Pahanlaatuinen melanooma on nykyään yksi johtavista syövistä keskuudessa monet valkoiset ihoinen väestön ympäri maailmaa. Vaihda vapaa käyttäytymistä yhdessä kasvu ultraviolettisäteily aiheuttaa dramaattinen lisääntyminen ihosyövän diagnosoitu. Korotus ilmaantuvuus oli ensimmäinen huomannut Yhdysvalloissa vuonna 1930, jossa yksi henkilö pois 100 000 euroa vuodessa kärsi ihosyöpä. Tämä nousi keskellä kahdeksankymmentäluvulla kuuteen 100 000 ja 13 100 000 euroa vuonna 1991. Luvut ovat myös verrattavissa ilmaantuvuus havaittu Euroopassa. Vuonna 1995 Itävallassa melanooman oli noin 12 100 000, mikä heijastuu kasvoi 51,8% edellisen kymmenen vuoden aikana ja melanooman näyttää yhä kasvava suuntaus. Mutta toisaalta tutkimukset ovat osoittaneet, että kovetettavuus ihosyöpä on lähes 100%, jos se tunnistetaan riittävän ajoissa ja hoitaa kirurgisesti. Katsoo aiheuttamasta kuolleisuudesta melanoomat kuusikymmentäluvun alkupuolella oli noin 70%, Nowa eloonjäämistaso 70% saavutetaan, mikä on pääasiassa seurausta varhainen tunnistaminen. Koska korkeampi esiintyvyys pahanlaatuisen melanooman, tutkijat ovat huolissaan yhä enemmän automatisoitu diagnoosi ihovaurioita. Monet julkaisut raportoimaan eristetty ponnisteluja suuntaan automatisoitu melanooma tunnustaa kuvankäsittelyä. Täydellinen integroitu ihotautien kuva-analyysi järjestelmät ovat tuskin löytyy kliinisessä käytössä, tai ei ole testattu huomattava määrä tosielämän näytteitä.
Olemme kehittäneet nopea ja luotettava järjestelmä, joka pystyy havaitsemaan ja luokittelemaan iholeesioita suurella tarkkuudella. Käytämme värikuvia ihovaurioita, kuvankäsittely tekniikoita ja AdaBoost luokittelija erottaa melanooman hyvänlaatuisesta pigmentoitunut vaurioita. Kuten ensimmäisessä vaiheessa tietokokonaisuus analyysi, esikäsittely sekvenssi toteutetaan poistamaan melua ja ei-toivottuja rakenteita värikuva. Toiseksi, automatisoitu segmentointi lähestymistapa paikantuu epäilyttävää vaurion alueiden alueen kasvava jälkeen alustava vaihe perustuu adaptiivisen väri segmentointi. Sitten luotamme kvantitatiivinen kuva-analyysi mittaamaan sarjan ehdokas määritteitä toivoi sisältävät riittävästi tietoa erottamaan melanoomat hyvänlaatuisesta vaurioita. Vihdoinkin valituista ominaisuuksista toimitetaan AdaBoost algoritmi rakentaa vahva luokittelija.
Vaatimukset :
Matlab
Kommentteja ei löytynyt