Wyniki wyszukiwania - BazTech

1

Segmentation of the melanoma lesion and its border

Surówka Grzegorz, Ogorzałek Maciej

International Journal of Applied Mathematics and Computer Science

|

2022

|

Vol. 32, no. 4

683--699

EN

Segmentation of the border of the human pigmented lesions has a direct impact on the diagnosis of malignant melanoma. In this work, we examine performance of (i) morphological segmentation of a pigmented lesion by region growing with the adaptive threshold and density-based DBSCAN clustering algorithm, and (ii) morphological segmentation of the pigmented lesion border by region growing of the lesion and the background skin. Research tasks (i) and (ii) are evaluated by a human expert and tested on two data sets, A and B, of different origins, resolution, and image quality. The preprocessing step consists of removing the black frame around the lesion and reducing noise and artifacts. The halo is removed by cutting out the dark circular region and filling it with an average skin color. Noise is reduced by a family of Gaussian filters 3×3−7×7 to improve the contrast and smooth out possible distortions. Some other filters are also tested. Artifacts like dark thick hair or ruler/ink markers are removed from the images by using the DullRazor closing images for all RGB colors for a hair brightness threshold below a value of 25 or, alternatively, by the BTH transform. For the segmentation, JFIF luminance representation is used. In the analysis (i), out of each dermoscopy image, a lesion segmentation mask is produced. For the region growing we get a sensitivity of 0.92/0.85, a precision of 0.98/0.91, and a border error of 0.08/0.15 for data sets A/B, respectively. For the density-based DBSCAN algorithm, we get a sensitivity of 0.91/0.89, a precision of 0.95/0.93, and a border error of 0.09/0.12 for data sets A/B, respectively. In the analysis (ii), out of each dermoscopy image, a series of lesion, background, and border segmentation images are derived. We get a sensitivity of about 0.89, a specificity of 0.94 and an accuracy of 0.91 for data set A, and a sensitivity of about 0.85, specificity of 0.91 and an accuracy of 0.89 for data set B. Our analyses show that the improved methods of region growing and density-based clustering performed after proper preprocessing may be good tools for the computer-aided melanoma diagnosis.

2

Numerical model of heat transfer in skin lesions

Ostrowski Z., Buliński P., Adamczyk W., Kozołub P., Nowak A. J.

Zeszyty Naukowe Politechniki Rzeszowskiej. Mechanika

|

2015

|

z. 87 [291], nr 1

55--62

EN

Preliminary results of numerical modelling of skin undergoing thermal stimulation (mild cooling) in a human forearm is presented. Small brass compress was used for cooling purposes. The skin recovery process was then analysed. Temperature history for N = 14 samples was recorded using IR camera. The samples come from 8 male adults (age 25-38 years). A numerical model of heat transfer in tissues and CFD model of surrounding air (natural convection) was proposed. Simulation results were validated against experimental data.

PL

W pracy zaprezentowano wstępne wyniki modelowania numerycznego procesów wymiany ciepła w rejonie skóry przedramienia poddanej termostymulacji (łagodnego ochładzania). Do ochładzania użyto kompresów mosiężnych. Przeanalizowano proces powrotu skóry do stanu sprzed termostymulacji. Przy użyciu kamery termowizyjnej zarejestrowano rozkład temperatury dla N = 14 próbek w grupie 8 przebadanych dorosłych mężczyzn (w wieku 25-38 lat). Zaproponowano model numeryczny przepływu ciepła w tkankach przedramienia oraz w otaczającym je powietrzu (w warunkach konwekcji swobodnej). Wyniki symulacji zostały poddane walidacji przy użyciu danych pochodzących z pomiarów.

3

Wykorzystanie metod przetwarzania obrazów w rozpoznawaniu i diagnostyce czerniaka złośliwego

Jaworek J.

Pomiary Automatyka Robotyka

|

2011

|

R. 15, nr 12

100-101

PL

Czerniak złośliwy jest jednym z najszybciej rozwijających się nowotworów skóry, a zachorowalność na niego stale wzrasta. Podstawowym badaniem nieinwazyjnym pozwalającym na jego rozpoznanie jest dermatoskopia. Celem badania dermatoskopowego jest diagnostyka różnicowa zmian barwnikowych z podziałem na zmiany melanocytowe i niemelanocytowe. Badanie pozwala odróżnić zmiany melanocytowe, wymagające wycięcia chirurgicznego oraz badania histopatologicznego, od zmian łagodnych. Szybki rozwój elektroniki i informatyki pozwolił na wyodrębnienie dwóch nowych dziedzin w dermatoskopii (foto- i wideodermatoskopii), które umożliwiają cyfrowy zapis zdjęć. Komputerowa analiza obrazów dermatoskopowych polega na ocenie poszczególnych zmian, określaniu ich zaawansowania i wyznaczaniu podstawowych parametrów diagnostycznych (określanie barwy, ilości barw, rozmiaru, symetrii oraz struktur różnicujących). Badania komputerowe wykazują dużą skuteczność, jednak nie są zalecane jako jedyny sposób oceny zmian. Obecne systemy nie ograniczają niepotrzebnych zabiegów chirurgicznych, co uznawane jest za ich podstawową wadę. Wymagany jest dalszy rozwój aplikacji oraz opracowanie nowych, nowatorskich rozwiązań, aby dermatoskopia wspomagana komputerowo stała się wiodącą metodą diagnostyczną.

EN

Skin melanoma is one of the most malignant tumours and increasing melanoma incidence rate has been observed worldwide in the last several years. Due to high skin cancer incidence, dermatologic oncology has become a quickly developing branch of medicine. Dermoscopy is the most common and non-invasive method to diagnose skin cancer. The aim of dermoscopy is to dif erentiate malignant melanoma from other lesions of the skin (hemangiomas and nevi) as well as preliminary staging and malignancy assessment. It is possible to distinguish malignant tumours, requiring surgical removal followed by histopathological examination, from benign changes. The rapid development of electronics and information technologies enabled to create two new areas of dermoscopy (photo- and videodermoscopy) that use digital imaging for storing the data. The aim of computer systems in dermoscopy is to analyse each image and to evaluate each change, identifying them and determining the advancement of basic diagnostic parameters (determination of colour, border, size, asymmetry and dif erential structures). Recent studies of software systems show high ei ciency, but it is still not recommended that the software systems are the only one to evaluate the changes. Rapid development of medical equipment and computer systems for medical applications gives hope for better and faster diagnoses of malignant melanoma and that dermoscopy image processing will become a leading diagnostic method.