بخشی از مقاله
خلاصه
در سالهای اخیر، تعداد بیماران مبتلا به ملانوما که یکی از مرگبارترین انواع سرطانهای پوست بهشمار میآید، رشد فزآیندهای در جهان پیدا کرده است. هدف از این مطالعه، طراحی یک سامانه خودکار تشخیص ضایعات ملانوما است. سامانه طراحی شده از چهار بخش اصلی پیشپردازش، تقطیع، استخراج ویژگی و دستهبندی تشکیل شده است.
در مرحله پیشپردازش روشی جدید برای افزایش تمایز بین ناحیه ضایعه و پسزمینه پیشنهاد شده است. در مرحله دوم، با استفاده از الگوریتم خوشهبندی kmeans تصویر به دو ناحیه ضایعه و پسزمینه تقطیع میشود. سپس با استفاده از عملگرهای مورفولوژی ناحیههای مزاحم و کوچک حذف میگردند.
در مرحله سوم، از ناحیه ضایعه ویژگیهایی همچون تقارن، رنگ، بافت و قطر استخراج میگردد. درنهایت با کنار هم قرار دادن تمامی ویژگیها، بردار ویژگی نهایی به دستهبندی ماشین بردار پشتیبان داده میشود تا ناحیه ضایعه را به یکی از دو کلاس ملانوما و غیرملانوما دستهبندی نماید. با ارزیابی روش پیشنهادی بر روی پایگاه داده DERMOFIT، دقت تشخیص %92 بدست آمد که نسبت به سایر کارها از دقت بالاتری برخوردار است.
.1 مقدمه
سرطان یکی از بیماریهای شایعِ مزمن و غیرواگیر است که مشخصه آن جابجا شدن مکانیزمهای کنترل حاکم بر تکثیر و تمایز سلولی است. چنین سلولهایی بیش از حد تکثیر مییابند و تومورهای موضعی ایجاد میکنند که میتوانند ساختمانهای طبیعی مجاور را تحت فشار یا تهاجم قرار دهند. سرطان باعث بههم خوردن هماهنگی بین سلولها و بافتها میشود؛ بدین ترتیب که نه تنها سلولهای سرطانی در انجام وظایف خود مشکل دارند، بلکه به سایر سلولهای بدن نیز آسیب وارد میکنند.
در میان انواع سرطانها، سرطان پوست بهعنوان یکی از شایعترین بیماریها بهشمار میآید. آمارها نشان میدهد که در کشور آمریکا حدود 20 درصد مردم در طول زندگی خود به این بیماری مبتلا میشوند .
سرطان پوست را میتوان به دو گروه عمده تقسیمبندی نمود؛ ملانوما2 و غیر ملانوما. ملانوما خطرناکترین نوع سرطان پوست محسوب میشود. بنا به گزارش سازمان بهداشت جهانی1 بهطور تقریبی در سال حدود 70230 نفر در سراسر جهان در اثر ابتلا به این بیماری جان خود را از دست میدهند .
منشا ملانوم در لایههای اپیدرم2 و درم3 پوست میباشد. این بیماری از تجمع دانههای ملانین4 و سرایت آن به بیرونیترین لایه پوست شکل میگیرد
دسته دوم از سرطان پوست - غیر ملانوما - عموما در سلولهای پایهای5 یا سنگفرشی6 آغاز میشوند که منشا این سلولها، لایه خارجی پوست است. تابش مستقیم نور خورشید به پوست فاکتور اصلی رشد سلولهای پایهای یا سنگفرشی و در نتیجه بروز سرطان پوست است. این دسته از سلولهای سرطانی در صورت تشخیص زودهنگام بهطور کامل قابل درمان هستند.
شکل-1 نمونهای از ملانوم پوستی.
اولین بار شخصی بهنام گلدمن دستگاه درماتوسکوپ7 را برای تشخیص ملانوما ابداع کرد و توسط آن به ارزیابی تغییرات رنگدانههای پوستی در شرایط بیماری پرداخت. بعد از آن متخصصان پوست از این دستگاه بهعنوان ابزاری مناسب و غیرمتداخل جهت مشاهده ضایعات پوستی استفاده نمودند. با توسعه و پیشرفت تکنولوژی در سالهای اخیر، دستگاه درماتوسکوپ دیجیتال با قابلیت دریافت و ذخیره تصاویر پوستی، جایگزین درماتوسکوپ معمولی شده است.
