طبقه بندی ضایعه های پوستی از روی تصاویر درموسکپی با استفاده از ویژگی های رنگ و شکل

سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 208

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JIPET-8-29_004

تاریخ نمایه سازی: 4 دی 1400

چکیده مقاله:

در این پژوهش الگوریتم جدیدی برای طبقه بندی تصاویر درموسکپی به دو نوع بدخیم و خوش خیم ارائه شده است. ابتدا یک مرحله پیش پردازش دو مرحله ای شامل فیلترگذاری جهت حذف نویز و فیلتر همومورفیک جهت ارتقاء کیفیت تصویر اعمال می شود. سپس با استفاده از روش آستانه گذاری Otsu ضایعه از نواحی سالم جدا می شود. سپس ویژگی های شکل و رنگ از تصویر قطعه بندی شده، استخراج می شود. ویژگی های رنگ مبتنی بر ممان های آماری سطوح رنگی کوانتیزه شده و هیستوگرام رنگی کوانتیزه شده تعریف شده اند. این ویژگی ها توزیع مولفه های مختلف رنگی در ناحیه عارضه پوستی را نشان می دهد. علاوه براین ویژگی های شکل با دو رویکرد متفاوت سعی در استخراج اطلاعات نواحی عارضه دارند. رویکرد اول، ویژگی هایی که مربوط به نحوه توزیع و گستردگی ناحیه است را نمایندگی می کند و رویکرد دوم، ویژگی هایی که مربوط به تغییرات لبه های عارضه است را بیان می کند. مجموعه این ویژگی ها، با استخراج اطلاعات همه جانبه از رنگ، شکل و ناحیه عارضه کمک به شناسایی نواحی خوش خیم از بدخیم می کند. در پایان نیز جهت انجام عمل شناسایی و طبقه بندی، چندین طبقه بند همچون KNN، Desision Tree، SVM و Adaboost بکار گرفته می شود. الگوریتم پیشنهادی بر روی یک پایگاه داده استاندارد و همچنین یک پایگاه داده تهیه شده شامل ۲۰۰ تصویر مورد ارزیابی و آزمایش قرار می گیرد. نتایج آزمایش ها نشان می دهد که طبقه بندی با طبقه بند Adaboost دقت، صحت و حساسیت به ترتیب %۹۶ و %۷/۹۶ و%۹۵ را فراهم می کند.

نویسندگان

حمید رضا جوادی

کارشناس ارشد - دانشکده مهندسی برق، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران

حسین پورقاسم

استادیار/دانشگاه آزاد اسلامی واحد نجف آباد

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • A. Noori Hoshyar, A. Al- Jumaily and R. Sulaiman, "Review ...
  • M. Zortea, R. Schopf, K. Thon; "Performance of a dermoscopy-based ...
  • J. Abdul Jaleel, S. Salim, "Computer aided detection for skin ...
  • C. Barata, M. Ruela, M. Francisco, T.Mendonça,J. Marques, "Two systems ...
  • J. Marques, C. Barata, T. Mendonca, "On the role of ...
  • M. Celebi, A. Zornberg, "Automated quantification of clinically significant colors ...
  • A. Sáez, C. Serrano, B. Acha, "Model-based classification methods of ...
  • O. Abuzaghleh, B. Barkana, M. Faezipour, "SKINcure: A real time ...
  • O. Abuzaghleh, B. Barkana, M. Faezipour, "Automated skin lesion analysis ...
  • H. Iyatomi, M. Celebi, G.Schaefer, M. Tanaka, "Automated color normalization ...
  • H. Zhou, G. Schaefer, A. Sadka, M. Celebi, "Anisotropic mean ...
  • H. Zhou, G. Schaefer, M. Celebi, H. Iyatomi, K. Norton, ...
  • R. Chakravarti, X. Meng, "A study of color histogram based ...
  • Y. Mingqiang, K. Kidiyo, R Joseph, "A survey of shape ...
  • M. Ramezani, A. Karimian, P. Moallem, "Automatic detection of malignant ...
  • M. Normohamadi, H. Pourghasem, "A novel eigenborder-based melanoma diagnosis and ...
  • نمایش کامل مراجع