تشخیص سرطان پوست با استخراج ویژگی از تصاویر درموسکوپی

ملانوما یکی از شایعترین انواع سرطان پوست میباشد، که تشخیص ملانوما در مراحل نخست بیماری میتواند بطورچشمگیری از مرگ ناشی از این سرطان مهلک پوست جلوگیری نماید. ارائه روشی که تشخیص ملانوما را در مراحلاولیه آسان نماید بسیار مفید و ارزنده است. در این مقاله بر آن شدیم که با استخراج ویژگیهای مناسب از تصاویر درموسکوپی و طبقهبندی آنها، به ایجاد الگوریتمی بپردازیم که به تشخیص ملانوما کمک نماید. پیش از استخراج ویژگیهای مناسب، مرزبندی دقیق بین ضایعه و زمینه به کمک فیلتر پلاریز شبیهسازی، با استفاده از روش تقسیم- بندی استانه اتسو انجام پذیرفت و سپس تصویر به تصویر باینری )دودویی( تبدیل شد. بعد از این که یک تصویر طبقه بندی شده باینری بدست آمد به استخراج ویژگی بر اساس قانونABCD و یکسری از تکنیک های استخراج ویژگی پرداخته شد. بعد از استخراج ویژگی، برای انتخاب ویژگیهای مناسب از روشهای کاهش ویژگیPCA فیشر و SFS استفاده شده است که در بین این روشها بهترین نتیجه را برای این سیستم روش SFS با صحت 22.99 % داشت،که نسبت به کارهای مشابه گذشته بهبود یافت. در نهایت برای طبقهبندی اطلاعات )ویژگی( این مقاله از طبقهبند ماشینهای بردار SVMاستفاده شده است.

کلیدواژه ها:

ملانوما ، استخراج ویژگی ، قانونABCD ، ناحیهبندی ، کاهش ویژگی ، طبقهبندی