در این دسته از دستگاهها، از نور معمولی غیر پلاریزه استفاده میگردد و با طراحی فیلترهای مناسب میتوان به حذف برخی از نورهای منعکس شده مخرب پرداخت. در طول تصویربرداری توسط درماتوسکوپ، سطح رنگدانهای ضایعه بر روی پوست توسط یک مایع - اغلب روغن یا الکل - پوشیده میشود که منجر به کاهش انعکاسهای پوست خواهد شد
بهمنظور اندازهگیری و تشخیص مجموعهای از ویژگیها در تصاویر درماتوسکوپی و همچنین بهدلیل دشواری و زمانبر بودن دخالتهای انسانی، تحلیلهای کامپیوتری اهمیت بیشتری مییابد و میتواند کمک قابل توجهی به متخصصان پوست برای تشخیص در مراحل اولیه این بیماری کند. برای تشخیص ضایعه پوستی، درک عمیق از ویژگیهای مختلف درماتوسکوپی مرتبط با آن بسیار مهم است. این ویژگیها شامل تحلیل الگوهای خاص، ویژگیهای خاص یک ضایعه، رنگ و تقارن میباشند. ساختار متداول یک سامانه کامپیوتری تحلیل تصاویر درماتوسکوپی شامل مراحل زیر است:
-1 پیش پردازش تصویر،
-2 تقطیع
-3 استخراج ویژگی
-4 دستهبندی
هدف از پیشپردازش، حذف نویز پسزمینه و بهبود کیفیت تصویر برای تعیین نواحی موضعی1 در تصویر است. مرحله دوم تقطیع است؛ تقطیع تصویر یک گام مهم در تحلیل تصویر، شناسایی الگو و بینایی ماشین بهشمار میآید. تقطیع دقیق تصاویر پوست میتواند به تشخیص و تعیین مناسب ناحیه سرطان کمک کند. تقطیع سختترین گام در طراحی یک سامانه کامپیوتری بهشمار میرود. زیرا:
-1 بر دقت سایر بخشها بهطور مستقیم تاثیر میگذارد،
-2 عبور از یک ضایعه به ناحیه سالم پوست اغلب دارای کنتراست پایینی است،
-3 مرزهای ضایعه اغلب بهصورت فازی بوده و از نظم خاصی تبعیت نمیکنند و
-4 حضور آرتیفکتهای متعدد تاثیر نامطلوبی بر عملکرد تقطیع میگذارد.
بعد از تقطیع، استخراج ویژگی از تصویر انجام میشود. یکی از ابتداییترین و در عین حال کارآمدترین روشهای استخراج ویژگی از تصاویر درماتوسکوپی توسط گروهی از محققان در دانشگاه نیویورک در سال 1985 ابداع شد .
این روش ABCD نام دارد که برگرفته از نام اول A=Asymmetry، B=Border، C=Color و D=Diameter است. برای ضایعات ملانوما، این روش استخراج ویژگی بهطور معمول مورد استفاده قرار میگیرد.
بعد از استخراج ویژگیهای مناسب از تصویر، نوبت به تشخیص ساختارهای بدخیم از سایر بخشها است. در این مرحله یک ناحیه مورد علاقه 2 به یکی از کلاسهای بدخیم، خوشخیم و سالم اختصاص مییابد. همچنین بهعنوان بخشی از تشخیص، این امکان وجود دارد که سطوح بدخیم بافتها را نیز دستهبندی نمود.
در این بخش، در مورد بیماری سرطان پوست ملانوما توضیح داده شد، همچنین مراحل کلی یک سیستم تشخیص ضایعه ملانوما تشریح گردید. در ادامه، ابتدا مهمترین کارهای انجام شده در این زمینه بررسی خواهد شد. سپس روش پیشنهادی که از چهار مرحله اصلی پیشپردازش، تقطیع، استخراج ویژگی و دستهبندی تشکیل شده است، تشریخ خواهد شد. درنهایت، نتایج ارزیابی روش پیشنهادی ارائه خواهد شد.
.2 مروری بر کارهای گذشته
تشخیص خودکار مرزها در ضایعات ملانوما اولین گام در تحلیل تصاویر درماتوسکوپی بهشمار میآید و تقطیع می-تواند به این کار کمک قابل توجهی کند. عموما الگوریتمهای تقطیع بر اساس یک یا دو خواص پایهای از مقادیر شدت نظیر عدم پیوستگی و مشابهت استوار هستند. در دسته اول، تصویر بر اساس تغییر ناگهانی در شدت به بخشهای مختلف تجزیه میشود.
در این روش فرض بر آن است که مرزهای نواحی از یکدیگر و همچنین از پسزمینه متفاوت باشند. تقطیع بر اساس لبه3 از جمله روشهایی است که در این دسته قرار میگیرد. عملکرد دسته دوم از تکنیکهای تقطیع بر اساس تجزیه تصویر به بخشهای مختلف بوده، بهطوریکه دارای شباهت با مجموعهای از شرایط از پیش تعیین شده باشند. تقطیع بر اساس ناحیه4 جز این دسته از روشهای تقطیع است.
در [6] از الگوریتم بهبود یافته خوشهبندی فازی5 برای تقطیع ضایعات ملانوما استفاده شده است. الگوریتم خوشه-بندی فازی پیکسلها را در یک تکرار با استفاده از توابع عضویت 6 فازی به کلاسها اختصاص میدهد. مشکل اصلی خوشه-بندی فازی، پیچیدگی محاسباتی بالا در آن است.
