RU2818167C2 - Способ дерматоскопической диагностики меланомы кожи - Google Patents
Способ дерматоскопической диагностики меланомы кожи Download PDFInfo
- Publication number
- RU2818167C2 RU2818167C2 RU2021125064A RU2021125064A RU2818167C2 RU 2818167 C2 RU2818167 C2 RU 2818167C2 RU 2021125064 A RU2021125064 A RU 2021125064A RU 2021125064 A RU2021125064 A RU 2021125064A RU 2818167 C2 RU2818167 C2 RU 2818167C2
- Authority
- RU
- Russia
- Prior art keywords
- image
- areas
- squares
- neoplasm
- skin
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000003745 diagnosis Methods 0.000 title claims abstract description 6
- 201000001441 melanoma Diseases 0.000 title abstract description 16
- 208000030381 cutaneous melanoma Diseases 0.000 title description 5
- 201000003708 skin melanoma Diseases 0.000 title description 5
- 206010028980 Neoplasm Diseases 0.000 claims abstract description 30
- 208000035269 cancer or benign tumor Diseases 0.000 claims abstract description 16
- 239000012634 fragment Substances 0.000 claims abstract description 11
- 201000011510 cancer Diseases 0.000 claims abstract description 6
- 230000036210 malignancy Effects 0.000 claims abstract description 5
- 238000012545 processing Methods 0.000 claims description 8
- 208000000453 Skin Neoplasms Diseases 0.000 claims description 5
- 230000012010 growth Effects 0.000 abstract description 8
- 238000013399 early diagnosis Methods 0.000 abstract description 4
- 239000003814 drug Substances 0.000 abstract description 2
- 239000000126 substance Substances 0.000 abstract 1
- 239000003086 colorant Substances 0.000 description 5
- 206010029098 Neoplasm skin Diseases 0.000 description 4
- 230000003628 erosive effect Effects 0.000 description 4
- 238000010191 image analysis Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 206010060999 Benign neoplasm Diseases 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000003211 malignant effect Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000011269 treatment regimen Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Abstract
Изобретение относится к области медицины, а именно к дерматологии и онкологии, и может быть использовано для дерматоскопической диагностики новообразования кожи. Получают цветное изображение кожи, содержащей новообразование, с помощью дерматоскопа. Обрабатывают изображение и выделяют на нем фрагменты структур, таких как линии, круги, комки, точки, сетчатость, посредством анализа областей полученного изображения на основе сканирования строк, пороговых и бинарных операций. Определяют границы новообразования и покрывающие области, охватывающие выделенные фрагменты структур, а на участках кожи, свободных от покрывающих областей, строят квадраты с размерами, которые не пересекаются с указанными покрывающими областями. Если на границе новообразования присутствуют структуры из построенных квадратов, то это говорит о доброкачественности новообразования, а наличие пограничных разрывов и элементов, не схожих с квадратами, свидетельствует о злокачественности новообразования. Способ обеспечивает повышение точности диагностирования меланомы и упрощения методики ранней диагностики меланомы за счет анализа изображения новообразования. 1 з.п. ф-лы, 1 ил., 3 пр.
Description
Изобретение относится к области медицины и компьютерным технологиям и может быть использовано для ранней диагностики меланомы кожи.
Из уровня техники известен способ распознавания пигментных новообразований кожи, описанный в патенте RU 2712919, опубл. 03.02.2020. В известном способе обеспечивают оценку степени злокачественности новообразования путем получения цветного изображения с поверхности кожи и последующим выделением фрагментов структур, таких как линии, круги, комки, точки, сетчатость, посредствам анализа областей полученного изображения на основе сканирования строк, пороговых и бинарных операций, после чего проводят процедуру распознавания фрагментов структур путем сравнения с эталонами для установления типа фрагмента структуры, затем на основе пространственно-яркостного распределения во фрагменте структуры, проводится измерение характеристик, а также морфологических характеристик по фрагменту структуры, на основе полученных измерений формируют числовые вектора признаков для проведения классификации структур и устанавливают количественные оценки степени злокачественности новообразования кожи с последующим принятием клинических решений и адекватного подбора терапевтических схем лечения у пациентов с меланомой кожи.
