Melanomul malign este astăzi una dintre cele mai importante tipuri de cancer, printre multe populații cu pielea albă din întreaga lume. Schimbarea de comportament de agrement, împreună cu creșterea radiații ultraviolete determina o crestere dramatica a numarului de melanoamelor diagnosticate. Creșterea incidenței a fost observat pentru prima dată în Statele Unite în 1930, în cazul în care o persoană din 100 000 pe an suferea de cancer de piele. Această rată a crescut în mijlocul anilor optzeci la șase la 100 000 și până la 13 la 100 000 în 1991. Cifrele sunt, de asemenea, comparabile cu ratele de incidenta observate în Europa. În 1995, în Austria incidența melanomului a fost de aproximativ 12 la 100 000, ceea ce reflectă o creștere de 51,8% în ultimii zece ani, iar incidența melanomului arată o tendință în creștere. Dar, pe de altă investigațiile de utilaje au arătat că curabilitate de cancer de piele este de aproape 100%, în cazul în care este recunoscut destul de devreme și tratate chirurgical. Întrucât rata mortalității cauzate de melanom la începutul anilor șaizeci a fost de aproximativ 70%, Nowa rata de supravietuire de 70% este atins, care este în principal rezultatul de recunoaștere timpurie. Din cauza incidenta mai mare de melanom malign, cercetatorii sunt vizate mai mult cu diagnosticul automată a leziunilor cutanate. Multe publicatii raport cu privire la eforturile izolate în direcția recunoașterii automate de melanom de procesare a imaginii. Sisteme integrate complete de analiza de imagine dermatologice sunt greu de găsit în utilizarea clinică, sau nu sunt testate pe un număr semnificativ de probe reale.
Am dezvoltat un sistem rapid și de încredere, care este capabil să detecteze și să clasifice leziuni cutanate cu mare precizie. Noi folosim imagini color de leziuni cutanate, tehnici de prelucrare a imaginilor și AdaBoost clasificator pentru a distinge melanom din leziunile pigmentate benigne. În prima etapă a analizei set de date, o secvență de preprocesare este pus în aplicare pentru a elimina zgomotul și structurile nedorite din imaginea color. În al doilea rând, o abordare automatizat de segmentare se localizează pe regiuni de leziuni suspecte de regiune în creștere, după o etapă preliminară bazată pe segmentare culoare adaptive. Apoi, ne bazăm pe analiza cantitativă a imaginii pentru a măsura o serie de atribute candidate sperat să conțină informații suficiente pentru a diferenția melanoamelor de la leziuni benigne. . În cele din urmă, caracteristicile selectate sunt furnizate algoritmul AdaBoost pentru a construi un clasificator puternic
Cerințe :
Matlab
Comentariile nu a fost găsit