Melanoma maligna adalah saat salah satu kanker terkemuka di antara banyak penduduk kulit putih di seluruh dunia. Perubahan perilaku rekreasi bersama-sama dengan peningkatan radiasi ultraviolet menyebabkan peningkatan dramatis dalam jumlah melanoma didiagnosis. Kenaikan kejadian pertama kali melihat di Amerika Serikat pada tahun 1930, di mana satu orang dari 100 000 per tahun menderita kanker kulit. Angka ini meningkat di tengah tahun delapan puluhan sampai enam per 100 000 dan 13 per 100 000 pada tahun 1991. Angka tersebut juga sebanding dengan tingkat insiden yang diamati di Eropa. Pada tahun 1995, di Austria kejadian melanoma adalah sekitar 12 per 100 000, yang mencerminkan peningkatan sebesar 51,8% dalam sepuluh tahun sebelumnya, dan kejadian melanoma menunjukkan kecenderungan masih meningkat. Tapi di sisi lain, penyelidikan telah menunjukkan bahwa dpt sembuh dari kanker kulit hampir 100%, jika diakui cukup dini dan diobati dengan pembedahan. Sedangkan angka kematian yang disebabkan oleh melanoma di tahun enam puluhan awal adalah sekitar 70%, tingkat kelangsungan hidup nowa dari 70% dicapai, yang terutama hasil dari pengakuan awal. Karena insiden yang lebih tinggi dari melanoma maligna, peneliti yang bersangkutan lebih dan lebih dengan diagnosis otomatis lesi kulit. Banyak laporan pada upaya terisolasi ke arah pengakuan melanoma otomatis oleh pengolahan citra. Lengkap terintegrasi sistem analisis citra dermatologis hampir tidak ditemukan dalam penggunaan klinis, atau tidak diuji pada sejumlah besar sampel kehidupan nyata.
Kami telah mengembangkan sebuah sistem yang cepat dan handal yang mampu mendeteksi dan mengklasifikasikan lesi kulit dengan akurasi yang tinggi. Kami menggunakan gambar warna lesi kulit, teknik pengolahan citra dan AdaBoost classifier untuk membedakan melanoma dari lesi berpigmen jinak. Sebagai langkah pertama dari analisis data set, urutan preprocessing diimplementasikan untuk menghilangkan noise dan struktur yang tidak diinginkan dari gambar warna. Kedua, pendekatan segmentasi otomatis melokalisasi lesi mencurigakan daerah wilayah tumbuh setelah langkah awal berdasarkan segmentasi warna adaptif. Kemudian, kita bergantung pada analisis citra kuantitatif untuk mengukur serangkaian atribut kandidat berharap mengandung informasi yang cukup untuk membedakan melanoma dari lesi jinak. . Akhirnya, fitur yang dipilih dipasok untuk algoritma AdaBoost untuk membangun classifier yang kuat
Persyaratan :
Matlab
Komentar tidak ditemukan