قطعهبندی ضایعات پوستی با استفاده از روش level set evolution برای تصاویر درموسکوپی ناهمگن در فضاهای رنگی

زمینه و هدف: ناهمگنی روشنایی تصاویر یکی از چالش‌های مهم در پردازش تصاویر کامپیوتری است که می‌تواند منجر به نتایج نادرست در قطعه‌بندی تصاویر شود. علی‌رغم وجود روش‌های متعدد قطعه‌بندی، مطالعات کمی درخصوص تاثیر ناهمگنی روشنایی و انتخاب بهترین کانال‌های رنگی در قطعه‌بندی انجام شده است. در این مقاله، از فضاهای رنگی مختلف برای تشخیص خودکار ضایعات پوستی استفاده شده است.روش اجرا: در این تحقیق از روش قطعه‌بندی lse (level set evolution) همراه با هموارسازی شدت‌ها برای شناسایی کامپیوتری ضایعات پوستی استفاده شده است. ابتدا ناهمگنی روشنایی کاهش یافته و تصویر یکنواخت‌تری ایجاد می‌شود، سپس با قطعه بندی پیشنهادی دامنه تصویر به مناطق مجزا تفکیک می‌شود. این روش باعث تشخیص دقیق‌تر ضایعات پوست می‌گردد.یافته ها: روش پیشنهادی بر روی 200 تصویر درموسکوپی از مجموعه داده‌های شناخته‌شده ph2 با استفاده از کانال‌های رنگی مختلف آزمایش شده است. نتایج نشان می‌دهد که این روش در مقایسه با سایر روش‌ها، عملکرد بهتری دارد. صحت 97%، حساسیت 98%، اختصاصیت 99% و ضریب دایس 92% به‌دست آمده است.نتیجه گیری: این روش توانایی جداسازی و تشخیص دقیق ضایعات را دارد و می‌تواند در فرآیند درمان ضایعات پوستی به پزشکان کمک کند.

segmentation of skin lesions using the lse method for heterogeneous dermoscopic images in color spaces

background and aim: image brightness heterogeneity is one of the major challenges in computer image processing that can lead to inaccurate results in image segmentation. despite the existence of numerous segmentation methods, few studies have been conducted on the effect of brightness heterogeneity and the selection of the best color channels in segmentation. in this paper, different color spaces have been used for automatic detection of skin lesions.methods: in this study, the lse (level set evolution) segmentation method along with intensity smoothing has been used for computer recognition of skin lesions. first, the brightness heterogeneity is reduced and a more uniform image is created. then, the proposed segmentation divides the image domain into distinct regions. this method results in more accurate recognition of skin lesions.results: the proposed method has been tested on 200 dermoscopic images from the known ph2 dataset using different color channels. the results show that this method performs better than other methods. accuracy of 97%, sensitivity of 98%, specificity of 99% and dice coefficient of 92% have been obtained.conclusion: this method has the ability to accurately isolate and diagnose lesions and can help doctors in the treatment process of skin lesions.