Данный способ был принят в качестве прототипа.
Его недостатком является сложность работы предлагаемой методики распознавания пигментных новообразований кожи.
Технический результат заключается в повышении точности диагностирования меланомы и упрощении методики ранней диагностики меланомы.
Заявленный результат достигается тем, что предлагается способ дерматоскопической диагностики меланомы кожи, включающий получение цветного изображения кожи, содержащей новообразование, с помощью дерматоскопа, обработку изображения и последующим выделением на нем фрагментов структур, таких как линии, круги, комки, точки, сетчатость, посредством анализа областей полученного изображения на основе сканирования строк, пороговых и бинарных операций, при этом определяют покрывающие области, охватывающие выделенные фрагменты структур, а на участках кожи, свободных от покрывающих областей, строят квадраты с максимально возможными размерами, которые не пересекаются с указанными покрывающими областями, определяют приграничную зону новообразования и на основе расположения квадратов в приграничной зоне диагностируют о наличии меланомы.
Предложенный способ оценивает только границы новообразования на присутствие структур из построенных квадратов, что позволяет судить о доброкачественности новообразования - если в зоне, которая находится рядом с границей, присутствует четкая структура из построенных квадратов, то это говорит, что данный участок кожи имеет доброкачественное новообразование, а наличие пограничных разрывов и элементов, не схожих с квадратами, свидетельствует о злокачественности заболевания. При таком подходе существенно ускоряется анализ изображения и облегчается диагностика новообразования.
При выполнении диагностики не требуется подключения к базам данных, содержащих диагностированные ранее доброкачественные и злокачественные новообразования.
Предлагаемое изобретение поясняется фигурой, на которой изображены результаты диагностики трех новообразований на наличие меланомы. На вариантах А и С присутствует злокачественное образование (меланома), а на варианте В - доброкачественное.
Далее приведено подробное описание предлагаемого изобретения.
Изобретение может быть реализовано в виде программного обеспечения, устанавливаемого на АРМ медицинского работника.
В одном из вариантов заявленного способа ранней диагностики меланомы кожи может осуществляться следующим образом.
Выполняют запуск программного обеспечения и загружают в программу полученное, например с помощью дерматоскопа, изображение новообразования кожи. Далее изображение направляется в блок предобработки изображения, блок обработки изображения, блок анализа изображение и блок показа результата работы.
Блок предобработки изображения принимает загруженное изображение. Задача данного блока улучшить качество входного изображения и минимизировать влияние шумов и помех, которые могли возникнуть, которые могли появиться в процессе создания изображения. Для этого в блоке реализовано два варианта работы:
Автоматический – для простых пользователей.
Ручной – для продвинутых пользователей.
Выбор производится с помощью пользовательского интерфейса.
Для улучшения качества изображения доступны 3 модуля:
- фильтр улучшения четкости
- медианная фильтрация
- фильтр эрозии и наращивания.
Разница автоматической и ручной обработки - в необходимости указывать в ручном режиме для медианного фильтра значение матрицы обработки (Матрица NxN), и фильтры эрозии и наращивания выполнены с возможностью позволять пользователю корректировать значения матрицы обработки.
В случае автоматического применения способа используются автоматически три модуля со стандартными параметрами для медианной фильтрации N=3, для эрозии и наращивания N=5. Данные параметры выбраны как самые стандартные и имеющие, в большинстве случаев, оптимальный результат.
При этом, в случае автоматической обработки, они выполняются в последовательности: медианный фильтр, фильтр эрозии и наращивания, фильтр улучшения четкости. В ручном режиме выбор очередности исполнения фильтров остается за пользователем.
Полученный результат выводится в качестве обработанного изображения в интерфейс пользователя.
Блок обработки изображения принимает загруженное изображение, прошедшее предобработку в блоке предобработки изображения. Данный блок содержит два подмодуля которые выполняются в этом блоке, они выполняются всегда в таком порядке, в независимости от режима работы:
- Модуль выделения границ новообразования;
- Модуль выделения структурных элементов.
