Sistema di riconoscimento del melanoma Ottieni il codice sorgente MATLAB per rilevare e classificare le lesioni cutanee.
Scarica ora

Sistema di riconoscimento del melanoma Classifica e riepilogo

Sistema di riconoscimento del melanoma Tag

Sistema di riconoscimento del melanoma Descrizione

Il melanoma maligno è oggi uno dei tumori principali tra molte popolazioni dalla pelle bianca in tutto il mondo. Il cambiamento del comportamento ricreativo insieme all'aumento delle radiazioni ultraviolette causano un aumento drammatico del numero di melanomi diagnosticati. Il rilancio in incidenza è stato notato per la prima volta negli Stati Uniti nel 1930, dove una persona su 100000 all'anno ha sofferto di cancro della pelle. Questo tasso è aumentato a metà degli anni ottanta a sei per 100000 ea 13 per 100000 nel 1991. I numeri sono anche paragonabili ai tassi di incidenza osservati in Europa. Nel 1995, in Austria l'incidenza del melanoma era di circa 12 per 100000, che ha riflesso un aumento del 51,8% nei dieci anni precedenti e l'incidenza del melanoma mostra una tendenza ancora crescente. Ma d'altra parte le indagini hanno dimostrato che la curabilità del cancro della pelle è quasi il 100%, se è riconosciuta abbastanza presto e trattata chirurgicamente. Considerando che il tasso di mortalità causato da melanomi nei primi anni sessanta era di circa il 70%, è raggiunto il tasso di sopravvivenza del 70%, che è principalmente il risultato del riconoscimento precoce. A causa della maggiore incidenza del melanoma maligno, i ricercatori sono più preoccupati e di più con la diagnosi automatizzata delle lesioni cutanee. Molte pubblicazioni riferiscono sugli sforzi isolati nella direzione del riconoscimento automatico del melanoma mediante elaborazione delle immagini. I sistemi di analisi dermatologici integrati completi I sistemi di analisi sono difficilmente trovati in uso clinico o non sono testati su un numero significativo di campioni di vita reale. Abbiamo sviluppato un sistema rapido e affidabile che è in grado di rilevare e classificare le lesioni cutanee con alta precisione. Usiamo immagini a colori di lesioni cutanee, tecniche di elaborazione delle immagini e classificatore di Adabosost per distinguere il melanoma dalle lesioni pigmentate benigne. Come primo passo dell'analisi del set di dati, viene implementata una sequenza di pre-elaborazione per rimuovere il rumore e le strutture indesiderate dall'immagine a colori. In secondo luogo, un approccio di segmentazione automatizzato localizza le regioni di lesione sospette per regione che cresce dopo un passo preliminare basato sulla segmentazione del colore adattivo. Quindi, ci affidiamo sull'analisi quantitativa dell'immagine per misurare una serie di attributi candidati speravano di contenere informazioni sufficienti per differenziare i melanomi dalle lesioni benigne. Alla fine, le caratteristiche selezionate sono fornite all'algoritmo ADABOOST per costruire un classico forte.

Sistema di riconoscimento del melanoma Software correlato