皮膚鏡圖像的皮損邊界檢測算法研究.pdf

1、黑色素瘤是死亡率最高的皮膚癌，然而由于醫(yī)療診斷水平的不足，往往在早期的時候難以發(fā)現(xiàn)而喪失最佳的治療時間。皮膚鏡能有效幫助進行黑色素瘤的診斷，而皮膚鏡圖像的皮損邊緣檢測是計算機自動診斷的重要步驟。面對皮損區(qū)域顏色紋理復(fù)雜、形狀邊緣不規(guī)則的特性，現(xiàn)在的邊緣檢測算法不能有效地對皮損區(qū)域進行分割，極大影響了計算機自動診斷在黑色素瘤臨床中的使用。
　　為了有效提高皮膚鏡圖像的皮損邊界檢測的準(zhǔn)確性和可靠性，本文提出了一套基于超像素和機器學(xué)習(xí)的

2、皮損邊界檢測算法框架，包括圖像預(yù)處理和超像素分割、機器學(xué)習(xí)對超像素分類、邊界檢測后期處理等內(nèi)容。本文的主要內(nèi)容包括：
　　1.研究和實現(xiàn)了一套皮膚鏡圖像預(yù)處理算法，包括圖像噪聲的移除和圖像增強，其中噪聲移除包括圖像黑框噪聲的移除和圖像毛發(fā)噪聲的移除。通過這些算法，黑框噪聲和毛發(fā)噪聲得到了有效的移除。通過這些預(yù)處理，為后續(xù)特征的提取和分類奠定了堅實的基礎(chǔ)。
　　2.研究和提出了基于超像素的皮膚鏡圖像皮損邊界檢測算法。采用SLI

3、C算法將皮膚鏡圖像分割成超像素，保存了后續(xù)圖像邊界檢測識別的有效特征，且不會破壞圖像中皮損區(qū)域的邊界信息，能夠有效提高皮損區(qū)域邊界檢測算法的準(zhǔn)確性。
　　3.研究和實現(xiàn)了超像素的特征提取和分類。本文利用皮膚鏡圖像的特點，提取了皮膚鏡圖像超像素的紋理、顏色、與背景皮膚灰度差、周圍超像素標(biāo)簽分布等特征，采用SVM對超像素進行分類，得到了皮膚鏡圖像的初始皮損邊界。
　　4.研究和實現(xiàn)使用卷積神經(jīng)網(wǎng)絡(luò)對超像素進行分類。本文研究使用卷