В модуле выделения границ новообразования происходит выделение границ новообразования. Данный блок также разделен на два метода - автоматический и ручной.
Автоматический метод имеет в основе метод Кэнни для выделения границ.
В модуле ручного, есть ползунок бинаризации, изменяя положение которого, изменяется характер преобразования изображения в черно-белый (в режиме реального времени в рабочей зоне отображения полученного изображения). Для последующего сглаживания границ также добавлен медианный фильтр с возможностью выбора матрицы. После того как пользователя устраивает заданный порог, можно нажимать выделение границ, и тогда все найденные граничные пиксели будут переданы в цветное изображение и окрашены в голубой цвет.
В случае автоматического режима достаточно просто нажать кнопку и на экране отобразится изображение с выделенными границами.
Модуль выделения структурных элементов содержит выделение характерных структурных элементов. Его использование после выделения границ обусловлено тем, что структурные элементы ищутся только на самом новообразовании, а не на всем изображении. Это влияет на быстродействие и правильность работы модуля выделения структурных элементов. Выделяемые характерные структурные элементы:
- Точки;
- Глобулы;
- Линии;
- Круги.
Порядок выделения данных элементов не является принципиальным, и они могут выделяться в любом порядке, так как в результате работы в любом случае все зоны, отнесенные к этим элементам, будут закрашены контрастным цветом на изображении. В данном случае нет автоматического режима. Все параметры либо требуют ввода либо могут быть изменены от стандартных. В патенте RU 2712919 описан процесс выделения данных элементов посредством анализа областей полученного изображения на основе сканирования строк, пороговых и бинарных операций.
В блок анализа изображения передается изображение, на котором были выделены границы новообразования и все характерные структурные элементы. Цель данного блока попытаться построить максимально возможное количество квадратов заданного размера. После того как было получено изображение с закрашенными характерными элементами, по всей области новообразования пытаемся построить квадрат по принципу: рассматриваем каждый пиксель как потенциальный центр квадрата и от него движемся по нарастающей до размера квадрата в направлениях: вверх, влево, вправо, вниз. Рассматриваем каждый, пиксель который может принадлежать квадрату по его размеру, если в данной точке области не закрашены контрастным цветом (отсутствуют структурные элементы) и удовлетворяет дополнительным условиям, то закрашиваем данный пиксель как то, что принадлежит квадрату, если в данной области не выполнено какое-то из условия, то данный пиксель оставляем как есть и исследуем окрестность данного пикселя до тех пор либо пока не кончится размер построения квадрата либо не будет найден пиксель, который строится как элемент квадрата, где он принадлежит области квадрата, и так по всей площади квадрата.
Размер квадрата стандартный, размер может задаваться пользователем с интерфейса.
Помимо этого, ключевой особенностью является наличие дополнительного условия по значению цвета и по яркости. То есть, помимо того, что мы смотрим, что пиксель относится к характерным структурным элементам, мы также создаем дополнительные условия на цвет и яркость.
Данное условие является двухэтапным:
Этап 1. Проверяются значения цвета и яркости (для яркости также задается дополнительный параметр «порога», который суммируется с яркостью) в потенциальном центре квадрата с окрестностью, если значение меньше, чем в центре, то мы можем использовать эту точку как центр. Порог яркости задается пользователем.
Этап 2. Проверка дополнительного условия на цвет и яркость. В данном случае задаем определенные цвета и яркость для данного условия и, если условия в каждой точке выполнены, то данную точку мы можем считать, как точку, принадлежащую квадрату, если условия не выполнены, то данную точку не берем как верную точку для области построения квадрата.
Условия по цвету R<60 G<45 B<45
Яркость данного пикселя меньше либо равна яркости в центре квадрата.
Условие проверяется по цветовым схемам RGB и HSV. Если значение меньше установленных, то точка удовлетворяет условиям, если не удовлетворяет - то нет.
Блок показа результатов полученного изображения.
