【摘要】：黑色素瘤是死亡率最高的皮膚癌,然而由于醫(yī)療診斷水平的不足,往往在早期的時候難以發(fā)現而喪失最佳的治療時間。皮膚鏡能有效幫助進行黑色素瘤的診斷,而皮膚鏡圖像的皮損邊緣檢測是計算機自動診斷的重要步驟。面對皮損區(qū)域顏色紋理復雜、形狀邊緣不規(guī)則的特性,現在的邊緣檢測算法不能有效地對皮損區(qū)域進行分割,極大影響了計算機自動診斷在黑色素瘤臨床中的使用。為了有效提高皮膚鏡圖像的皮損邊界檢測的準確性和可靠性,本文提出了一套基于超像素和機器學習的皮損邊界檢測算法框架,包括圖像預處理和超像素分割、機器學習對超像素分類、邊界檢測后期處理等內容。本文的主要內容包括:1.研究和實現了一套皮膚鏡圖像預處理算法,包括圖像噪聲的移除和圖像增強,其中噪聲移除包括圖像黑框噪聲的移除和圖像毛發(fā)噪聲的移除。通過這些算法,黑框噪聲和毛發(fā)噪聲得到了有效的移除。通過這些預處理,為后續(xù)特征的提取和分類奠定了堅實的基礎。2.研究和提出了基于超像素的皮膚鏡圖像皮損邊界檢測算法。采用SLIC算法將皮膚鏡圖像分割成超像素,保存了后續(xù)圖像邊界檢測識別的有效特征,且不會破壞圖像中皮損區(qū)域的邊界信息,能夠有效提高皮損區(qū)域邊界檢測算法的準確性。3.研究和實現了超像素的特征提取和分類。本文利用皮膚鏡圖像的特點,提取了皮膚鏡圖像超像素的紋理、顏色、與背景皮膚灰度差、周圍超像素標簽分布等特征,采用SVM對超像素進行分類,得到了皮膚鏡圖像的初始皮損邊界。4.研究和實現使用卷積神經網絡對超像素進行分類。本文研究使用卷積神經網絡自動對皮膚鏡圖像的超像素進行特征提取和分類,對不同的網絡結構和參數對最終的邊緣檢測算法準確性的影響進行了深入研究。5.研究和實現了一套皮膚鏡圖像皮損邊界檢測后期處理算法,包括子區(qū)域的合并、孤島移除、孔洞填充和邊緣平滑。通過這些算法能將圖像分割為皮損和正常背景皮膚兩個部分,有效地減少了通過算法得到皮損邊界和皮膚科專家手繪皮損邊界的差別。
【圖文】：

圖 1-1 近幾年黑色素瘤得病和去世人數和地區(qū)相比，我國在過去長期以來都是黑色素瘤的境的惡化以及醫(yī)療診斷技術的進步，我國發(fā)現的色素瘤在我國的發(fā)病率在以每年百分之三到百分之 20000 多人。我國的醫(yī)療工作者尤其是基層醫(yī)療水平非常有限，黑色素瘤在確診時往往已經是發(fā)

(a) (b)圖 1-2 肉眼和皮膚鏡觀察同一皮損(a) 肉眼觀察的圖像；(b)通過皮膚鏡觀察到的圖像依靠皮膚鏡圖像，可以觀察到藍白區(qū)域、條紋、斑點等大量形態(tài)學特征[12]，特征對良性痣和惡性黑色素瘤表現的差異性，有著很好的區(qū)分性[13][14]。這樣高識別的準確率。皮膚科的醫(yī)療工作者在長期的臨床實踐中，根據黑色素瘤長特性和表面顏色紋理等特征，總結了多種黑色素瘤診斷方法，，比較廣泛使
【學位授予單位】：電子科技大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：R739.5;TP391.41

【參考文獻】

相關期刊論文 前3條

1 陳蓉偉;劉芳;郝紅俠;;基于EHMM-HMT和MSWHMT的多尺度紋理圖像分割[J];軟件學報;2010年09期

2 孟如松;趙廣;;皮膚鏡圖像分析技術的基礎與臨床應用[J];臨床皮膚科雜志;2008年04期

3 田慶飛;孟如松;姜志國;謝鳳英;趙丹培;;皮膚黑素細胞腫瘤圖像綜合分割方法研究[J];中國體視學與圖像分析;2007年03期

本文編號：2517077