قطعه بندی تصاویر ضایعات پوستی با استفاده از ترکیب اطلاعات بافت و رنگ

از آن جا که تشخیص زودهنگام سرطان پوست می تواند کمک شایانی به درمان بیمار کند، سامانه های تشخیص به کمک رایانه در حال توسعه هستند تا متخصصان پوست را در این زمینه یاری دهند. این سامانه ها سه گام اصلی دارند: 1) قطعه بندی، 2) استخراج ویژگی، 3) طبقه بندی. قطعه بندی، اولین و مهم ترین گام در سامانه های تشخیص خودکار است. در این مقاله، یک روش جدید براساس کانتورهای فعال هندسی معرفی می شود که با استفاده از ترکیب اطلاعات بافت و رنگ قسمت ضایعه را از پوست سالم جدا می کند. استفاده از ترکیب اطلاعات بافت و رنگ می تواند نقش مهمی را در ایجاد تمایز بین پیکسل های پوست سالم و ضایعه، ایفا کند. نوآوری این مقاله در چگونگی ترکیب اطلاعات بافت و رنگ در تابع سرعت و استفاده از ویژگی های بافت به صورت تصویر است. در این روش برای استفاده ی موثر از اطلاعات رنگ، از دو فضای رنگی یکنواخت cie l*a*b* و cie l*u*v* استفاده می شود؛ برای استخراج ویژگی های بافت نیز، از چند روش تجزیه و تحلیل بافت شاملِ فیلتر گابور، روش ماتریس هم رخدادی، فیلترهای آنتروپی، محدوده تغییرات و انحراف معیار محلی استفاده می شود. برای ارزیابی روش پیشنهادی از دو پایگاه داده ی isic2017 و ph2 که به ترتیب شامل 2750 و 200 تصویر درموسکوپی هستند، استفاده شد. مقایسه ی نتایج با پژوهش های اخیر نشان می دهد، الگوریتم پیشنهادی مقاله بالاترین میزان دقت (97.92% برای پایگاه داده ی ph2 و 94.78% برای داده های آزمایش پایگاه داده ی isic2017)، حساسیت (97.83% برای پایگاه داده ی ph2 و 90.11% برای دادههای آزمایش پایگاه داده ی isic2017) و اختصاصی بودن (99.45% برای پایگاه داده ی ph2 و 98.53% برای داده های آزمایش پایگاه داده ی isic2017) را برای هر دو پایگاه داده کسب کرد.