بخشی از مقاله
چکیده
ملانوما یکی از شایعترین انواع سرطان پوست میباشد، که تشخیص ملانوما در مراحل نخست بیماری میتواند بطور چشمگیری از مرگ ناشی از این سرطان مهلک پوست جلوگیری نماید. ارائه روشی که تشخیص ملانوما را در مراحل اولیه 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 قانون ABCD و یکسری از تکنیک های استخراج ویژگی پرداخته شد.
بعد از استخراج ویژگی، برای انتخاب ویژگیهای مناسب از روشهای کاهش ویژگی PCA، فیشر و SFS استفاده شده است که در بین این روشها بهترین نتیجه را برای این سیستم روش SFS با صحت %93.22 داشت،که نسبت به کارهای مشابه گذشته بهبود یافت. در نهایت برای طبقهبندی اطلاعات - ویژگی - این مقاله از طبقهبند ماشینهای بردار - SVM - استفاده شده است.
-1 مقدمه
سرطان پوست یک تومور بدخیم، قادر به حمله بافت های اطراف و یا به سایر نقاط بدن است. به طور عمده سه نوع مختلف سرطان پوست وجود دارد: کارسینوم سلول بازال، کارسینوم سلول سنگفرشی و ملانوم است.[7] ملانوم یک تومور کشنده ملانوسیتی است که از تولید نامنظم رنگدانه های تیرهای به نام ملانین تولید میشود و در صورتی که درمان نشود، از طریق خون به تمام نقاط بدن منتقل می شود
ملانوم مرگبارترین شکل سرطان پوست است. در یک گزارش در سال 2000 منتشر شده است، سازمان بهداشت جهانی - WHO - تخمین زده است که حدود 000،65 مرگ و میر مربوط به ملانوم آن سال اتفاق افتاده است.
اگرچه ملانوم پوستی بسیار خطرناک است، تشخیص بموقع و درمان مناسب، در 90 درصد موارد، باعث جلوگیری از مرگ مبتلایان میشود. در این مقاله روشی برای تشخیص خودکار این سرطان با استفاده از تصاویر گرفته شده از ضایعه مشکوک پوستی بررسی میشود.
مطالبی که در ادامه ارائه میشود، به این ترتیب هستند: در بخش دوم فرآیند اخذ تصویر توسط درموسکوپ، و پس از آن در بخش سوم پیش پردازش لازم بر روی این تصاویر آمده است. در بخش چهارم، به فرآیند استخراج ویژگیهای شکلی از تصویر ضایعه، و در بخش پنجم، به توصیف فرآیند انتخاب ویژگیها پرداخته شد. دربخش ششم به طبقه بندی اطلاعات - ویژگیهای انتخاب شده - و در پایان نیز، ارزیابی و جمعبندی ارائه گردید.
-2 اخذ تصویر
اولین گام اخذ تصویر است برای اخذ تصویر ضایعه از درموسکوپ استفاده میشود. درموسکوپ ابزاری مفید برای تصویربرداری پوست با دقت بالا برای تشخیص بموقع ملانوم است که روشی غیر تهاجمی است. اولین بار شخصی به نام گلدمن دستگاه درماتوسکوپ را ابداع کرد و توسط آن به ارزیابی تغییرات رنگدانههای پوستی در شرایط بیماری پرداخت.
مطالعات تشخیص ضایعات پوستی با استفاده از درموسکوپ به سال1987 باز میگردد. در - شکل - 1 دوربین درموسکوپ و تفاوت بین تصاویر اخذ شده از ضایعه رنگ دانهای مشکوک را به کمک دوربین عکاسی ساده و درموسکوپ نشان میدهد. دقت تشخیص، بسته به نوع ضایعه پوست و تجربه پزشک، نسبت به معاینه بالینی چشمی، بین 5 تا 30 درصد افزایش مییابد.[2] در این مقاله، تعداد 295 تصویر درموسکوپی برچسب خورده از یک پایگاه داده معتبر استفاده شده است.