Полученное изображение после вывода всех предыдущих элементов имеет ряд зон, раскрашенных контрастными цветами для характерных структурных элементов и для построенных квадратов или того, что получилось построить вместо них. Это неудобно для восприятия. Поэтому полученное изображение на выходе из блока анализа изображения дорабатывается. На вход в данный блок подается обработанное раскрашенное изображение.
На нем ищем координаты пикселей, раскрашенные характерными цветами для квадратов и структурных элементов. Для структурных элементов найденные координаты передаем в оригинальное изображение, считываем там значения цветов, яркости для этого пикселя и возвращаем в раскрашенное изображение, по тем же координатам, записывая полученные цвета и яркость из оригинального изображения. Тем самым восстанавливаем пиксель, как он был на изначальном изображении. Для квадратов сначала очерчиваем зону, выделенную характерным цветом для квадратов, другим цветом, тем самым получая границы построенных квадратов (фигур) на изображении. После получения границ восстанавливаем внутренние цвета выделенных зон (квадратов и прочих фигур). На выходе получаем изображении, на котором выделена граница новообразования и граница построенных квадратов или других фигур, которые можно было построить в данном месте.
В различных версиях применения программного обеспечения, реализующего предложенный метод диагностики меланомы, возможен вариант работы без наличия блока предобработки изображения.
При тестировании заявленного способа был проведен анализ выборки из 118 изображений, у которой имелось 42 немеланомных и 76 меланомных случаев новообразований. На основе тестирования этой выборки предложенным методом точность составила 93%. Таким образом, применение изобретения подтверждает работоспособность при постановке диагноза.
Примеры конечного вида изображения после прохождения блока показа результатов показаны на фигуре (варианты А, В и С). На варианте В красным выделены зоны, где квадраты имеют более четкую структуру, соответственно эти зоны характерны для немеланом, так как на данном изображении доброкачественное новообразованное. Для остальных двух вариантов красным выделена плохая зона, синим - приемлемая зона, но, в целом, оба новообразования (А и С) злокачественные.
Claims (2)
1. Способ дерматоскопической диагностики новообразования кожи, включающий получение цветного изображения кожи, содержащей новообразование, с помощью дерматоскопа, обработку изображения с последующим выделением на нем фрагментов структур, таких как линии, круги, комки, точки, сетчатость, посредством анализа областей полученного изображения на основе сканирования строк, пороговых и бинарных операций, отличающийся тем, что определяют границы новообразования и покрывающие области, охватывающие выделенные фрагменты структур, а на участках кожи, свободных от покрывающих областей, строят квадраты с размерами, которые не пересекаются с указанными покрывающими областями, и если на границе новообразования присутствуют структуры из построенных квадратов, то это говорит о доброкачественности новообразования, а наличие пограничных разрывов и элементов, не схожих с квадратами, свидетельствует о злокачественности новообразования.
2. Способ по п. 1, отличающийся тем, что выполняют построение квадрата, если его центр имеет значение яркости больше, чем любая другая точка, входящая в область построения квадрата.
