاقة حديثة وموثوقة ومستدامة ومعقولة التكلفة بحلول عام 2030 تسعى أيضًا إلى زيادة حصة الطاقة المتجددة في مزيج الطاقة العالمي، وتحسين كفاءة الطاقة بنسبة 100٪ ثم توسيع البنية التحتية وتحسين تكنولوجيا الإمداد.
تقدم هذه الدراسة تحليلا لمعايير التعافي الاقتصادي ومدى تكيفها مع أجندة الاستدامة رغم أن محاولة تقييم التأثير الكامل لوباء COVID-19 سيكون سابقًا لأوانه، لكن في خضم هذا التفكك تحليلنا سيسلط الضوء على فرصة صانعي السياسات لاستجابة تخلق بسرعة فرص العمل والطلب الاقتصادي لمرحلة ما بعد كورونا، وتنتج نموًا ثابتًا بالنظر إلى نطاق وحجم هذه الأزمة، والظل الطويل الذي ستلقيه، ثم تركز الدراسة على مسارات الإنفاق التي يمكن أن تعزز الانتعاش الاقتصادي والاستدامة البيئية، و نوع استثمارات التعافي القائمة على الاقتصاد الأخضر، إذ تتطلع الحكومات الآن نحو التعافي، والوصول إلى تحول اقتصادي يعزز الرفاهية المستدامة في هذا السياق تحلل الدراسة اشكالية تعرض التعاون الدولي للخطر بسبب المصالح، كما تقدم الدراسة توصيات ترتبط أكثر بالاستثمار في البنية التحتية، والانتقال إلى مستقبل منخفض الكربون يمكن أن يؤدي إلى خلق فرص عمل كبيرة على المدى القريب مع زيادة المرونة الاقتصادية والبيئية، من جهة أبرز الخطوات التي يمكن أن تتخذها الشركات والحكومات والأفراد لمواءمة ضرورات الاستدامة، حيث سيكون من المهم أيضًا نمذجة والاستعداد للحالات التي يمكن أن تتحد فيها مخاطر متعددة، لذا يجب أن يشمل تطوير السياسة المحلية التعاون والتنسيق مع النُهج الدولية.
الكلمات المفتاحية: التعافي الإقتصادي، مرحلة ما بعد كورونا، الاقتصاد الأخضر، التنمية المستدامة، التعاون الدولي،الاستثمار.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.