آرزو ذاکری - دانشکده برق و کامپیوتر، گروه مهندسی پزشکی، دانشگاه تربیت مدرس
محمدحسین میران بیگی

هدف از این تحقیق تشخیص خودکار ضایعات سرطانی ملانوما از ضایعات خوشخیم است. برای این منظور ناحیهبندی خودکار تصاویردرموسکوپی با استفاده از بازسازی تصاویر در فضای مولفههای اساسی و سپس آستانهگذاری بر هیستوگرام تصویر حاصل پیشنهاد شده است. در این تحقیق ویژگیهای جدیدی که بیانگر نحوه توزیع رنگدانه در ضایعه هستند، معرفی شدهاند. نتایج این تحقیق نشان میدهند که با استخراج 33ویژگی بر اساس قاعدهABCD و همچنین روش ارائه شده برای استخراج 10 ویژگی مربوط به توزیع رنگدانه در ضایعه، میتوان دقت تشخیص ضایعات ملانوما را افزایش داد. پس از استخراج ویژگیهای مربوطه، 10 ویژگی که دارای بیشترین اطلاعات متقابل با کلاس هدف هستند، انتخاب شده و به عنوان ورودی به طبقهبند اعمال میشوند. این روش بر روی 120 تصویر درموسکوپی شامل 63 ملانوما و 57 ضایعه خوشخیم بررسی شده است. با استفاده از طبقهبندهای PNN و SVM ،KNN ،LDAو تکنیک Leave one out برای آموزش و تست طبقهبندها، بهترین دقت تشخیص برای ضایعات ملانوما87/3%و برای ضایعات خوشخیم،82/5% و دقت طبقهبندی کل، 85 % با استفاده از طبقهبندهای KNN و SVM بدست آمده است

آنالیز مولفههای اساسی، تئوری اطلاعات متقابل، ضایعات رنگدانهای پوست، ملانوما