【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(shí)候難以發(fā)現(xiàn)而喪失最佳的治療時(shí)間。皮膚鏡能有效幫助進(jìn)行黑色素瘤的診斷,而皮膚鏡圖像的皮損邊緣檢測(cè)是計(jì)算機(jī)自動(dòng)診斷的重要步驟。面對(duì)皮損區(qū)域顏色紋理復(fù)雜、形狀邊緣不規(guī)則的特性,現(xiàn)在的邊緣檢測(cè)算法不能有效地對(duì)皮損區(qū)域進(jìn)行分割,極大影響了計(jì)算機(jī)自動(dòng)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(cè)的準(zhǔn)確性和可靠性,本文提出了一套基于超像素和機(jī)器學(xué)習(xí)的皮損邊界檢測(cè)算法框架,包括圖像預(yù)處理和超像素分割、機(jī)器學(xué)習(xí)對(duì)超像素分類、邊界檢測(cè)后期處理等內(nèi)容。本文的主要內(nèi)容包括:1.研究和實(shí)現(xiàn)了一套皮膚鏡圖像預(yù)處理算法,包括圖像噪聲的移除和圖像增強(qiáng),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(guò)這些算法,黑框噪聲和毛發(fā)噪聲得到了有效的移除。通過(guò)這些預(yù)處理,為后續(xù)特征的提取和分類奠定了堅(jiān)實(shí)的基礎(chǔ)。2.研究和提出了基于超像素的皮膚鏡圖像皮損邊界檢測(cè)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(cè)識(shí)別的有效特征,且不會(huì)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(cè)算法的準(zhǔn)確性。3.研究和實(shí)現(xiàn)了超像素的特征提取和分類。本文利用皮膚鏡圖像的特點(diǎn),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(biāo)簽分布等特征,采用SVM對(duì)超像素進(jìn)行分類,得到了皮膚鏡圖像的初始皮損邊界。4.研究和實(shí)現(xiàn)使用卷積神經(jīng)網(wǎng)絡(luò)對(duì)超像素進(jìn)行分類。本文研究使用卷積神經(jīng)網(wǎng)絡(luò)自動(dòng)對(duì)皮膚鏡圖像的超像素進(jìn)行特征提取和分類,對(duì)不同的網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)對(duì)最終的邊緣檢測(cè)算法準(zhǔn)確性的影響進(jìn)行了深入研究。5.研究和實(shí)現(xiàn)了一套皮膚鏡圖像皮損邊界檢測(cè)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(guò)這些算法能將圖像分割為皮損和正常背景皮膚兩個(gè)部分,有效地減少了通過(guò)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(shù)和地區(qū)相比，我國(guó)在過(guò)去長(zhǎng)期以來(lái)都是黑色素瘤的境的惡化以及醫(yī)療診斷技術(shù)的進(jìn)步，我國(guó)發(fā)現(xiàn)的色素瘤在我國(guó)的發(fā)病率在以每年百分之三到百分之 20000 多人。我國(guó)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(shí)往往已經(jīng)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(guò)皮膚鏡觀察到的圖像依靠皮膚鏡圖像，可以觀察到藍(lán)白區(qū)域、條紋、斑點(diǎn)等大量形態(tài)學(xué)特征[12]，特征對(duì)良性痣和惡性黑色素瘤表現(xiàn)的差異性，有著很好的區(qū)分性[13][14]。這樣高識(shí)別的準(zhǔn)確率。皮膚科的醫(yī)療工作者在長(zhǎng)期的臨床實(shí)踐中，根據(jù)黑色素瘤長(zhǎng)特性和表面顏色紋理等特征，總結(jié)了多種黑色素瘤診斷方法，，比較廣泛使
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：R739.5;TP391.41

【參考文獻(xiàn)】

相關(guān)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(xué)報(bào);2010年09期

2 孟如松;趙廣;;皮膚鏡圖像分析技術(shù)的基礎(chǔ)與臨床應(yīng)用[J];臨床皮膚科雜志;2008年04期

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

本文編號(hào)：2517077