VIII Международная студенческая научная конференция Студенческий научный форум - 2016

Современные условия окружающей среды и образ жизни человека, являются причиной роста случаев развития кожных патологий.

Данные патологии проявляются в виде кожных образований формирующихся в слое эпидермиса. Интерес представляет их обнаружение на ранних стадиях формирования. Решением данной задачи является разработка средств экспресс диагностики кожных образований.

Цель данной работы: разработать программу для диагностики и анализа кожных новообразований

Кожа - наружный покров организма, защищающий тело от широкого спектра внешних воздействий. Кожа состоит их 3 слоев – эпидермиса, дермы и подкожно-жировой клетчатки (гиподермы).

В целом все образования на коже можно разделить на: доброкачественные и злокачественные, инфекционные и неинфекционные.

К основным злокачественным образованиям, формирующимся в эпидермисе, относятся базалиома, плоскоклеточный рак кожи, меланома. Основные недоброкачественные неинфекционные образования: гиперплазия сальных желез, сирингома, ксантелазма, милиумы, кератома. Бородавки, папилломы, контагиозный моллюск – основные доброкачественные инфекционные образования [1].

Реализация систем компьютерного зрения сильно зависит от области их применения, аппаратной платформы и требований по производительности (рис. 1).

Однако существуют функции, типичные для многих систем компьютерного зрения.

Рис.1 Структурная схема системы обработки изображения и анализа кожных образований

Первым этапом данной схемы является:

− получение цифровых изображений. Под изображением подразумевается двумерная или объёмная картинка, либо их последовательность. В данной работе были использованы изображения в формате BMP [2].

− предварительная обработка предполагает последовательное выполнение следующих операций над изображением:

В начале, цветное изображение преобразовывалось в полутоновое. Далее уже над преобразованными изображениями проводились различные улучшения, такие как: удаление шумов и улучшение контрастности (для повышения эффективности обнаружения объектов на изображении);

− определение деталей, на этом этапе, происходит отбор интересующих нас деталей, самой различной формы.

− детектирование/сегментация: на данном этапе обработки применялся метод сегментации управляемым водоразделом [3-6].

Суть данного метода заключается в том, что предлагается рассматривать изображение как некоторую карту местности, где значения яркостей представляют собой значения высот относительно некоторого уровня. Если эту местность заполнять «водой», тогда образуются так называемые «бассейны». При дальнейшем заполнении «водой», эти «бассейны» объединяются. Места объединения этих «бассейнов» отмечаются как линии водораздела.

Метод водораздела является одним из наиболее эффективных методов сегментации изображений.

Результат до и после обработки изображения с кожным образованием (кератома) с помощью метода водораздела приведён на рисунках 2 и 3.

 

Рис. 2 – «До» применения алгоритма сегментации водоразделом

Рис. 3 – «После» применения алгоритма сегментации водоразделом

 

Последним же этапом схемы системы обработки и анализа изображений, является:

­– высокоуровневая обработка: на этом шаге входная информация обычно представляет небольшой набор точек или участков изображения, в котором предположительно находится определённый объект.

Высокоуровневая обработка, реализовывалась с помощью ABCD алгоритма, с последующим вычислением общего дерматоскопического индекса. Данный алгоритм был предложен R. Friedman в 1985 г [7].

В основе алгоритма ABCD факторов, лежит оценка четырех дерматоскопических критериев - асимметричности очага поражения (Asymmetry), четкости границ (Border), цвета (Color), Диаметр (Dermoscopic structures) и использование специальной формулы (ОДИ), которая позволяет рассчитать общий дерматоскопический индекс (ОДИ). По ОДИ можно оценить степень злокачественности новообразования и обеспечить объективное динамическое наблюдение.

А) Для определения индекса асимметрии, необходимо использовать аксиальную систему, состоящую из двух перпендикулярных прямых.

Асимметричность оценивают в баллах от 0 до 2 (0 баллов - при отсутствии асимметричности по обеим осям, 1 балл - при асимметрии по одной оси, 2 балла - при асимметрии новообразования по двум осям хотя бы по одному из рассматриваемых признаков).

