悪性黒色腫は、今日では世界中の多くの白い肌集団間の主要ながんの一つです。紫外線の増加とともに、レクリエーション行動の変化が診断さ黒色腫の数が劇的に増加を引き起こす。年間100 000のうちの1人は皮膚癌に苦しんでどこ発生率の上昇は、まず、1930年に米国で認められた。この速度は、100 000あたり6へと100 000 1991年の数字はヨーロッパでも観察された発生率に匹敵するごとに13に八十年代の真ん中に増加した。 1995年、オーストリアの黒色腫の発生率は約12以前の10年間で51.8%の増加を反映し100 000、あたりで、黒色腫の発生率は、依然として増加傾向を示している。反面調査では、十分に早期に認識され、外科的に治療されている場合、皮膚癌の硬化は、ほぼ100%であることを示している。 60年代に黒色腫に起因する死亡率は約70%であったのに対し、70%のノヴァ生存率は、主に早期発見の結果である、達成される。そのため、悪性黒色腫の発生率が高いのは、研究者は皮膚病変の自動診断と、より多くのを懸念している。多くの出版物は、画像処理によって自動化メラノーマ認識の方向に孤立した取り組みを報告する。完全な統合皮膚科画像解析システムはほとんど臨床使用に発見されない、または実際のサンプルのかなりの数にテストされていません。
我々は、高精度に皮膚病変を検出し、分類することが可能であり、高速で信頼性の高いシステムを開発した。我々は、良性色素性病変からメラノーマを区別するために、皮膚病変、画像処理技術及びアダブースト分類器のカラー画像を使用。データセット解析の最初のステップとして、前処理シーケンスは、カラー画像からノイズおよび不要な構造を除去するために実装されている。第二に、自動化されたセグメンテーション·アプローチは、適応カラーセグメンテーションに基づく予備的段階の後に成長している地域によって疑わしい病変領域を局所化する。その後、我々は、候補属性の一連の良性病変からメラノーマを区別するのに十分な情報を含むことを望ん測定するために定量的画像解析に頼っている。最後に、選択した機能は、強力な分類器を構築するためのAdaBoostアルゴリズムに供給されます。
の要件の:ます。
Matlabの
コメントが見つかりません