بخش بندي ملانوما و ديگر عارضه‌هاي رنگي پوست در تصاوير درموسكپي با استفاده از تركيب روشهاي آستانه گذاري مبتني برالگوريتم يادگيري تقويتي

Segmentation of Melanoma and Other Pigmented Skin Lesions in Dermoscopic Images Using Fusion of Threshoding Methods based on Reinforcement Algorithm

تصاوير درموسكپي يكي از ابزارهاي اصلي مورد استفاده در تشخيص ملانوما و ديگر عارضه هاي رنگي پوست به شمار مي‌رود. به علت سختي و عوامل ادراكي در تشخيص‌هاي انساني، تحليل كامپيوتري تصاوير درموسكپي يك زمينه جديد تحقيقاتي را به روي محققين گشوده است. يكي از مراحل اصلي در تحليل اين تصاوير، آشكارسازي خودكار مرز عارضه مي‌باشد. يافتن يك آستانه بهينه براي بخش بندي تصاوير ديجيتالي يك كار دشوار در پردازش تصوير مي‌باشد. در اين تحقيق يك روش آستانه‌گذاري جديد مبتني بر روش‌هاي آستانه‌گذاري مطرح و الگوريتم يادگيري تقويتي جهت بخش‌بندي تصاوير درموسكپي ارايه مي‌گردد. در اين روش، عامل تقويتي الگوريتم يادگيري، وزن‌هاي بهينه مربوط به آستانه­هاي مختلف را آموزش مي‌بيند و تصوير را توسط آستانه بهينه بخش‌بندي مي‌كند. يك تابع پاداش براي محاسبه ميزان شباهت بين تصوير باينري خروجي و تصوير سطح خاكستري اصلي به كار برده مي‌شود تا ميزان پاداش يا جريمه را به عامل تقويتي اعمال كند. از سه روش آستانه­گذاري Otsu، Kittler و Kapur جهت تركيب در عامل تقويتي استفاده مي‌گردد. نتايج بخش‌بندي با استفاده از اندازه‌گيري خطا براساس تصاويري كه توسط متخصصين پوست بخش‌بندي شده‌اند، مقايسه مي‌گردند. مقايسه نتايج حاصل با روش‌هاي خودكار ارايه شده در مقالات، بيانگر بهبود دقت و كاهش خطا در آشكارسازي مرز عارضه در تصاوير درموسكپي است.