基于皮膚鏡圖像的皮膚病變檢測方法研究.pdf

1、惡性黑素瘤（MM）是一種罕見且發(fā)病率正在不斷增加的皮膚癌癥。僅在美國，2010年與MM有關的新病例和死亡數(shù)量就分別是68130和8700。近年來的數(shù)字皮膚鏡揭示了皮膚色素性病變臨床形態(tài)的一個全新維度，已逐漸成為最具成本效益的非介入式皮膚癌早期檢測技術之一。皮膚病變的診斷經(jīng)常依據(jù)這些原則來進行：ABCD（A：不對稱性，B：邊界，C：顏色，D：微分結(jié)構(gòu)）、孟席斯方法、7點檢查表和模式分類。具體地，要對各種病變進行分類是相當困難的，即使是經(jīng)驗

2、豐富的皮膚科專家也達不到85％以上的診斷精度。
　　 為了提高皮膚科醫(yī)生的臨床表現(xiàn)，人們設計出皮膚的自動計算機輔助檢測（CAD）工具，它能提供“第二選擇”來提高病變檢測和分類的精度、效率和相容性。CAD工具一般包含五個步驟：（1）預處理，（2）偽跡移除，（3）病變分割，（4）ABCD及所提取模式分類紋理特征的量化，和（5）最終分類。然而，歸咎于病變形狀的多樣、邊界的無規(guī)則性、鏡面的反射、對比度的暗淡、偽跡的干擾和模式分類方法的低

3、效，目前的CAD工具的效果還很有限。因此，病變的檢測依然是一項很有挑戰(zhàn)性的任務。
　　 本文詳細地研究了皮膚病變的檢測問題，同時也研究了檢測精度的提高、增強、無監(jiān)督病變分割、病變數(shù)值量化方法以及一種有效的模式分類方法。提出了一種新的針對病變檢測的預處理步驟，在均勻顏色空間中基于同態(tài)變換濾波（HTF）和對比增強方法來分別調(diào)整鏡面反射和增強對比。實驗結(jié)果表明，這項技術要勝過目前的增強方法，而且不會降低圖像的質(zhì)量。使用了遞歸中值濾波來

4、移除如皮膚鏡凝膠等偽跡。提出了一種新的毛狀修復算法思想來檢測和修復毛狀偽跡，它利用了2D高斯微分算子（DOG）、形態(tài)學函數(shù)和快速行進圖像修復方法。該毛狀偽跡修復算法能在不干擾病變模式的前提下得到比目前最先進方法更優(yōu)秀的結(jié)果。然后，在改進的基于區(qū)域的主動輪廓（IRAC）模型的基礎上提出了一種新穎的病變分割思想。IRAC模型克服了當前基于主動輪廓的分割算法的許多不足，如水平集初始化、固定正則化參數(shù)和多目標存在時的輪廓重疊。實驗結(jié)果表明，IR

5、AC模型比目前最先進的分割方法表現(xiàn)得更好。在檢測到病變邊界后，再有效地利用ABCD規(guī)則提取出一系列量化特征。此外，還發(fā)展了一種新的模式分類思想。為解決許多研究者在其分類系統(tǒng)中未予考慮的多成份模式問題，開發(fā)了一種基于決策樹、最大后驗（MAP）和魯棒排序原則的自適應boosting多標記學習算法（AdaBoost.MC）。所提出的多標記學習算法能獲得比現(xiàn)有方法更高的精度，還不會引起類間關聯(lián)問題。
　　 本文是在感知均勻顏色空間中基于