Système de reconnaissance de mélanome Obtenez le code source MATLAB pour détecter et classer les lésions cutanées.
Télécharger maintenant

Système de reconnaissance de mélanome Classement & Résumé

Système de reconnaissance de mélanome Mots clés

Système de reconnaissance de mélanome La description

Mélanome maligné est de plus aujourd'hui l'un des principaux cancers parmi de nombreuses populations à la peau blanche du monde entier. Le changement de comportement récréatif avec l'augmentation du rayonnement ultraviolet entraîne une augmentation spectaculaire du nombre de mélanomes diagnostiqués. L'augmentation de l'incidence a été remarquée pour la première fois aux États-Unis en 1930, où une personne sur 100000 par an souffrait d'un cancer de la peau. Ce taux a augmenté au milieu des années quatre-vingt à six pour 100000 et à 13 pour 100000 en 1991. Les chiffres sont également comparables aux taux d'incidence observés en Europe. En 1995, en Autriche, l'incidence du mélanome était d'environ 12% par 100000, qui reflétait une augmentation de 51,8% au cours des dix dernières années et que l'incidence du mélanome montre une tendance encore accrue. Mais d'autre part, des enquêtes ont montré que la curabilité du cancer de la peau est de près de 100%, si elle est reconnue assez tôt et traitée chirurgicalement. ATTENDU QUE le taux de mortalité causé par les mélanomes au début des années soixante était d'environ 70%, le taux de survie de 70% est né de 70%, ce qui est principalement le résultat de la reconnaissance précoce. En raison de l'incidence plus élevée du mélanome malin, les chercheurs se préoccupent de plus en plus avec le diagnostic automatisé des lésions cutanées. De nombreuses publications rapportent des efforts isolés dans la direction de la reconnaissance automatisée du mélanome par traitement d'image. Les systèmes d'analyse d'images dermatologiques intégrés complètes sont difficilement trouvés en usage clinique ou ne sont pas testés sur un nombre important d'échantillons réels. Nous avons développé un système rapide et fiable capable de détecter et de classer les lésions cutanées avec une grande précision. Nous utilisons des images couleur de lésions cutanées, de techniques de traitement d'image et de classificateur adabotionnel pour distinguer le mélanome des lésions pigmentées bénignes. En tant que première étape de l'analyse de données de données, une séquence de prétraitement est mise en oeuvre pour éliminer les structures de bruit et indésirables de l'image couleur. Deuxièmement, une approche de segmentation automatisée localise les régions de lésion suspectes par région grandissant après une étape préliminaire basée sur la segmentation des couleurs adaptative. Ensuite, nous nous appuyons sur une analyse de l'image quantitative pour mesurer une série d'attributs candidats espérons contenir suffisamment d'informations pour différencier les mélanomes de lésions bénignes. Enfin, les fonctionnalités sélectionnées sont fournies à l'algorithme Adaboost pour construire un classificateur solide.

Système de reconnaissance de mélanome Logiciels associés