Архив номеров
Медицинская Техника / Медицинская техника №4, 2019 / с. 20-22

Автоматизированный анализ пигментной сети на дерматоскопических изображениях меланоцитарных новообразований кожи

                                

В.Г. Никитаев, А.Н. Проничев, О.Б. Тамразова, В.Ю. Сергеев, Ю.Ю. Сергеев, А.В. Козырева, Е.В. Поляков, Е.А. Дружинина


Аннотация

Представлен метод, позволяющий на дерматоскопических изображениях новообразований кожи выделять линии пигментной сети, рассчитывать их характеристики, визуализировать результаты. Результаты экспериментальных исследований по оценке эффективности предложенного метода показывают перспективность его использования в системах распознавания меланомы.


Сведения об авторах

Валентин Григорьевич Никитаев, д-р техн. наук, профессор, зав. кафедрой, кафедра компьютерных медицинских систем,
Александр Николаевич Проничев, канд. техн. наук, доцент, Национальный исследовательский ядерный университет «МИФИ»,
Ольга Борисовна Тамразова, д-р мед. наук, профессор, Российский университет дружбы народов,
Василий Юрьевич Сергеев, канд. мед. наук, доцент, директор, Научно-исследовательский центр дерматологии,
Юрий Юрьевич Сергеев, председатель правления, Общество дерматоскопии и оптической диагностики кожи,
Александра Вячеславовна Козырева, лаборант,
Евгений Валерьевич Поляков, ассистент,
Екатерина Александровна Дружинина, лаборант, Национальный исследовательский ядерный университет «МИФИ», г. Москва,

Список литературы

1. Гордиенко В.П., Товбик Н.А., Клименко Е.В. Рак и меланома кожи в Амурском регионе Дальневосточного федерального округа // Сибирский онкологический журнал. 2016. Т. 15. № 4. С. 14-20.
2. Малишевская Н.П., Соколова А.В., Петкау В.В., Пазина М.В. Заболеваемость меланомой кожи населения Уральского федерального округа // Уральский медицинский журнал. 2018. № 1 (156). С. 90-94.
3. Канева П.Л., Мильчаков Д.Е. Сравнительная характеристика заболеваемости меланомой в некоторых субъектах Приволжского федерального округа // Международный научно- исследовательский журнал. 2015. № 2-4 (33). С. 38-39.
4. Harangi B. Skin lesion classification with ensembles of deep convolutional neural networks // J. Biomed. Inform. 2018. Vol. 86. PP. 25-32.
5. Selchuk V.Y., Rodionova O.V., Sukhova O.G., Polyakov E.V., Grebennikova O.P., Burov D.A., Emelianova G.S. Methods of formation of the knowledge base in the diagnosis of melanoma // Journal of Physics: Conference Series. 2017. Vol. 798. № 1. P. 012137.
6. Nikitaev V.G. Experimental High-Technology Information- Measuring Complexes of Cancer Diagnosis: Problems and Key Points of the Construction Methodology // Measurement Techniques. 2015. Vol. 58. № 2. PP. 214-218.
7. Nikitaev V.G. Expert Systems in Information Measuring Complexes of Oncological Diagnoses // Measurement Techniques. 2015. Vol. 58. № 6. PP. 719-723.
8. Nikitaev V.G. Modern measurement principles in intellectual systems for a histological diagnosis of oncological illnesses // Measurement Techniques. 2015. Vol. 58. № 4. PP. 467-470.
9. Nikitaev V.G. Methods and means of diagnostics of oncological diseases on the basis of pattern recognition: Intelligent morphological systems – Problems and solutions // Journal of Physics: Conference Series. 2017. Vol. 798. № 1. P. 012131.
10. Otsu N. A threshold selection method from gray-level histograms // IEEE Trans. Sys. Man. Cyber. 1979. Vol. 9. PP. 62-66.
11. Zhang T.Y., Suen C.Y. A Fast Parallel Algorithm for Thinning Digital Patterns // Communications of the ACM. 1984. Vol. 27. № 3. PP. 236-239.