Sistema de reconhecimento de melanoma. Obtenha o código-fonte Matlab para detectar e classificar as lesões da pele.
Baixe Agora

Sistema de reconhecimento de melanoma. Classificação e resumo

Sistema de reconhecimento de melanoma. Tag

Sistema de reconhecimento de melanoma. Descrição

O melanoma maligno é hoje em dia um dos principais cancros entre muitas populações de pele branca em todo o mundo. A mudança de comportamento recreacional em conjunto com o aumento da radiação ultravioleta causa um aumento dramático no número de melanomas diagnosticados. O aumento na incidência foi notado pela primeira vez nos Estados Unidos em 1930, onde uma pessoa de 100000 por ano sofria de câncer de pele. Esta taxa aumentou em meados dos anos oitenta a seis por 100000 e 13 por 100000 em 1991. Os números também são comparáveis às taxas de incidência observadas na Europa. Em 1995, na Áustria, a incidência de melanoma foi de cerca de 12 por 100000, que refletia um aumento de 51,8% nos últimos dez anos, e a incidência de melanoma mostra uma tendência ainda aumentada. Mas, por outro lado, as investigações mostraram que a curabilidade do câncer de pele é quase 100%, se é reconhecida cedo o suficiente e tratado cirurgicamente. Considerando que a taxa de mortalidade causada por melanomas no início dos anos sessenta foi de cerca de 70%, a taxa de sobrevivência de agora de 70% é alcançada, o que é principalmente o resultado do reconhecimento precoce. Por causa da maior incidência de melanoma maligna, os pesquisadores estão preocupados com mais e mais com o diagnóstico automatizado de lesões da pele. Muitos publicações relatam esforços isolados na direção do reconhecimento automatizado do melanoma por processamento de imagens. Os sistemas de análise dermatológicos integrados completos são dificilmente encontrados no uso clínico, ou não são testados em um número significativo de amostras da vida real. Desenvolvemos um sistema rápido e confiável que é capaz de detectar e classificar lesões de pele com alta precisão. Usamos imagens coloridas de lesões de pele, técnicas de processamento de imagens e classificador Adaboost para distinguir o melanoma de lesões pigmentadas benignas. Como a primeira etapa da análise do conjunto de dados, uma sequência de pré-processamento é implementada para remover ruído e estruturas indesejadas da imagem colorida. Segundo, uma abordagem de segmentação automatizada localiza regiões suspeitas de lesão por região que cresce após uma etapa preliminar baseada na segmentação de cor adaptativa. Então, confiamos na análise de imagem quantitativa para medir uma série de atributos candidatos esperados de conter informações suficientes para diferenciar melanomas de lesões benignas. Por fim, os recursos selecionados são fornecidos ao algoritmo AdaBoost para construir um classificador forte.

Sistema de reconhecimento de melanoma. Software Relacionado