Το κακόηθες μελάνωμα είναι σήμερα ένας από τους μεγαλύτερους καρκίνους μεταξύ πολλών λευκοί πληθυσμοί σε όλο τον κόσμο. Αλλαγή των ψυχαγωγικών συμπεριφορά μαζί με την αύξηση της υπεριώδους ακτινοβολίας προκαλέσει μια δραματική αύξηση στον αριθμό των μελανωμάτων διαγνωστεί. Η αύξηση στη συχνότητα εμφάνισης παρατηρήθηκε για πρώτη φορά στις Ηνωμένες Πολιτείες το 1930, όπου ένα άτομο από 100 000 ανά έτος έπασχε από καρκίνο του δέρματος. Το ποσοστό αυτό αυξήθηκε στο μέσο της δεκαετίας του ογδόντα έξι ανά 100 000 και σε 13 ανά 100 000 το 1991. Οι αριθμοί είναι επίσης συγκρίσιμα με τα ποσοστά εμφάνισης που παρατηρείται στην Ευρώπη. Το 1995, στην Αυστρία, η συχνότητα εμφάνισης του μελανώματος ήταν περίπου 12 ανά 100 000, η οποία αντικατοπτρίζει την αύξηση του 51,8% κατά τα προηγούμενα δέκα χρόνια, καθώς και η συχνότητα του μελανώματος εμφανίζει μια ακόμη αυξητική τάση. Αλλά από την άλλη πλευρά έρευνες έχουν δείξει ότι η ικανότητα σκλήρυνσης του καρκίνου του δέρματος είναι σχεδόν 100%, εάν αναγνωρίζεται αρκετά νωρίς και αντιμετωπίζονται χειρουργικά. Ότι το ποσοστό θνησιμότητας από την μελανώματα στις αρχές της δεκαετίας του εξήντα ήταν περίπου 70%, Nowa ποσοστό επιβίωσης του 70% επιτυγχάνεται, το οποίο είναι κυρίως το αποτέλεσμα της έγκαιρης αναγνώρισης. Λόγω της υψηλότερης συχνότητας του κακοήθους μελανώματος, οι ερευνητές εξέταση όλο και περισσότερο με την αυτοματοποιημένη διάγνωση των βλαβών του δέρματος. Πολλά δημοσιεύματα αναφέρουν σε μεμονωμένες προσπάθειες προς την κατεύθυνση της αυτόματης αναγνώρισης μελανώματος από την επεξεργασία εικόνας. Πλήρεις ολοκληρωμένων συστημάτων δερματολογικές ανάλυση εικόνας δύσκολα βρίσκεται σε κλινική χρήση, ή δεν έχουν δοκιμαστεί σε σημαντικό αριθμό δειγμάτων της πραγματικής ζωής.
Έχουμε αναπτύξει ένα γρήγορο και αξιόπιστο σύστημα το οποίο είναι ικανό να ανιχνεύσει και να ταξινομήσει βλαβών του δέρματος με υψηλή ακρίβεια. Χρησιμοποιούμε έγχρωμες εικόνες των δερματικών βλαβών, τεχνικές επεξεργασίας εικόνας και AdaBoost ταξινομητή να διακρίνει μελανώματος από καλοήθεις μελαγχρωματικές βλάβες. Ως το πρώτο βήμα του συνόλου των στοιχείων ανάλυσης, μία αλληλουχία προεπεξεργασίας εφαρμοστεί για την απομάκρυνση θορύβου και ανεπιθύμητων δομών από την έγχρωμη εικόνα. Δεύτερον, μια αυτοματοποιημένη προσέγγιση κατάτμηση εντοπίζει ύποπτες περιοχές βλάβης από την περιοχή αυξάνεται μετά από ένα προκαταρκτικό στάδιο με βάση την προσαρμοστική χρώμα κατάτμηση. Στη συνέχεια, βασιζόμαστε σε ποσοτική ανάλυση εικόνας για να μετρηθεί η σειρά των υποψηφίων χαρακτηριστικά ήλπιζαν να περιέχει αρκετές πληροφορίες για τη διαφοροποίηση μελανώματα από καλοήθεις αλλοιώσεις. . Επιτέλους, τα επιλεγμένα χαρακτηριστικά που παρέχονται σε αλγόριθμο AdaBoost να οικοδομήσουμε μια ισχυρή ταξινομητή
Απαιτήσεις :
Matlab
Τα σχόλια δεν βρέθηκε