Melanoma Recognition System

Сүрөттөмө

Зыяндуу меланома бүгүнкү күндө дүйнө жүзү боюнча көптөгөн ак терилүү калктын арасында алдыңкы рактын бири болуп саналат. Ультрафиолет нурлануунун көбөйүшү менен бирге рекреациялык жүрүм-турумдун өзгөрүшү диагноз коюлган меланомалардын санынын кескин көбөйүшүнө алып келет. Оорунун көбөйүшү биринчи жолу 1930-жылы Кошмо Штаттарда байкалган, анда жылына 100 000 адамдын бири тери рагы менен ооруган. Бул көрсөткүч сексенинчи жылдардын ортосунда 100 000ге алтыга жана 1991-жылы 100 000ге 13кө чейин өстү. Сандар Европада байкалган оорулардын көрсөткүчтөрү менен да салыштырууга болот. 1995-жылы Австрияда меланома оорусу 100 000ге болжол менен 12 адамды түздү, бул мурунку он жылда 51,8% га көбөйгөндүгүн, ал эми меланома оорусу дагы эле өсүү тенденциясын көрсөтөт. Бирок, экинчи жагынан, изилдөөлөр көрсөткөндөй, тери рагын эрте аныктап, хирургиялык жол менен дарыласа, 100%га жакын айыгат. 60-жылдардын башында меланома менен шартталган өлүмдүн деңгээли болжол менен 70% болсо, азыр 70% аман калууга жетишилди, бул негизинен эрте аныктоонун натыйжасы. Зыяндуу меланома менен ооругандар көп болгондуктан, изилдөөчүлөр теринин жараларынын автоматташтырылган диагностикасына көбүрөөк тынчсызданышат. Көптөгөн басылмалар сүрөттөрдү иштетүү аркылуу автоматташтырылган меланома таануу багытындагы обочолонгон аракеттер жөнүндө кабарлашат. Толук интеграцияланган дерматологиялык сүрөт талдоо системалары клиникалык колдонууда дээрлик кездешпейт же реалдуу жашоо үлгүлөрүнүн олуттуу санында сыналган эмес.

Биз тез жана ишенимдүү системаны иштеп чыктык, ал жогорку тактык менен теринин жараларын аныктоого жана классификациялоого жөндөмдүү. Меланоманы зыянсыз пигменттүү жаралардан айырмалоо үчүн теринин жабыркаган түстүү сүрөттөрүн, сүрөттөрдү иштетүү ыкмаларын жана AdaBoost классификаторун колдонобуз. Маалыматтар топтомун талдоонун биринчи кадамы катары түстүү сүрөттөн ызы-чууну жана керексиз структураларды жок кылуу үчүн алдын ала иштетүү ырааттуулугу ишке ашырылат. Экинчиден, автоматташтырылган сегментациялоо ыкмасы ыңгайлашуучу түс сегментациясынын негизинде алдын ала кадамдан кийин өсүп жаткан аймак боюнча шектүү жабыркоо аймактарын локализациялайт. Андан кийин, биз меланомаларды зыянсыз жаралардан айырмалоо үчүн жетиштүү маалыматты камтыган талапкерлердин атрибуттарын өлчөө үчүн сандык сүрөт анализине таянабыз. Акыры, тандалган функциялар күчтүү классификаторду түзүү үчүн AdaBoost алгоритмине берилет.