关键字 |
| 皮肤癌，人工神经网络，分割，小波变换，反向传播。 |
介绍 |
| 皮肤癌是一种影响皮肤的癌症。皮肤癌有恶性和良性之分。良性黑色素瘤只是皮肤上的痣。恶性黑色素瘤是一种会引起出血的溃疡。恶性黑色素瘤是所有皮肤癌中最致命的形式。它源于皮肤色素病变的癌变。恶性黑色素瘤是根据它可能产生的细胞——黑素细胞来命名的。如果及时诊断，这种病是可以治愈的。黑色素瘤的诊断很困难，需要取样和实验室测试。黑色素瘤可以通过淋巴系统或血液扩散到身体的各个部位。 The main problem to be considered dealing with melanoma is that, the first affliction of the disease can pave the way for future ones. Laboratory sampling often causes the inflammation or even spread of lesion. So, there has always been lack of less dangerous and time-consuming methods. Computer based diagnosis can improve the speed of skin cancer diagnosis which works according to the disease symptoms. The similarities among skin lesions make the diagnosis of malignant cells a difficult task. But, there are some unique symptoms of skin cancer, such as: Asymmetry, Border irregularity, Color variation and Diameter. Those are popularly known as ABCD parameters. ABCD parameters. Asymmetry, Border irregularity, Colour, Diameter. Asymmetry is one half of the tumour does not match the other half. Border Irregularity is the unevenness of images. Colour intensity change in the lesioned region is irregular. Malignant melanoma is having a diameter greater than 6mm. |
| 本文的组织结构如下:第一节介绍皮肤癌及其特点。并对基于计算机的皮肤癌检测系统进行了介绍。第二部分介绍了皮肤癌自动检测系统及其涉及的各种方法。第三节展示了分类系统的结果。第四节总结全文，并引用相关文献。 |
皮肤癌自动检测系统 |
| 自动早期检测系统是区分恶性黑色素瘤与其他皮肤病的分类系统。该方法采用数字图像处理技术和人工智能技术进行分类。系统的输入是数字格式的皮肤镜图像。通常这类图像含有噪声，因此对其进行预处理。为了保留边缘，进行了后期处理。为了将癌变区域与健康皮肤分离，需要进行分割。癌症图像有一些独特的特征。在MATLAB软件中利用二维小波变换提取特征。这些特征被作为人工神经系统的输入 |
| 基于网络的分类器。采用反向传播算法进行分类。ANN对恶性黑色素瘤和良性黑色素瘤进行了分类。从而检测出患者是否患有皮肤癌。 |
| 答:Dermoscopy |
| 皮肤镜，也称为皮肤镜或发光光学显微镜(ELM)。它是一种用皮肤镜去除病变的成像技术。这一过程是通过在皮肤和光学器件之间放置浸油来完成的。显微镜的透镜直接放置，照亮次表面结构。照明可以放大皮肤，改善揭示大部分色素结构，不同的颜色深浅，肉眼是看不到的;可以直接观察和分析表皮。从这种皮肤镜得到的图像称为皮肤镜图像。 |
| B.图像处理 |
| 数字格式的皮肤镜图像采用了多种数字图像处理技术。标准图像大小为360x360像素。通常图像由毛发、气泡等形式的噪声组成。这些噪声导致分类不准确。为了避免这种情况，图像受到各种图像处理技术的影响。图像处理包括以下步骤:图像预处理和图像后处理。进行预处理以去除图像中的噪声、细毛和气泡。为了从噪声中平滑图像，使用中值滤波。中值滤波是图像处理中的一个常用步骤。中值滤波用于最小化小结构(如细毛)和孤立的像素岛(如小气泡)的影响。 Post-processing is done to enhance the shape and edges of image. In addition, contrast enhancement can sharpen the image border and improve the accuracy for segmentation. |
| c .细分 |
| 分割从图像中移除健康皮肤，并找到感兴趣的区域。通常分割后，癌细胞仍保留在图像中。所使用的分割是阈值分割。阈值分割通常提供了一种简单方便的方法来根据图像的前景和背景区域的不同强度或颜色来执行这种分割。阈值操作的输入通常是灰度图像或彩色图像。分割后的输出为二值图像。分割是通过逐个像素扫描整个图像，并根据每个像素的二值化灰度标记为目标或背景来完成的。 |
| D.特征提取 |
| 在此阶段，从分割后的图像中提取图像数据的重要特征。通过特征提取，将图像数据缩小到一组可以区分恶性和良性黑色素瘤的特征。提取的特征既要具有样本的代表性，又要足够详细，便于分类。采用二维小波变换进行特征提取。该系统采用二维小波包，灰度增强图像作为输入。在分解的两个步骤上使用Bior小波。在每一步分解中，将原始图像的小波分解为近似图像和详细图像，分别显示基本信息和垂直、水平和对角线细节。小波变换提取的特征有:均值、标准差、平均绝对偏差、L1范数、L2范数。 |
