تشخيص سرطان پوست با استخراج ويژگي از تصاوير درموسكوپي

ملانوما يكي از شايع ترين انواع سرطان پوست ميباشد، كه تشخيص ملانوما در مراحل نخست بيماري ميتواند بطور چشمگيري از مرگ ناشي از اين سرطان مهلك پوست جلوگيري نمايد. ارائه روشي كه تشخيص ملانوما را در مراحل اوليه آسان نمايد بسيار مفيد و ارزنده است. در اين مقاله بر آن شديم كه با استخراج ويژگي هاي مناسب از تصاوير درموسكوپي و طبقه بندي آنها، به ايجاد الگوريتمي بپردازيم كه به تشخيص ملانوما كمك نمايد. پيش از استخراج ويژگي هاي مناسب، مرزبندي دقيق بين ضايعه و زمينه به كمك فيلتر پلاريز شبيه سازي، با استفاده از روش تقسيم- بندي استانه اتسو انجام پذيرفت و سپس تصوير به تصوير باينري (دودويي) تبديل شد. بعد از اين كه يك تصوير طبقه- بندي شده باينري بدست آمد به استخراج ويژگي بر اساس قانون ABCD و يكسري از تكنيك هاي استخراج ويژگي پرداخته شد. بعد از استخراج ويژگي، براي انتخاب ويژگي هاي مناسب از روش هاي كاهش ويژگي PCA ، فيشر و SFS استفاده شده است كه در بين اين روش ها بهترين نتيجه را براي اين سيستم روش SFS با صحت 93.22 % داشت،كه نسبت به كارهاي مشابه گذشته بهبود يافت. در نهايت براي طبقه بندي اطلاعات (ويژگي) اين مقاله از طبقه بند ماشين هاي بردار( SVM ) استفاده شده است.