基于皮膚鏡圖像的皮膚病變檢測(cè)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(guó)，2010年與MM有關(guān)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(gè)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(cè)技術(shù)之一。皮膚病變的診斷經(jīng)常依據(jù)這些原則來進(jìn)行：ABCD（A：不對(duì)稱性，B：邊界，C：顏色，D：微分結(jié)構(gòu)）、孟席斯方法、7點(diǎn)檢查表和模式分類。具體地，要對(duì)各種病變進(jìn)行分類是相當(dāng)困難的，即使是經(jīng)驗(yàn)

2、豐富的皮膚科專家也達(dá)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?cè)O(shè)計(jì)出皮膚的自動(dòng)計(jì)算機(jī)輔助檢測(cè)（CAD）工具，它能提供“第二選擇”來提高病變檢測(cè)和分類的精度、效率和相容性。CAD工具一般包含五個(gè)步驟：（1）預(yù)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(wú)規(guī)則性、鏡面的反射、對(duì)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(cè)依然是一項(xiàng)很有挑戰(zhàn)性的任務(wù)。
　　 本文詳細(xì)地研究了皮膚病變的檢測(cè)問題，同時(shí)也研究了檢測(cè)精度的提高、增強(qiáng)、無(wú)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(duì)病變檢測(cè)的預(yù)處理步驟，在均勻顏色空間中基于同態(tài)變換濾波（HTF）和對(duì)比增強(qiáng)方法來分別調(diào)整鏡面反射和增強(qiáng)對(duì)比。實(shí)驗(yàn)結(jié)果表明，這項(xiàng)技術(shù)要?jiǎng)龠^目前的增強(qiáng)方法，而且不會(huì)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(fù)算法思想來檢測(cè)和修復(fù)毛狀偽跡，它利用了2D高斯微分算子（DOG）、形態(tài)學(xué)函數(shù)和快速行進(jìn)圖像修復(fù)方法。該毛狀偽跡修復(fù)算法能在不干擾病變模式的前提下得到比目前最先進(jìn)方法更優(yōu)秀的結(jié)果。然后，在改進(jìn)的基于區(qū)域的主動(dòng)輪廓（IRAC）模型的基礎(chǔ)上提出了一種新穎的病變分割思想。IRAC模型克服了當(dāng)前基于主動(dòng)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(biāo)存在時(shí)的輪廓重疊。實(shí)驗(yàn)結(jié)果表明，IR

5、AC模型比目前最先進(jìn)的分割方法表現(xiàn)得更好。在檢測(cè)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(yàn)（MAP）和魯棒排序原則的自適應(yīng)boosting多標(biāo)記學(xué)習(xí)算法（AdaBoost.MC）。所提出的多標(biāo)記學(xué)習(xí)算法能獲得比現(xiàn)有方法更高的精度，還不會(huì)引起類間關(guān)聯(lián)問題。
　　 本文是在感知均勻顏色空間中基于