| E.人工神经网络分类器 |
| 分类器用于将恶性黑色素瘤与其他皮肤病进行分类。基于计算简单的特点，采用了基于人工神经网络的分类器。在该系统中，采用了前馈多层网络。训练采用反向传播(BPN)算法。必须有输入层，至少一个隐藏层和输出层。隐藏层和输出层节点根据分类误差调整权重值。在BPN中，信号流是前馈方向的，但误差是反向传播的，并更新权重以减少误差。权重的修改是根据误差曲线的梯度，它指向局部最小值的方向。从而使其在预测和分类任务时更加可靠。 |
| 在BPN中，权重在训练开始时随机初始化。会有一个期望的输出，为此进行了训练。这里使用了监督学习。在信号的正向传递过程中，网络根据所使用的初始权值和激活函数给出输出。将该输出与期望输出进行比较。如果两者不相同，则会发生错误。在反向传递过程中，误差进行反向传播，并调整隐藏层和输出层的权重。然后继续整个过程，直到误差为零。该网络是用已知值训练的。经过训练，网络可以进行决策。 |
| 在该方法中，给出了五个特征作为多层前馈网络的输入。一个隐藏层有两个隐藏神经元。带有一个输出神经元的输出层。使用的激活函数是线性函数，它给出0或1的输出。0表示非癌性或良性情况，1表示癌性或恶性情况。 |
| NEURAL LAB是用于神经网络分类的软件。该仿真软件在分类中取得了较好的效果。该网络使用恶性和良性黑色素瘤特征的已知值进行训练。多次重复训练，直到均方误差小于最小值。然后将用于分类的数据作为输入给分类器。21例恶性和良性黑色素瘤的特征进行分类。分类器的输出是' 0 '或' 1 '。1表示癌变，0表示非癌变。 |
实验结果 |
| 对于所提出的系统，31个皮肤镜图像从互联网上收集。进行中值滤波。然后对滤波后的图像进行阈值分割。利用二维小波变换对图像进行特征提取。所有这些都是在MATLAB软件中完成的。选择5个特征进行分类:均值、标准偏差、平均绝对偏差、L1范数、L2范数。得到的特征被作为前馈神经网络的输入。使用的激活函数是线性函数，输出为“0”或“1”。0表示非癌性或良性情况，1表示癌性或恶性情况。该神经网络是使用neural LAB软件设计的。 The training is done with known value. After training, Data Sets for classification were given to the Network. 21 cases were given for classification. The network classifies the given data into cancerous or noncancerous. Among the 21 cases 13 were classified as cancerous and 8 non-cancerous. It is shown in the form of a Confusion Matrix as shown in Fig. 5(b). It has a good rate of accuracy too. |
| 实验证明，该系统比传统的活检方法更加方便。由于这种方法是基于计算机的诊断，不需要任何皮肤去除诊断。它只需要皮肤镜图像。 |
结论 |
| 提出了一种基于计算机的早期皮肤癌检测系统。它是一种比常规的生物镜检方法更好的诊断方法。该诊断方法使用数字图像处理技术和人工神经网络对恶性黑色素瘤与其他皮肤病进行分类。采集皮肤镜图像，采用各种图像处理技术进行处理。用分割的方法将癌变区域与健康皮肤分离。利用二维小波变换提取分割后图像的独特特征。根据特征，将图像分为癌性和非癌性。该方法具有较好的准确性。通过改变图像处理技术和分类器，可以提高系统的精度。 |
确认 |
| 我们要感谢Thangal Kunju Musaliar工程管理学院电气和电子工程系的所有教职员工和学生，感谢他们对我们的指导和支持以及为我们提供的设施。 |
|
表格一览 |
 |
| 表1 |
|
|
数字一览 |
|
|
|
参考文献 |
- HoTak Lau和Adel Al-Jumaily，基于神经网络分类的皮肤癌自动早期检测研究，国际软计算与模式识别会议，IEEE, pp 375-380, 2009
- FikretErcal, AnuragChawla, William V. Stoecker, Hsi-Chieh Lee, Randy H.Moss，基于彩色图像的恶性黑色素瘤神经网络诊断《IEEE生物医学工程汇刊》。第41卷第9期，1994年
- Ali AI-Haj, M.H.Kabir人工神经网络分类器的小波预处理，《电子工程学报》，Vol. 53 Issue2, pp. 593-600, 2008。
- PankajAgrawal, S.K.Shriwastava和S.S.Limaye， MATLAB实现图像分割算法， IEEE环太平洋会议上的通信，计算机和信号处理，第602-605页。, 2010年。
- AsadollahShahbahrami，唐军一种基于区域生长的彩色图像分割算法IEEE Trans。《中国电子科技》，pp 362-368, 2010。
- 田中忠、山田仁、田中佳、清水佳、田中佳、黑色素瘤的影像学诊断研究IEEE Trans。《图像处理》，第1010- 1024,2004年6月。
- Y. Andreopoulos, n.d. Zervas, G. Lafruit, P. Schelkens，局部小波变换的实现与最优行-列算法的二维多层分解《IEEE图像处理国际会议》，2001年第3卷。
- Mariam, A.Sheha,Mai, S.Mabrouk, AmrSharawy，基于纹理分析的黑色素瘤皮肤癌自动检测，《计算机应用》，2012年第42卷。
- M.维特利，O.里奥尔，小波与信号处理， IEEE信号处理杂志，第14-38页，1991年10月。
- Shubhankar Ray和Andrew Chan，基于遗传算法的小波系数自动特征提取，IEEE反式。《图像处理》，980-1025页，2000年6月。
|
菜单
