طبقه بندي ضايعه هاي پوستي از روي تصاوير درموسكپي با استفاده از ويژگي هاي رنگي و شكل

در اين پژوهش الگوريتم جديدي براي طبقه‌بندي تصاوير درموسكپي به دو نوع بدخيم و خوش‌خيم ارائه شده است. ابتدا يك مرحله پيش‌پردازش دو مرحله‌اي شامل فيلترگذاري جهت حذف نويز و فيلتر همومورفيك جهت ارتقاء كيفيت تصوير اعمال مي‌شود. سپس با استفاده از روش آستانه‌گذاري Otsu ضايعه از نواحي سالم جدا مي‌شود. سپس ويژگي‌هاي شكل و رنگ از تصوير قطعه‌بندي شده، استخراج مي‌شود. ويژگي هاي رنگ مبتني بر ممان‌هاي آماري سطوح رنگي كوانتيزه شده و هيستوگرام رنگي كوانتيزه شده تعريف شده‌اند. اين ويژگي‌ها توزيع مولفه‌هاي مختلف رنگي در ناحيه عارضه پوستي را نشان مي‌دهد. علاوه براين ويژگي‌هاي شكل با دو رويكرد متفاوت سعي در استخراج اطلاعات نواحي عارضه دارند. رويكرد اول، ويژگي‌هايي كه مربوط به نحوه توزيع و گستردگي ناحيه است را نمايندگي مي‌كند و رويكرد دوم، ويژگي‌هايي كه مربوط به تغييرات لبه‌هاي عارضه است را بيان مي‌كند. مجموعه‌ اين ويژگي‌ها، با استخراج اطلاعات همه جانبه از رنگ، شكل و ناحيه عارضه كمك به شناسايي نواحي خوش‌خيم از بدخيم مي‌كند. در پايان نيز جهت انجام عمل شناسايي و طبقه‌بندي، چندين طبقه‌بند همچون KNN، Desision Tree، SVM و Adaboost بكار گرفته مي‌شود. الگوريتم پيشنهادي بر روي يك پايگاه داده استاندارد و همچنين يك پايگاه داده تهيه شده شامل 200 تصوير مورد ارزيابي و آزمايش قرار مي‌گيرد. نتايج آزمايش‌ها نشان مي‌دهد كه طبقه‌بندي با طبقه‌بند Adaboost دقت، صحت و حساسيت به ترتيب %96 و %96/7 و%95 را فراهم مي كند.