در این پژوهش الگوریتم جدیدی برای طبقهبندی تصاویر درموسکپی به دو نوع بدخیم و خوشخیم ارائه شده است. ابتدا یک مرحله پیشپردازش دو مرحلهای شامل فیلترگذاری جهت حذف نویز و فیلتر همومورفیک جهت ارتقاء کیفیت تصویر اعمال میشود. سپس با استفاده از روش آستانهگذاری Otsu ضایعه از چکیده کامل
در این پژوهش الگوریتم جدیدی برای طبقهبندی تصاویر درموسکپی به دو نوع بدخیم و خوشخیم ارائه شده است. ابتدا یک مرحله پیشپردازش دو مرحلهای شامل فیلترگذاری جهت حذف نویز و فیلتر همومورفیک جهت ارتقاء کیفیت تصویر اعمال میشود. سپس با استفاده از روش آستانهگذاری Otsu ضایعه از نواحی سالم جدا میشود. سپس ویژگیهای شکل و رنگ از تصویر قطعهبندی شده، استخراج میشود. ویژگی های رنگ مبتنی بر ممانهای آماری سطوح رنگی کوانتیزه شده و هیستوگرام رنگی کوانتیزه شده تعریف شدهاند. این ویژگیها توزیع مولفههای مختلف رنگی در ناحیه عارضه پوستی را نشان میدهد. علاوه براین ویژگیهای شکل با دو رویکرد متفاوت سعی در استخراج اطلاعات نواحی عارضه دارند. رویکرد اول، ویژگیهایی که مربوط به نحوه توزیع و گستردگی ناحیه است را نمایندگی میکند و رویکرد دوم، ویژگیهایی که مربوط به تغییرات لبههای عارضه است را بیان میکند. مجموعه این ویژگیها، با استخراج اطلاعات همه جانبه از رنگ، شکل و ناحیه عارضه کمک به شناسایی نواحی خوشخیم از بدخیم میکند. در پایان نیز جهت انجام عمل شناسایی و طبقهبندی، چندین طبقهبند همچون KNN، Desision Tree، SVM و Adaboost بکار گرفته میشود. الگوریتم پیشنهادی بر روی یک پایگاه داده استاندارد و همچنین یک پایگاه داده تهیه شده شامل 200 تصویر مورد ارزیابی و آزمایش قرار میگیرد. نتایج آزمایشها نشان میدهد که طبقهبندی با طبقهبند Adaboost دقت، صحت و حساسیت به ترتیب %96 و %7/96 و%95 را فراهم می کند.
پرونده مقاله