皮肤肿瘤分类的分割与 ABCD 规则提取
计算机视觉与模式识别
2021-06-09 v1
摘要
近年来，基于计算机视觉的诊断系统已广泛应用于多家医院与皮肤科诊所，旨在早期检测恶性黑色素瘤肿瘤，其为最常见的皮肤癌类型之一。本工作中，我们提出一种基于临床诊断中使用的 ABCD 规则的自动化诊断系统，以区分良性与恶性皮肤病变。首先，为减小小结构的影响，采用了基于形态学与快速行进格式的预处理步骤。第二步，提出一种无监督的病变分割方法。应用迭代阈值法自动初始化水平集。由于自动边界检测是计算机化黑色素瘤识别系统后续阶段正确性的重要步骤，我们将其精度与 growcut 及均值漂移算法进行比较，并讨论这些结果如何影响后续步骤：特征提取与最终病变分类。依据视觉诊断计算四项特征：不对称度 (A)、边界 (B)、颜色 (C) 与多样性 (D)，并用于构建基于人工神经网络的分类模块以识别恶性黑色素瘤。该框架已在包含 320 幅图像的皮肤镜数据库 [16] 上测试。分类结果显示真阳性检测率上升且假阳性率下降。
引用
@article{arxiv.2106.04372,
title = {Segmentation and ABCD rule extraction for skin tumors classification},
author = {Mahammed Messadi and Hocine Cherifi and Abdelhafid Bessaid},
journal= {arXiv preprint arXiv:2106.04372},
year = {2021}
}