Analyses of skin lesion areas after thresholding

• Autorzy: Michalska Magdalena

Identyfikatory

DOI

10.35784/iapgos.1603

Warianty tytułu

PL

Analiza obszarów zmian skórnych po segmentacji przez progowanie

• Języki publikacji: EN

Abstrakty

EN

Melanoma is one of the fastest spreading cancers.The aim of the article is to segment the skin lesionsfrom human skin dermatoscopic images covered by melanoma. Threshold segmentation was used, which allows a single skin lesionto be analyzed. Itshows the four areas of each based on their color. The created software monitors the border of skin lesion areas.Segmentation and analysis of the resulting images with different areas of skin change was carried out in the Matlab software.

PL

Czerniak to jeden z najszybciej rozprzestrzeniających się nowotworów. Celem artykułu jest segmentacja zmiany skórnej z obrazów dermatoskopowych ludzkiej skóry objętych czerniakiem. Użyto segmentacj przez progowanie, która pozwala na analizę pojedyńczejzmiany skórnej. Ukazuje cztery obszary każdej z nich w oparciu o ich barwę. Stworzone oprogramowanie monitoruje granicę obszarów zmiany skórnej. Segmentacjai analiza powstałych obrazów z różnymi obszarami zmiany skórnej została przeprowadzona w środowisku Matlab.

Słowa kluczowe

EN

dermatoscopy; melanoma; thresholding; image region analysis

PL

dermatoskopia; czerniak; segmentacja przez progowanie; analiza regionów obrazu

• Wydawca: Wydawnictwo Politechniki Lubelskiej
• Czasopismo: Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
• Rocznik: 2020
• Tom: T. 10, nr 3
• Strony: 9--12
• Opis fizyczny: Bibliogr. 30 poz., tab., rys.

Twórcy

autor

Michalska Magdalena

• Lublin University of Technology, Department of Electronics and Information Technology, Lublin, Poland

