用于疾病诊断的皮肤病变分割与分类
计算机视觉与模式识别
2016-09-13 v1
摘要
本文提出了一种用于皮肤病变自动分割与分类的新方法。首先，对皮肤图像进行滤波以去除不需要的毛发和噪声，然后进行分割过程以提取病变区域。在分割中，通过自动初始化种子点应用了区域生长方法。使用不同的知名指标测量了分割性能，结果令人满意。随后，利用颜色和纹理特征表示提取的病变区域。使用 SVM 和 k-NN 分类器及其融合，基于提取的特征进行分类。系统的性能在我们自己的数据集上进行了测试，该数据集包含来自 141 张图像的 726 个样本，涵盖 5 种不同类别的疾病。结果非常有前景，使用 SVM 和 k-NN 分类器的 F-measure 分别为 46.71% 和 34%，而 SVM 和 k-NN 融合的 F-measure 为 61%。
引用
@article{arxiv.1609.03277,
title = {Segmentation and Classification of Skin Lesions for Disease Diagnosis},
author = {Sumithra R and Mahamad Suhil and D. S. Guru},
journal= {arXiv preprint arXiv:1609.03277},
year = {2016}
}
备注
10 pages, 6 figures, 2 Tables in Elsevier, Proceedia Computer Science, International Conference on Advanced Computing Technologies and Applications (ICACTA-2015)