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

HIST - an application for segmentation of hepatic images

Reska D., Krętowski M.

Zeszyty Naukowe Politechniki Białostockiej. Informatyka

|

2011

|

Z. 7

71-93

EN

HIST (Hepatic Image Segmentation Tool) is a Java-based application for segmentation and visualisation of medical images, specialised for hepatic image analysis. This paper contains an overview of the application features, a description of adapted segmentation algorithms and their experimental validation. The application provides two main segmentation methods, based on region growing and active contour model methods, adapted for the case of liver segmentation. HIST also offers data visualisation tools, including multiplanar reconstruction, volume rendering and isosurface extraction.

PL

HIST (ang. Hepatic Image Segmentation Tool – narzędzie do segmentacji obrazów wątroby) jest napisaną w języku Java aplikacją do segmentacji i wizualizacji obrazów medycznych, wyspecjalizowaną segmentacji w obrazów wątroby. Artykuł ten zawiera przegląd możliwości aplikacji, opis zaadaptowanych algorytmów segmentacji i wizualizacji oraz ich eksperymentalną walidację. Aplikacja oferuje dwie główne metody segmentacji, oparte o algorytmy rozrostu regionów i aktywnego konturu, dostosowane do segmentacji wątroby. Narzędzia wizualizacyjne aplikacji wykorzystają rekonstrukcję multiplanarną, rendering wolumetryczny oraz ekstrakcję izopowierzchni.

3

Metody rozrostu regionów w przetwarzaniu obrazów rezonansu magnetycznego oczodołu

Bicz P.

Mikroelektronika i Informatyka : prace naukowe

|

2005

|

Z. nr 5

185-190

PL

W artykule zostały przedstawione dwie metody segmentacji. Obie zaliczają się do klasy metod rozrostu regionów. Pierwsza została zaczerpnięta ze wskazanej literatury i bazuje wyłącznie na różnicy poziomów jasności. Kolejna jest pomysłem autora a jej działanie opiera się na statystycznych cechach jasności pikseli powiększanych obszarów.