악성 흑색 종은 현재 세계의 많은 흰 피부 인구 중 주요 암 중 하나입니다. 자외선의 증가와 함께 레크리에이션 행동 변화 진단 흑색 종의 수가 크게 증가를 야기한다. 발생 빈도 인상은 첫 해 100 000 중 한 사람이 피부암으로 고통 1930 년 미국에서 발견되었다. (100) 000 당 13 1991 000 100 개의 번호를 여섯에 80 년대 중반에 증가이 비율은 유럽에서 관찰 된 발생률 비교입니다. 1995 년 오스트리아 흑색 종 발생률은 약 12 10 년 이전 51.8 %의 증가를 반영 100 000, 당이고, 흑색 종 발생률은 계속 증가하는 경향이있다. 그러나 한편 조사에 조기 충분히 인식에서 수술하는 경우 피부암 경화성, 거의 100 % 인 것으로 나타났다. 60 년대 초반 흑색 종에 의한 사망률이 70 % 이었지만, 70 % nowa 생존율은 주로 초기 인식 결과 인 달성된다. 때문에 악성 흑색 종의 높은 발생률의 연구자들은 피부 병변의 자동화 된 진단 점점 더 우려하고 있습니다. 대부분의 출판물은 이미지 처리에 의한 자동화 된 흑색 종 인식의 방향에 고립 된 노력에보고한다. 전체 통합 피부과 이미지 분석 시스템은 거의 임상에서 찾을 수없는, 또는 실제 샘플의 상당수에서 테스트되지 않습니다.
우리는 감지하고 높은 정밀도로 피부 병변을 분류 할 수있는 빠르고 안정적인 시스템을 개발했다. 우리는 양성 병변으로부터 흑색 색소를 구별하는 피부 병변, 화상 처리 기술 및 AdaBoost 분류기의 컬러 이미지를 사용한다. 데이터 세트 분석의 제 1 단계로서, 전처리 시퀀스는 컬러 화상으로부터 노이즈 및 바람직하지 않은 구조를 제거하기 위해 실시된다. 둘째, 자동 분할 방식은 적응하기위한 색상 분할에 따라 예비 단계 이후 성장 지역별 의심스러운 병변 영역을 지역화. 그 다음, 우리는 속성들의 후보 계열 양성 병변에서 흑색 종을 구별하기에 충분한 정보를 포함하도록 기대 측정하는 정량적 화상 분석에 의존한다. 마지막으로, 선택된 기능이 강한 분류기를 구축 AdaBoost 알고리즘에 공급된다
이 요구 사항 :있다.
matlab에
댓글을 찾을 수 없습니다