شناسایی آسیب‌های پوستی با استفاده از الگوریتم فازی

آکنه یک بیماری شایع است که کیفیت زندگی افراد را تحت کنترل قرار می‌دهد. اولین قدم در درمان این بیماری شناسایی نواحی آسیب دیده می‌باشد. در گذشته این شناسایی به صورت دستی انجام می‌گرفت، که این ارزیابی از دید متخصصان مختلف متفاوت بود. امروزه به شناسایی نواحی آسیب‌دیده با استفاده از کامپیوتر پرداخته می‌شود که به تشخیص دقیق‌تری منجر می‌گردد. لذا در این پژوهش به شناسایی موقعیت آسیب‌های پوستی با استفاده از الگوریتم فازی پرداخته شده است. یکی از مزایای این روش کوتاه بودن زمان پردازش آن می‌باشد، به همین دلیل از روش isodata استفاده گردیده است. تصاویر استفاده شده در این پژوهش از دستگاه viso face گرفته شده که هیچ آسیبی به بافت‌های پوست نمی‌رساند، این تصاویر در مرحله ی آموزش استفاده می‌گردد. با توجه به اینکه این تصاویر در فضای رنگی rgb می‌باشند، با تبدیل به فضای رنگی hsi می‌توان رنگ‌ها را با جزئیات بیشتری مورد پردازش قرار داد. برای شناسایی آسیب‌ها و استخراج ویژگی از آسیب‌های پوستی، از الگوریتم فازی و تصاویر در فضای رنگی hsi استفاده گردید. در نهایت هدف از این پژوهش، ساخت روباتی برای درمان اتوماتیک آسیب‌ها با استفاده از دستگاه پلکسر‌پلاس می‌باشد. در فاز آزمایش، تصاویر رنگی فضای rgb و سنسور عمق دوربین کینکت، موقعیت سه بعدی آسیب‌ها را شناسایی می‌کند. در نهایت این اطلاعات به روبات برای کتنرل پلکسر پلاس، فرستاده می‌شود. برای ارزیابی عملکرد سیستم از معیارهای زیر استفاده می‌گردد، در روش پیشنهادی، مقدار متوسط دقت 99.4٪ ، درستی ٪88.2 و حساسیت ٪51 بدست آمده است.

Identification of Skin Lesions Using Fuzzy Logic Algorithm

Acne is a common skin lesion which controls the quality of life. Skin analysis is one of the important steps before starting treatment. previously, this detection has been done manually, which cause different results by the various dermatologist. Today, the detection of skin lesions is done automatically, which leads to a more accurate diagnosis. In this paper, the locating and counting of skin lesions is done using Fuzzy Logic algorithm. Although many studies are done to detect the skin lesions, but the results of each method usually take a lot of time. Therefore, one of the advantage of proposed method is in processing time and then data cluster, which the ISODATA method is used. The images used in this study take from the Visio Face Machine, which has no effect to the skin’s texture, and are used in the training phase of system. Given that these images are in RGB color space; colors can be displayed in HSI color space in more details. For lesion detection and feature extraction, Fuzzy Logic algorithm and HSI color space are used. But the purpose of this paper is to build a robot, which burn lesions by Plexr Plus machine automatically. In test phase, using RGB color space and depth sensor of Kinect camera, three dimensional location of lesions are identified. Finally, the average of accuracy, precision and sensitivity were 99.4, 88,2 and 51 respectively.