บทความนี้นำเสนอวิธีการปรับปรุงการตรวจรู้มะเร็งผิวหนังโดยการ หาขอบของบริเวณผิวหนังด้วยอัลกอริทึมแบบงูร่วมกบัวิธีการเรียนรู้ของ เครื่องหลายแบบวิธีเพื่อการวิเคราะห์โรคมะเร็งผิวหนัง โดยท าการ ออกแบบกลุ่มข้อมูลและใช้โมเดลของการเรียนรู้ของเครื่องด้วยวิธีการ เพื่อนบ้านใกล้ที่สุด (KNN) โครงข่ายประสาทเทียม (ANN) Adaptive Boosting (AdaBoost) Stochastic Gradient Descent (SGD) แล ะการถดถอยโลจิสติกส์โดยวิธีการดังกล่าวนี้ได้นำเทคนิคการผูกมวลน้ำหนักมา ใช้จากค่าของน้ำหนักที่มอบหมายจากข้อมูลการเรียนรู้และได้ค่าคะแนน แนวทางการประเมินแบบเมทริกซ์วิธีการของอัลกอริทึมแบบงูและ ค่าพารามิเตอร์เซตเพื่อหาขอบภาพมะเร็งผิวหนัง โดยกาหนดรูปทรง พื้นฐานทางเรขาคณิตมาช่วยแกปัญหา พบว่ามาตรฐานความแม่นยำการ เรียกคืน คะแนน F1 และพื้นที่ใต้เส้นโค้งเพื่อน ามาสร้างเป็ นเวกเตอร์ น ้าหนักเพื่อหาแนวทางในการเรียนรู้กลุ่มการเรียนรู้และผลการทดสอบ โดยอาศัยชุดของข้อมูลภาพถ่ายผิวหนังมาใช้ในการทดสอบ โดยแบ่งภาพ ของผิวหนังปกติจำนวน 1,372 ภาพ ภาพมะเร็งผิวหนังจำนวน 1,432 ภาพ ภาพผิวหนังอักเสบจ านวน 254ภาพ ใช้เป็ นชุดข้อมูลส าหรับการเรียนรู้ และภาพที่ใช้ในการทดสอบอีกกลุ่มหนึ่งใช้เป็นชุดข้อมูลทดสอบจำนวน 600 ภาพเพื่อใช้สำหรับเพิ่มประสิทธิภาพการตรวจรู้จากผลการวิจัย โปรแกรมที่พัฒนาสามารถวิเคราะห์ภาพทดสอบด้วยความรวดเร็วและ ให้ผลการแยกแยะความถูกต้องของข้อมูลที่อยูในฐานการเรียนรู้และนอก ฐานการเรียนรู้ที่ 99.74 % และ83.3 % ตามลำดับ