Bibliografia

• [1] Argenziano G., Catricalà C., Ardigo M.: Seven-point checklist of dermoscopy revisited. The British Journal of Dermatology 4, 2011, 785–90.
• [2] Breslow A.: Thickness, cross-sectional areas and depth of invasion in the prognosis of cutaneous melanoma. Annals of Surgery 172, 1970, 902–908.
• [3] Celebi M. E., Kingravi H. A., Uddin B.: A methodological approach to the classification of dermoscopy images. Computerized Medical Imaging and Graphics 2007, 362–373.
• [4] Celebi M. E., Wen Q., Hwang S., Iyatomi H., Schaefer G.: Lesion border detection in dermoscopy images using ensembles of thresholding methods. Skin Res. Technol. 19 (1), 2013, 252–258.
• [5] Clark W. H., From L., Bernardino E. A.: Histogenesis and biologic behavior of primary human malignant melanomas of the skin. Cancer Research 29, 1969, 705–726.
• [6] Damilola A., Okuboyejo O.: Automating skin disease diagnosis using image classifications. Proceedings of the world congress on engineering and computer science II, San Francisco 2013.
• [7] Dermatoscopy images database:https://www.dermis.net/dermisroot/en/list/m/search.htm (accessed: 20.03.2020).
• [8] Dermatoscopy images database:https://www.isic-archive.com/ (accessed: 20.03.2020).
• [9] Emery J. D, Hunter J., Hall P. N.: Accuracy of siascopy for pigmented skin lesions encountered in primary care: development and validation of a new diagnostic algorithm. BMC Dermatology 10, 2010, 1–9.
• [10] Fiorese, M., Peserico, E., Silletti, A.: VirtualShave: automated hair removal from digital dermatoscopic image. Proc. IEEE EMBS, 2011, 5145–5148.
• [11] Ganster H., Pinz A., R ̈ohrer R.: Automated melanoma recognition medical imaging. IEEE Transactions 20(3), 2001, 233–239.
• [12] Henning J., Dusza S., Wang S.: The cash (color, architecture, symmetry, and homogeneity) algorithm for dermoscopy. Archives of Dermatology 56, 2007, 45–52.
• [13] https://www.mathworks.com/help/images/pixel-values-and-image-statistics.html (accessed: 20.03.2020).
• [14] Huang, A., Kwan, S., Chang, W., Liu, M., Chi, M., Chen, G.: A robust hair segmentation and removal approach for clinical images of skin lesions. Proc. IEEE EMBS 2013, 3315–3318.
• [15] Jahanifar M., Tajeddin N. Z., Mohammadzadeh Asl B., Gooya A.: Supervised saliency map driven segmentation of lesions in dermoscopic images. IEEE Journal of Biomedical and Health Informatics 23(2), 2019, 509–518.
• [16] Kiani, K., Sharafat, A.R.: E-shaver: An improved dullrazor for digitally removing dark and light-colored hairs in dermoscopic images. Comput. Biol. Med. 41(3), 2011, 139–145.
• [17] Kittler H., Riedl E., RosendahlC.: Dermatoscopy of unpigmented lesions of the skin: a new classification of vessel morphology based on pattern analysis. Dermapathology. Practical and Conceptual 14, 2008, 3–7.
• [18] Koehoorn J., Sobiecki A. C., Boda D., Diaconeasa A., Doshi S., Paisey S., JalbaA., Telea A.: Automated digital hair removal by threshold decomposition and morphological analysis. International Symposium on Mathematical Morphology and Its Applications to Signal and Image Processing 9082, 2015, 15–26.
• [19] Korjakowska J. J.: Automatic detection of melanomas: An application based on the abcd criteria. Springer 7339, 2012, 67–76.
• [20] Korotkov K., Garcia R.: Computerized analysis of pigmented skin lesions: Areview. Artificial Intelligence in Medicine 56(2), 2012, 69–90.
• [21] Leo G. D., Paolillo A., Sommella P., G. Fabbrocini G., Rescigno O.: A software tool for the diagnosis of melanomas. IEEE Instrumentation and Measurement Technology Conference 2010, 886–891.
• [22] Maglogiannis I., Pavlopoulos S., Koutsouris D.: An integrated computer supported acquisition, handling, and characterization system for pigmented skin lesions in dermatological images. IEEE Transactions on Information Technology in Biomedicine 2005, 86–98.
• [23] Mendonca T., Ferreira P. M., Marques J. S., Marcal A. R., Rozeira J.: A dermoscopic imagedatabase for research and benchmarking. 35th Annual International Conference of the IEEE EMBS Osaka 2013, 5437–5440.
• [24] Michalska M.: Przegląd sposobów segmentacji zmian skórnych.Interdyscyplinarne prace doktorantów Politechniki Lubelskiej 2019, 33-45.
• [25] Michalska M.:Wykorzystanie segmentacji przez progowanie w wykrywaniu czerniaka skóry.Wybrane zagadnienia z zakresu elektrotechniki, inżynierii biomedycznej i budownictwa prace doktorantów Politechniki Lubelskiej 2019, 147–157.
• [26] Michalska M., Hotra O.: Qualityanalysis of dermatoscopic images thresholding with malignant melanoma, Photonics Applications in Astronomy, Communications, Industry, and High-Energy Physics Experiments 2019,768–774
• [27] Oliveira R. B., Filho E. M., Ma Z., Papa J. P., Pereira A. S., Tavares J. M. R. S.: Computational methods for the image segmentation of pigmented skin lesions: A review. Comput. Methods Programs Biomed. 131, 2016, 127–141.
• [28] Przystalski K.: Detekcja i klasyfikacja barwnikowych zmian skóry na zdjęciach wielowarstwowych [PhD thesis].Warszawa 2014.
• [29] Rosendahl C., Cameron A., McColl I., Wilkinson D.: Dermatoscopy in routine practice Chaos and Clues. Australian Family Physician 41(7), 2012, 482–487.
• [30] Soyer P., Argenziano G., Zalaudek I.: Three-point checklist of dermoscopy. Dermatology 208, 2004, 27–31.