طبقه بندی ضایعه های پوستی از روی تصاویر درموسکپی با استفاده از ویژگی های رنگ و شکل

در این پژوهش الگوریتم جدیدی برای طبقه بندی تصاویر درموسکپی به دو نوع بدخیم و خوش خیم ارائه شده است. ابتدا یک مرحله
پیش پردازش دو مرحله ای شامل فیلترگذاری جهت حذف نویز و فیلتر همومورفیک جهت ارتقاء کیفیت تصویر اعمال می شود. سپس با استفاده از روش آستانه گذاری Otsu ضایعه از نواحی سالم جدا می شود. سپس ویژگی های شکل و رنگ از تصویر قطعه بندی شده، استخراج می شود. ویژگی های رنگ مبتنی بر ممان های آماری سطوح رنگی کوانتیزه شده و هیستوگرام رنگی کوانتیزه شده تعریف شده اند. این ویژگی ها توزیع مولفه های مختلف رنگی در ناحیه عارضه پوستی را نشان می دهد. علاوه براین ویژگی های شکل با دو رویکرد متفاوت سعی در استخراج اطلاعات نواحی عارضه دارند. رویکرد اول، ویژگی هایی که مربوط به نحوه توزیع و گستردگی ناحیه است را نمایندگی می کند و رویکرد دوم، ویژگی هایی که مربوط به تغییرات لبه های عارضه است را بیان می کند. مجموعه این ویژگی ها، با استخراج اطلاعات همه جانبه از رنگ، شکل و ناحیه عارضه کمک به شناسایی نواحی خوش خیم از بدخیم می کند. در پایان نیز جهت انجام عمل شناسایی و طبقه بندی، چندین طبقه بند همچون KNN، Desision Tree، SVM و Adaboost بکار گرفته می شود. الگوریتم پیشنهادی بر روی یک پایگاه داده استاندارد و همچنین یک پایگاه داده تهیه شده شامل 200 تصویر مورد ارزیابی و آزمایش قرار می گیرد. نتایج آزمایش ها نشان می دهد که طبقه بندی با طبقه بند Adaboost دقت، صحت و حساسیت به ترتیب %96 و %7/96 و%95 را فراهم می کند.