Icono del programa: Melanoma Recognition Syst…

Melanoma Recognition System para Windows

Name: Melanoma Recognition System
Rating: 4 (1 reviews)
Author: Luigi Rosa

Por Luigi Rosa
Gratuito
Calificación del usuario

Descargar ahora

¿Has usado Melanoma Recognition System para Windows?

Descripción del desarrollador

By Luigi Rosa

Consigue el código fuente de Matlab para detectar y clasificar lesiones cutáneas.

El melanoma maligno es hoy en día uno de los cánceres más comunes entre muchas poblaciones de piel clara en todo el mundo. El cambio en el comportamiento recreativo junto con el aumento de la radiación ultravioleta causa un aumento dramático en el número de melanomas diagnosticados. El aumento en la incidencia se notó por primera vez en los Estados Unidos en 1930, donde una persona de cada 100 000 por año sufría de cáncer de piel. Esta tasa aumentó a mediados de los años ochenta a seis por 100 000 y a 13 por 100 000 en 1991. Las cifras también son comparables a las tasas de incidencia observadas en Europa. En 1995, en Austria, la incidencia de melanoma era de aproximadamente 12 por 100 000, lo que reflejaba un aumento del 51,8 % en los diez años anteriores, y la incidencia de melanoma muestra una tendencia aún creciente. Pero, por otro lado, las investigaciones han demostrado que la curabilidad del cáncer de piel es casi del 100 %, si se reconoce lo suficientemente pronto y se trata quirúrgicamente. Mientras que la tasa de mortalidad causada por melanomas a principios de los años sesenta era de aproximadamente el 70 %, ahora se logra una tasa de supervivencia del 70 %, que es principalmente el resultado del reconocimiento temprano. Debido a la mayor incidencia de melanoma maligno, los investigadores están cada vez más preocupados por el diagnóstico automatizado de lesiones cutáneas. Muchas publicaciones informan sobre esfuerzos aislados en la dirección del reconocimiento automatizado de melanomas mediante procesamiento de imágenes. Sistemas completos de análisis de imágenes dermatológicas integrados son difíciles de encontrar en uso clínico, o no se han probado en un número significativo de muestras de la vida real.

Hemos desarrollado un sistema rápido y fiable que es capaz de detectar y clasificar lesiones cutáneas con alta precisión. Utilizamos imágenes en color de lesiones cutáneas, técnicas de procesamiento de imágenes y un clasificador AdaBoost para distinguir el melanoma de las lesiones pigmentadas benignas. Como primer paso del análisis del conjunto de datos, se implementa una secuencia de preprocesamiento para eliminar el ruido y las estructuras no deseadas de la imagen en color. En segundo lugar, un enfoque de segmentación automatizada localiza las regiones sospechosas de lesiones mediante el crecimiento de regiones después de un paso preliminar basado en la segmentación de color adaptativa. Luego, nos basamos en el análisis cuantitativo de imágenes para medir una serie de atributos candidatos que se espera contengan suficiente información para diferenciar melanomas de lesiones benignas. Por último, las características seleccionadas se suministran al algoritmo AdaBoost para construir un clasificador robusto.