谈谈基于图像处理技术黑素瘤和痣分类要求

摘 要：据统计，黑素瘤仅占皮肤癌的11%，死亡率却最高。黑素瘤和良性的痣的外观特征极为相似，很难区分。计算机图像处理技术的应用可以作为临床医生的辅助工具，提供有助于鉴别皮肤损伤特性的视觉信息。本研究试图从黑素瘤、原位黑素瘤和痣的皮肤损伤里提取有效的特征，找到合理的分类模型和鉴别皮肤损伤的算法。由于图像采集过程不同的采光会造成的图像颜色差别，因此本文中图像均使用皮肤镜图像。通过分析对比图片中黑素瘤、原位黑素瘤和痣的特征，应用多种模式分类方案，在实验结果找出了四种有用的分类方法，其中最好的分类方法对黑素瘤和原位黑素瘤有100%辨析率，痣达到65%的辨析率。
关键字：图像处理技术；皮肤病变；分类
：A DOI：10.3969/j.issn.1003-6970.201

3.0

6.033

0 引言 黑素瘤是最致命的皮肤癌之一，其危害甚至高于传染性皮肤癌，蔓延到其他身体组织的可能性也最大，能够影响人类更深层的皮肤。临床医生把黑素瘤分成原位阶段和扩散阶段。原位阶段是扩散阶段的先导。本文研究的目标是自动识别和区分黑素瘤，原位黑素瘤和痣等皮肤损伤。
1 背景
目前研究人员开发了一个基于相对色的方法[1，2]，此方法减少了由于病人肤色、光源和拍照及数字化过程中造成的肿瘤误分类现象。此方法包括以下步骤：1）、由标准照片创建相对像。2）、用PCT或中位数算法对图像分层，按照形态过滤由此产生的图像。3）、从按形态过滤的图像中提取相对色特征来创建两个不同特征的空间：肿瘤特征空间和对象特征空间。4）、建立一个相对色特征的统计分析模型，用来对各种皮肤肿瘤进行分类。
上述方法的意义在于它把相对色方法的使用扩展到了皮肤镜图像中，而不是使用摄影图像。皮肤镜图像可以更好地控制光线的变化，而光线变化可以导致病灶误判。皮肤镜图像和相对色方法的结合应该可以进一步减少误判，从而提高病变分类的成功率，并且对关于病灶区分重要特征的方法做出重大贡献。此方法的另一个重要贡献是在今后研究中使用方法的改进和发展。

2 数据和方法

2.1数据

通过到医院采集相关图片建立图片数据库，数据库使用了60种颜色的皮肤镜病灶图片，分成黑素瘤、原位黑素瘤和痣三类，每类由20个图像组成。所有图像都是768×512像素，由原始压缩格式存储，以减少边界图像伪影。并使用CVIP工具进行初步计算机图像处理。
边界图像：边界图像采用二进制图像。它们是在原始色彩图像中用鼠标在皮肤病变上手动绘制边界产生的。边界图像被用来把皮肤病变位置屏蔽于原始色彩图像外，以检索只有皮肤的图像。此外，合理的边界图像还可以被用于把病肤屏蔽于原始色彩图像外，以生成只有皮肤病变的图像。
相对像：图1的算法被用作由只有皮肤病变和只有皮肤的图像来生成相对像。对于一个原像来说，由只有皮肤的图像的平均RGB值减去只有肿瘤的图像的RGB值来生成一个相对像。

2.2方法

1）预处理原始图像：为了减少干扰物，使用5号二阶对应式谐波滤波器（CHF），去除皮肤镜图像中的皮肤镜凝胶气泡和相机闪光等干扰。
2）生成边界图像。
3）生成相对像：对于一张原像，采通过用它的平均RGB值生成相对像。
4）使用分割和形态过滤来

源于：论文开题报告www.udooo.com

降低对象的数量分割：通过使用CVIP工具中的主色成分变换算法把相对片分割成四个颜色均匀的区域。形态滤波：使用直径为7像素的圆作为结构元素，用来平滑图像对象的形状，缩小凸起，填充空洞。
5）从病变对象提取特性：从实验图片中病变的两个最大对象提取出来包括面积、厚薄度、周长、平均数，标准偏差等特征向量；在另外的实验中，特征向量由作为一个对象的整体病变图片中提取出来。
6）数据规范化：通过包括单位向量，统计数据，最小最大值和最大比例等多种方法被用来规范数据。[4]
7）选择一个在模式分类算法中使用的度量作为通用标准：三种不同的距离被用来比较所有实验提取的特征向量与测试集合中的特征向量。
8）开发一个模式分类算法。有60个病灶图像的数据库被分成30张图片一组。一组30张图像被分成15张图像一组的训练组和测试组。经验训练和测试后，如果分类结果一致，开发的算法在另一个30张图像的组中执行，如果一致性在那30张图像的组占优势，算法会在50张图像的组中执行（30张原来的图像和20张从30张测试组中选出的图像）。多种组合的特征测量和模式分类方法被应用到50张图片的组。应用50张图片的训练组进行了200个实验，使用了各种图像处理，特征提取和模式分类方法200个实验中，选出四个效果最好的图像进行对比。（图1）
3关于实验结果的讨论
本文的研究包括纹理特征，由表2看出，最好的分类方案是实验四。在此使用的模式分类方法和CVIP工具中的最小距离中心分类功能对黑素瘤，原位黑素瘤和痣分类的总成功率为百分之八十。黑素瘤和原位黑素瘤结合一起的分类成功率为百分之百。痣单独的分类成功率是百分之六十。实验中图像的处理方法可减小由摄影方法造成的周围环境光线不同的图像间的差别，也可以提供比摄影图像更多的皮肤病变的细节。
4 结论
在区别黑素瘤和痣病变时，把黑素瘤和原位黑素瘤分组在一起处理，可以取得最好的鉴别结果，这是因为这两种肿瘤有足够相似的特征和特征值，可以被考虑为显著不同于痣的一种肿瘤。所以把它们组合在一起增加了分类率。本研究的结果与理论一致，因为训练组的数量增加时，结果更好。在实验过程中观察发现训练组扩展到30或50个肿瘤图片时，与用只有15个图片的训练组相比，得到的结果更加一致。在扩大实验数据库里黑素瘤和原位黑素瘤后，会产生错误分类，这表明两类黑素瘤中有很大的重叠。如果要自动区别这些类别，提高辨识度，还是需要一些额外的特征。
参考文献
E.L Hall， Computer Image Processing and Recognition[M]， New York ，Academic Press， 1979.
R.C Gonzalez and P Wintz， Digital Image Processing[M]， Massachusetts ，Addison-Wesley， 1987.
[3]王婷，张宁，后桂荣，等.几种机器学习方法在黑色素瘤计算机辅助诊断中的性能比较[J]，计算机应用研究， 2013， 30（6）：1731-1733
S.E. Umbaugh， Computer Imaging： Digital Image Analysis and Processing[M]， CRC Press，2005.