Publications (2)
| Publication Number | Publication Date |
|---|---|
| RU2021125064A RU2021125064A (ru) | 2023-02-27 |
| RU2818167C2 true RU2818167C2 (ru) | 2024-04-25 |
Family
ID=
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7689016B2 (en) * | 2005-05-27 | 2010-03-30 | Stoecker & Associates, A Subsidiary Of The Dermatology Center, Llc | Automatic detection of critical dermoscopy features for malignant melanoma diagnosis |
| US8543519B2 (en) * | 2000-08-07 | 2013-09-24 | Health Discovery Corporation | System and method for remote melanoma screening |
| US10499845B2 (en) * | 2014-08-25 | 2019-12-10 | Singapore University Of Technology And Design | Method and device for analysing an image |
| RU2712919C1 (ru) * | 2018-12-07 | 2020-02-03 | федеральное государственное автономное образовательное учреждение высшего образования "Национальный исследовательский ядерный университет МИФИ" (НИЯУ МИФИ) | Способ распознавания пигментных новообразований кожи |
| US10593040B2 (en) * | 2012-03-28 | 2020-03-17 | University Of Houston System | Methods for screening and diagnosing a skin condition |
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8543519B2 (en) * | 2000-08-07 | 2013-09-24 | Health Discovery Corporation | System and method for remote melanoma screening |
| US7689016B2 (en) * | 2005-05-27 | 2010-03-30 | Stoecker & Associates, A Subsidiary Of The Dermatology Center, Llc | Automatic detection of critical dermoscopy features for malignant melanoma diagnosis |
| US10593040B2 (en) * | 2012-03-28 | 2020-03-17 | University Of Houston System | Methods for screening and diagnosing a skin condition |
| US10499845B2 (en) * | 2014-08-25 | 2019-12-10 | Singapore University Of Technology And Design | Method and device for analysing an image |
| RU2712919C1 (ru) * | 2018-12-07 | 2020-02-03 | федеральное государственное автономное образовательное учреждение высшего образования "Национальный исследовательский ядерный университет МИФИ" (НИЯУ МИФИ) | Способ распознавания пигментных новообразований кожи |
Non-Patent Citations (1)
| Title |
|---|
| SARAVANAN S. et al. Skin cancer detection using dermoscope images. Materials Today: Proceedings. 2020, Volume 33, Part 7, pp. 4823-4827. STOECKER W. V. et al. Detection of Granularity in Dermoscopy Images of Malignant Melanoma Using Color and Texture Features. Comput Med Imaging Graph. 2011 Mar; 35(2): 144-147. * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| TWI412949B (zh) | 影像區域的自動選擇裝置及方法 | |
| DE60316113T2 (de) | Verfahren für quantitative video-mikroskopie und vorrichtung und computerprogramm zur durchführung des verfahrens | |
| US9607376B2 (en) | Method and apparatus for image scoring and analysis | |
| JP2018533116A (ja) | 生体試料の複数の画像を表示するための画像処理システムおよび方法 | |
| JP2017083463A (ja) | 画像適応的な生理学的に妥当な色分離 | |
| KR20080016847A (ko) | 크로모겐 분리에 기초한 영상 분석 방법 | |
| CN106388781A (zh) | 一种皮肤肤色及其色素沉淀情况的检测方法 | |
| IL190102A (en) | Medical image processing | |
| Betta et al. | Dermoscopic image-analysis system: estimation of atypical pigment network and atypical vascular pattern | |
| CN104599271A (zh) | 基于CIE Lab彩色空间的灰度阈值分割方法 | |
| CN109152517B (zh) | 图像处理装置、图像处理装置的控制方法和记录介质 | |
| JP4383352B2 (ja) | 核多形性の組織学的評価 | |
| CN106535740A (zh) | 分级角膜荧光素染色 | |
| CN108629761A (zh) | 一种乳腺癌图像识别方法、装置和用户终端 | |
| CN111815624B (zh) | 基于图像处理算法的肿瘤间质比判定方法及系统 | |
| JP5154844B2 (ja) | 画像処理装置および画像処理プログラム | |
| Oikawa et al. | Pathological diagnosis of gastric cancers with a novel computerized analysis system | |
| US7818042B2 (en) | Method and apparatus for uniquely identifying tissue pathology | |
| Brancati et al. | Automatic segmentation of pigment deposits in retinal fundus images of Retinitis Pigmentosa | |
| RU2818167C2 (ru) | Способ дерматоскопической диагностики меланомы кожи | |
| US11037294B2 (en) | Image processing device, image processing method, and computer-readable recording medium | |
| Zarei et al. | Automated prostate glandular and nuclei detection using hyperspectral imaging | |
| JP2020144012A (ja) | 染色画像推定器学習装置、画像処理装置、染色画像推定器学習方法、画像処理方法、染色画像推定器学習プログラム、及び、画像処理プログラム | |
| Shanthamalar et al. | A novel approach for glaucoma disease identification through optic nerve head feature extraction and random tree classification | |
| Khatter et al. | Retinal vessel segmentation using Robinson compass mask and fuzzy c-means |