روشي جديد براي ناحيه ‌بندي ضايعات پوستي در تصاوير درموسكوپي: بهينه‌سازي تابع انرژي مبتني بر راستاهاي شعاعي

A New Method for Segmentation of Skin Lesions in Dermoscopy Images: Energy Optimization Based on the Radial Directions

تشخيص مرز ضايعات، اولين گام در فرآيند تشخيص هوشمند ضايعات در تصاوير درموسكوپي است و به همين دليل مي‌تواند تاثير مستقيم بر دقت و صحت مراحل بعدي بگذارد. متاسفانه، استخراج مرز ضايعات با محدوديت هايي از قبيل وجود مرز هاي نامنظم، كنتراست ضعيف در برخي نواحي و وجود آرتيفكت مواجه‌ است. هدف از اين مقاله، ارايه نسخه اي بهبود يافته از تكنيك بهينه سازي تابع انرژي براي تفكيك ضايعات از پوست در فرآيند پردازش تصاوير درموسكوپي است. اين نسخه، از ايده اي برمبناي مفهوم راستاهاي شعاعي در روند تكامل كانتور استفاده مي‌كند، كه كاهش حساسيت تخمين مرز ضايعات به محدوديت‌هاي ذكرشده را به دنبال دارد. عملكرد روش ارايه‌شده روي مجموعه دادگاني از تصاوير درموسكوپي گرفته‌شده از ضايعات مختلف با اندازه و مرزهاي متفاوت، آزموده شده و نتايج حاصل از اين روش با استفاده از معيارهاي استاندارد با نتايج چند روش رقيب مقايسه مي شود. افزايش نرخ تشخيص درست به ميزان 6.17 درصد به موازات كاهش فاصله هامود تا حدود 3/2 درصد توسط در روش پيشنهادي نسبت به نزديك‌ترين رقيبش، نشان‌دهنده بهبود فرآيند تشخيص مرز ضايعه درتصاوير درموسكوپي نسبت به روش‌هاي موجود است.

Detecting lesion borders is the first step for intelligent lesion identification in dermoscopy, therefore it may influence the accuracy and validity of the next steps of this process. Unfortunately, extracting borders is hampered by some challenges such as losses associated with irregular borders, poor contrast, and artifacts encountered in some area. In this paper, the improved version of energy function optimization technique is introduced in order to separate the skin and lesions in the processing of dermoscopy images. This technique is based on the concept of radial directions in the contour development process, which reduces the sensitivity of estimating the boundaries of lesions to the above constraints. The performance of the proposed method is evaluated on a dataset of dermoscopy images which are captured from various lesions with different sizes and boundaries. The obtained results of the proposed method are compared with some other state-of-the-art lesion detection methods by using standard parameters. Increased True Detection Rate by 6.17% in parallel with decrease in Hammoud Distance by 2.3%, both compared to the best among alternative methods shows the effectiveness of the proposed scheme in detecting lesion borders of dermoscopy images.