злокачествен меланом е в днешно време един от водещите ракови заболявания сред много бели кожа население по света. Промяна на любителския поведение заедно с увеличението на ултравиолетова радиация предизвика рязкото увеличаване на броя на меланоми диагностицирани. Увеличението на честотата за първи път е забелязал в Съединените щати през 1930 г., когато едно лице от 100 000 на година страда от рак на кожата. Този процент е нараснал в средата на осемдесетте години на шест на 100 000 и до 13 на 100 000 души през 1991 г. Увеличение има също така сравнима с честотата на случаите, наблюдавани в Европа. През 1995 г. в Австрия честотата на меланома е около 12 на 100 000 души, което е отразено увеличение от 51,8% в последните десет години, както и честотата на меланома показва още нарастваща тенденция. Но от друга разследванията ръчни са показали, че излечимост от рак на кожата е почти 100%, ако тя е призната достатъчно рано и се лекува хирургично. Като има предвид нивото на смъртността, причинена от меланоми в началото на шейсетте години е около 70%, скорост на Нова преживяемост от 70% се постига, която е най-вече в резултат на ранно разпознаване. Поради по-високата честота на злокачествена меланома, изследователите са заинтересовани повече и повече с автоматизирана диагностика на кожни лезии. Много публикации съобщават за изолирани усилия в посока на автоматизирана признаване меланома чрез обработка на изображения. Пълно интегрирани дерматологични системи за анализ на изображения са едва ли ще намерите в клинична употреба, или не са тествани върху значителен брой проби от реалния живот.
Ние сме разработили бърза и надеждна система, която е в състояние да открива и класифицира кожни лезии с висока точност. Ние използваме цветни изображения на кожни лезии, техники за обработка на изображения и AdaBoost класификатор за разграничаване на меланома от доброкачествени пигментни лезии. Като първа стъпка на набор данни анализ на, последователност предварителна обработка се осъществява за отстраняване на шум и нежелани структури от картинката цвят. Второ, автоматизиран подход сегментация локализира подозрителни лезия регионите по регион растат след предварителна стъпка основава на адаптивен цвят сегментация. След това, ние разчитаме на количествен анализ на изображението, за да се измери редица атрибути кандидатки надяваше да съдържа достатъчно информация, за да се разграничат меланоми от доброкачествени лезии. . Най-сетне, избраните функции се доставят до AdaBoost алгоритъм, за да се изгради силен класификатор
<силни> Изисквания :
Matlab
Коментари не е намерена