دوره 15، شماره 4 - ( دوره ۱۵، شماره 4 1403 )
جلد 15 شماره 4 صفحات 268-253 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Torkashvand F, Chalechale A, Vafi S. Segmentation of skin lesions using the LSE method for heterogeneous dermoscopic images in color spaces. jdc 2025; 15 (4) :253-268
URL: http://jdc.tums.ac.ir/article-1-5759-fa.html
URL: http://jdc.tums.ac.ir/article-1-5759-fa.html
ترکاشوند فاطمه، چاله‌چاله عبدالله، وفی سینا. قطعهبندی ضایعات پوستی با استفاده از روش Level Set Evolution برای تصاویر درموسکوپی ناهمگن در فضاهای رنگی. پوست و زیبایی. 1403; 15 (4) :253-268
فاطمه ترکاشوند1 
، عبدالله چاله‌چاله* 2، سینا وفی3
، عبدالله چاله‌چاله* 2، سینا وفی3
1- دانشکده فنی، گروه مهندسی کامپیوتر، دانشگاه رازی، کرمانشاه، ایران
2- دانشکده فنی، گروه مهندسی کامپیوتر، دانشگاه رازی، کرمانشاه، ایران ،chalechale@razi.ac.ir
3- دانشکده علوم و فناوری، دانشگاه چارلز داروین، داروین، استرالیا
2- دانشکده فنی، گروه مهندسی کامپیوتر، دانشگاه رازی، کرمانشاه، ایران ،
3- دانشکده علوم و فناوری، دانشگاه چارلز داروین، داروین، استرالیا
چکیده: (104 مشاهده)
زمینه و هدف: ناهمگنی روشنایی تصاویر یکی از چالش‌های مهم در پردازش تصاویر کامپیوتری است که می‌تواند منجر به نتایج نادرست در قطعهبندی تصاویر شود. علی‌رغم وجود روش‌های متعدد قطعهبندی، مطالعات کمی درخصوص تأثیر ناهمگنی روشنایی و انتخاب بهترین کانال‌های رنگی در قطعهبندی انجام شده است. در این مقاله، از فضاهای رنگی مختلف برای تشخیص خودکار ضایعات پوستی استفاده شده است.
روش اجرا: در این تحقیق از روش قطعهبندی LSE (Level Set Evolution) همراه با هموارسازی شدت‌ها برای شناسایی کامپیوتری ضایعات پوستی استفاده شده است. ابتدا ناهمگنی روشنایی کاهش یافته و تصویر یکنواخت‌تری ایجاد می‌شود، سپس با قطعهبندی پیشنهادی دامنه تصویر به مناطق مجزا تفکیک می‌شود. این روش باعث تشخیص دقیق‌تر ضایعات پوست می‌گردد.
یافتهها: روش پیشنهادی بر روی 200 تصویر درموسکوپی از مجموعه داده‌های شناخته‌شده PH2 با استفاده از کانال‌های رنگی مختلف آزمایش شده است. نتایج نشان می‌دهد که این روش در مقایسه با سایر روش‌ها، عملکرد بهتری دارد. صحت 97%، حساسیت 98%، اختصاصیت 99% و ضریب دایس 92% به‌دست آمده است.
نتیجهگیری: این روش توانایی جداسازی و تشخیص دقیق ضایعات را دارد و می‌تواند در فرآیند درمان ضایعات پوستی به پزشکان کمک کند.
روش اجرا: در این تحقیق از روش قطعهبندی LSE (Level Set Evolution) همراه با هموارسازی شدت‌ها برای شناسایی کامپیوتری ضایعات پوستی استفاده شده است. ابتدا ناهمگنی روشنایی کاهش یافته و تصویر یکنواخت‌تری ایجاد می‌شود، سپس با قطعهبندی پیشنهادی دامنه تصویر به مناطق مجزا تفکیک می‌شود. این روش باعث تشخیص دقیق‌تر ضایعات پوست می‌گردد.
یافتهها: روش پیشنهادی بر روی 200 تصویر درموسکوپی از مجموعه داده‌های شناخته‌شده PH2 با استفاده از کانال‌های رنگی مختلف آزمایش شده است. نتایج نشان می‌دهد که این روش در مقایسه با سایر روش‌ها، عملکرد بهتری دارد. صحت 97%، حساسیت 98%، اختصاصیت 99% و ضریب دایس 92% به‌دست آمده است.
نتیجهگیری: این روش توانایی جداسازی و تشخیص دقیق ضایعات را دارد و می‌تواند در فرآیند درمان ضایعات پوستی به پزشکان کمک کند.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
