Piktybinė melanoma yra šiandien viena iš pirmaujančių vėžio tarp daugelio baltų oda gyventojų visame pasaulyje. Pakeisti rekreacinio elgesį kartu su į ultravioletinių spindulių padidėjimo sukelti dramatišką padidėjimą melanomos diagnozuota skaičius. Dažnis pakelti pirmą kartą buvo pastebėta JAV 1930, kai vienam asmeniui iš 100 000 per metus nukentėjo nuo odos vėžio. Ši norma padidėjo viduryje devintojo dešimtmečio iki šešių 100 000 ir 13 100 000 gyventojų 1991 m šie skaičiai taip pat panaši į dažnis pastebėtas Europoje. 1995, Austrijoje melanomos atvejų dažnis buvo apie 12 100, 000, kuris atspindėjo 51,8% daugiau pastaruosius dešimt metų, ir melanomos atvejų skaičius rodo vis didėjančią tendenciją. Bet kita vertus, tyrimai parodė, kad odos vėžio Uleczalność yra beveik 100%, jei ji pripažįstama pakankamai anksti ir apdorojimo chirurginiu. Kadangi mirtingumas sukelia melanomos šešiasdešimtųjų metų pradžioje buvo apie 70%, Nowa išgyvenamumas 70% pasiekiamas, o tai daugiausia ankstyvo pripažinimo rezultatas. Dėl dažnesnių piktybinės melanomos, mokslininkai yra susiję daugiau su automatiniu diagnozuoti odos pažeidimų. Daugelis publikacijų ataskaitas izoliuotose pastangas į automatizuoto melanomos pripažinimo kryptimi vaizdo apdorojimo. Užpildykite integruotos dermatologiniai vaizdo analizės sistemos vargu ar rasti klinikiniam naudojimui, arba nėra bandomi su daugelio realaus gyvenimo pavyzdžių.
Mes sukūrėme greitą ir patikimą sistemą, kuri gali aptikti ir klasifikuoti odos pažeidimų su dideliu tikslumu. Mes naudojame spalvų vaizdus odos pažeidimų, vaizdo apdorojimo metodus ir AdaBoost klasifikatorių atskirti melanomą nuo gerybinių pigmentinių pažeidimų. Kaip pirmą žingsnį duomenų rinkinio analizę, pirminio apdorojimo seka yra įgyvendinama pašalinti triukšmą ir nepageidaujamų struktūras iš spalvų vaizdą. Antra, automatinis segmentavimas požiūris localizes įtartinus pažeidimo regionuose regione augančius po pirminio žingsnio remiantis prisitaikanti spalvų segmentacija. Tada mes esame priklausomi nuo kiekybinio vaizdų analizės matuoti kandidačių atributų serijos tikėjosi būti pakankamai informacijos, diferencijuoti melanoma iš gerybinių pakitimų. . Pagaliau, pasirinktų funkcijų tiekiamos AdaBoost algoritmas sukurti stiprią klasifikatorių
Reikalavimai :
Matlab
Komentarai nerastas