شکل - 1 - تصویر ضایعه با دوربین عادی - الف - ، تصویرضایعه با درموسکوپ - ب - ، درموسکوپ - ج -
-3 پردازش تصویر
برای استخراج ویژگی نمیتوان روی تصویر اولیه کار کرد ابتدا باید یک پیش پردازش روی تصویر اعمال شود . پیش پردازش لازم در تصاویر پوست، شامل سه مرحله: کاهش نویز، حذف مو و ناحیهبندی است.[2] برای پیش پردازش تصاویر ضایعات ملانوسیتی و بالا بردن کنتراست ضایعه با زمینه از طریق حذف نویزهای مخرب و سایه از فیلتر پلاریزه استفاده شده است
در[5] فیلتر پلاریزه را بعنوان روش افزایش کنتراست ضایعه با زمینه از طریق حذف نویزهای مخرب و سایه معرفی میگردد. مو میتواند یک مانع در طول تهیه تصویر باشد. در اینجا قبل از پردازش به حذف مو از طریق فیلتر میانه پرداخته شد. فیلتر میانه یک تکنیک فیلتر دیجیتال غیر خطی، اغلب برای حذف نویز از تصاویر و یا سیگنال دیگر مورد استفاده است. فیلتر میانه یک گام مشترک در پردازش تصویر است. فیلتر میانه محو شدن لبه را کاهش می دهد. نقطه فعلی در تصویر با متوسط از روشنایی در همسایگی خود جایگزین شده است. مزایای استفاده از فیلتر میانه این است که نویز ضربه ای به خوبی از بین می برد و لبه محو نمیشود.
-1-3 قطعهبندی
تقسیم کردن تصویر به نواحی غیر یکسان قطعهبندی نام دارد. این یک فرایند از پارتیشن بندی تصویر را به بخشهای مختلف و یا مناطق و یا سازه مورد توجه است، به طوری که محتویات هر منطقه دارای ویژگی های مشابه است. این یک فرایند استخراج و نمایش دهنده اطلاعات تصویر از پیکسل هم گروه با منطقه مشابه است.[11] خروجی مرحله قطعهبندی، مرز یک ناحیه و یا تمام نقاط درون یک ناحیه است. در این مقاله برای طبقهبندی تصویر از روش استانه اتسو استفاده شده است. در بینایی کامپیوتر و پردازش تصویر، روش اتسو، ، به طور خودکار انجام خوشه بندی تصویر مبتنی بر آستانه، و یا، کاهش سطح خاکستری یک تصویر به یک تصویر باینری استفاده می شود. در - شکل - 2 ضایعه قبل و بعد از ناحیهبندی اتسو را نشان میدهد.
شکل - 2 - تصویر ضایعه ملانوسیتی وتصویر ناحیهبندی شده
-4 استخراج ویژگی
پس از مرزبندی دقیق به استخراج ویژگی پرداخته شد. استخراج ویژگی شامل اجرای محاسبات خاص بر روی تصویر پیش پردازش و قطعه قطعه شدهاست. هدف تولید یک بردار ویژگی - به عنوان مثال، یک بردار از اعداد حقیقی - از تصویر که به درستی ویژگیهای مهم از تصویر توصیف شده. در این مرحله با توجه به قانون ABCD استخراج ویژگی انجام گرفت در این قانون بر اساس عدم تقارن - A - 4 لبه - B - 5 ، رنگ - C - 6 و ساختمان تفاضلی - D - 7 به استخراج ویژگی از ضایعات پوستی پرداخته شد.[4] در این بخش 62 ویژگی از تصاویر سگمنتال دودویی استخراج شده است.
-1-4 ویژگیهای شکل
از ویژگیهای اصلی ضایعه پوستی ملانوم در مشخصات هندسی آن است. از این رو، در این بخش به استخراج ویژگیهای هندسی از ضایعه پوستی قطعهبندی شده پرداخته شده است. در این مرحله، برای استخراج ویژگیهای شکل از تصویر سگمنتال باینری از خواص A و B قانون ABCD استفاده شده است.