В) Для определения B критерия очаг поражения делят на восемь равных сегментов и подсчитывают число сегментов (от 0 до 8), в которых границы новообразования резко обрываются, а не размыты и плавно переходят на здоровую кожу, окружающую очаг поражения.

С) При оценке окраски очага поражения учитывают следующие цвета: белый, красный, светло-коричневый, темно-коричневый, сине-серый и черный и оценивают в баллах от 1 до 6. Если обследуемый очаг поражения светлее, чем окружающая кожа, его расценивают как белый.

D) Данный критерий, оценивают в баллах от 1 до 5, в зависимости от размера новообразования.

В нашем случае пользователь самостоятельно вводит размер, так как изображения разные и фактический размер проблематично определить программным способом.

Для определения ОДИ каждый из четырех критериев, выраженный в баллах, умножают на соответствующий коэффициент и вычисляют дерматоскопический индекс каждого дерма­тоскопического критерия, которые затем суммируют:

ОДИ — 1,ЗА + 0,1В + 0,5С + 0,5D

Если ОДИ индекс меньше 4,75, это доброкачественные (не раковые) поражения. Если индекс ОДИ больше чем 4,75 и менее 5,45, это подозрительно случай поражения кожи. Если индекс ОДИ больше 5,45, это злокачественное поражение

На рисунке 4, продемонстрирован интерфейс программы, диагностики и анализа кожных образований.

Рис. 4 – Интерфейс программы диагностики и анализа кожных образований

Работает программа следующим образом: на первом этапе происходит загрузка изображения, далее в поле «Диаметр» записывается размер новообразования в миллиметрах, который используется для расчёта баллов по D-тесту. На третьем этапе осуществляется обработка изображения, включающая выделение области образования на изображении и вычисление баллов по A-, B, и C-тесту. Результатом работы программы является расчёт итогового значения ОДИ на основе ранее полученных баллов по A-, B-, C- и D-тестам.

Подводя итоги можно сказать, что в результате работы программы, было проанализировано 30 изображений (различного качества) разнообразных новообразований.

Результаты анализа приведены в таблице 1, из которой видно, что зная все виды изображений, лишь 7 изображений, идентифицировать не удалось, и их общий дерматоскопический индекс, попал в пределы подозрительного случая поражения кожи.

Таблица 1 – Результаты анализа изображений

Таким образом, можно сказать, что при анализе 30 новообразований, примерно 46% составили злокачественные, 24% подозрительные и 30% доброкачественные новообразования. Реализованная программа, в 77% случаев дает верный результат, данный результат обусловлен низким качеством некоторых обрабатываемых изображений и особенностями работы алгоритма водораздела.

Основным результатом работы стала, разработка программа для диагностики и анализа кожных образований, позволяющая с точностью в 77% давать верный результат, о характере новообразования.

Библиографический список

1. Precancerous Skin Lesions and Skin Cancer Slideshow [Электронный документ] – URL: http://www.webmd.com/melanoma-skin-cancer/ss/slideshow-skin-lesions-and-cancer [15 October 2014].

2. Шапиро Л. Компьютерное зрение.: Пер с англ. / Л.Шапиро, Дж. Стокман – М.:Бином. Лаборатория знаний, 2006. – 752 с.

3. Гонсалес Р. Цифровая обработка изображений / Р. Гонсалес, Р. Вудс; пер. с англ. – М. : Техносфера, 2005. – 1072 с.

4. Журавлев Ю. И. Распознавание. Математические методы. Программная система. Практические применения. / Ю. И. Журавлев, В. В. Рязанов, О. В. Сенько – М.: Фазис, 2006. – 147с.

5. Горелик А. Л. Методы распознавания. / А. Л. Горелик, В. А. Скрипкин – М.: Высшая школа, 2004. – 262с.

6. Цифровая обработка изображений в информационных системах: Учебное пособие. / И. С. Грузман, В. С. Киричук, В. П. Косых и др. – Новосибирск: Издательство НГТУ, 2002. - 352c.

7. ABCD rule of dermatoscopy: a new practical method for early recognition of malignant melanoma / W. Stolz, A. Riemann , B. Armand et al // European Journal of Dermatology – Vol. 4. – 1994. – P. 521-527.

Код для цитирования: Скопировать