Επεξεργασία και ανάλυση ιατρικής εικόνας δερματοσκοπίου
Dermatoscopy medical image processing and analysis
Keywords
Επεξεργασία και ανάλυση ιατρικής εικόνας ; Δερματική εικόνα ; Δερματοσκόπιο ; Καλοήθεις και Κακοήθεις Μελάνωμα ; Μορφολογικά χαρακτηριστικά ; Χαρακτηριστικά υφήςAbstract
Η παρούσα διπλωματική έχει ως αντικείμενο την μελέτη και την ανάπτυξη ενός αλγορίθμου για την επεξεργασία και ανάλυση καλοηθών και κακοηθών μελανωμάτων, καθώς, και την στατιστική ανάλυση των χαρακτηριστικών που εξήχθησαν για την εύρεση πιθανών σημαντικών διαφορών μεταξύ αυτών των κατηγοριών των δερματικών εικόνων. Xρησιμοποιήθηκαν συνολικά 50 δερματικές εικόνες εκ των οποίων οι είκοσι πέντε (25) είναι κακοήθεις μελανώματα και οι άλλες είκοσι πέντε (25) καλοήθεις. Οι εικόνες που χρησιμοποιήθηκαν λήφθηκαν από την ιστοσελίδα International Skin Imaging Collaboration (ISIC) η οποία είναι μια πανεπιστημιακή και βιομηχανική συνεργασία που έχει σχεδιαστεί για να διευκολύνει την εφαρμογή της ψηφιακής απεικόνισης δέρματος για τη μείωση της θνησιμότητας μελανώματος. Ουσιαστικά, παρέχει στο κοινό μια μεγάλη γκάμα εικόνων με δερματικές αλλοιώσεις ή χωρίς. Σε πρώτη φάση, για την επεξεργασία των εικόνων χρησιμοποιήσαμε ισοστάθμιση ιστογράμματος και φίλτρο ενδιάμεσης τιμής ώστε να επιτευχθεί η ομαλή τμηματοποίηση τους για να εξάγουμε την περιοχή ενδιαφέροντος του μελανώματος. Έπειτα, εξαγάγαμε τα χαρακτηριστικά των εικόνων αυτών όπου ήταν συνολικά δεκαέξι (16) εκ των οποίων τα οκτώ (8) είναι μορφολογικά και τα άλλα οκτώ (8) χαρακτηριστικά υφής. Τέλος, μεταξύ των δυο κατηγοριών (καλοήθεις-κακοήθεις) πραγματοποιείται και μη παραμετρικός έλεγχος με το Wilcoxon έτσι ώστε να διαπιστώσουμε εάν οι τιμές που λάβαμε είναι ανεξάρτητες και προήλθαν από την ίδια κατανομή.
Abstract
The current thesis is designed to study and develop an algorithm for the processing and analysis of benign and malignant melanoma, as well as the statistical analysis of the features extracted to find potential significant differences between these categories of skin images. A total of 50 skin images were used, twenty-five (25) of which are malignant melanomas and the other twenty-five (25) benign. The images used were taken from the International Skin Imaging Collaboration (ISIC), which is a university and industrial co-operation designed to facilitate the application of digital skin imaging to reduce melanoma mortality. Essentially, it gives the public a wide range of images with or without skin lesions. For the first part of the picture processing, histogram equalization and intermediate filter was used to achieve smooth segmentation to export the melanoma area of interest. Then, we extracted the characteristics of these images at a total of sixteen (16), of which eight (8) are morphological and eight (8) texture characteristics. Finally, between the two categories (benign-malignant), non-parametric control with Wilcoxon is carried out so as to see if the prices we received are independent and came from the same distribution.