Malignt melanom är numera en av de ledande cancer bland många vita skal befolkningar runt om i världen. Förändring av fritids beteende tillsammans med ökningen av ultraviolett strålning orsakar en dramatisk ökning av antalet melanom diagnostiseras. Höjningen i incidens uppmärksammades först i USA 1930, där en person av 100 000 per år lidit av hudcancer. Denna ränta ökade i mitten av åttiotalet till sex per 100 000 och 13 per 100 000 1991. Siffrorna är också jämförbara med incidens observerades i Europa. År 1995 i Österrike förekomsten av melanom var cirka 12 per 100 000, vilket återspeglade en ökning med 51,8% under de senaste tio åren, och förekomsten av melanom visar en ännu ökande tendens. Men på andra undersökningar handen har visat att härdbarhet av hudcancer är nästan 100%, om den erkänns tillräckligt tidigt och behandlas kirurgiskt. Medan dödligheten orsakad av melanom i början av sextiotalet var ca 70%, är nowa överlevnad på 70% uppnås, vilket främst beror på tidig upptäckt. På grund av den högre incidens av malignt melanom, är forskarna berörs mer och mer med den automatiserade diagnosen hudskador. Många publikationer rapportera om enstaka insatser i riktning mot automatiserad melanom erkännande av bildbehandling. Kompletta integrerade dermatologiska bildanalyssystem knappast finns i klinisk användning, eller är inte testade på ett stort antal verkliga prover.
Vi har utvecklat ett snabbt och pålitligt system som är i stånd att detektera och klassificera hudlesioner med hög noggrannhet. Vi använder färgbilder av hudskador, bildbehandlingsteknik och AdaBoost klassificerare att skilja melanom från godartade pigmente lesioner. Som ett första steg i datamängden analysen en förbehandlingssekvens genomförts för att ta bort brus och oönskade strukturer från färgbild. För det andra, lokaliserar en automatiserad segmente strategi misstänkta lesioner regioner enligt region växer efter ett preliminärt steg bygger på adaptiv färgsegmentering. Då litar vi på kvantitativ bildanalys för att mäta en serie kandidatattribut hoppats att innehålla tillräckligt med information för att skilja melanom från godartade lesioner. . Äntligen är de valda funktionerna levereras till AdaBoost algoritm för att bygga en stark klassificerare
Krav :
Matlab
Kommentarer hittades inte