ЗАСТОСУВАННЯ АЛГОРИТМІВ СЕГМЕНТАЦІЇ ДЛЯ ПОШУКУ КОНТУРІВ ЗАХВОРЮВАННЯ НА ДІЛЯНКАХ ШКІРИ
DOI:
https://doi.org/10.32689/maup.it.2023.3.5Ключові слова:
сегментація, локалізація, watershed, дані, обробка, зображення, морфологічна обробка, порогове значенняАнотація
Стаття присвячена дослідженню застосування сегментації, котра допоможе виявити та виділити локалізацію захворювання на ділянці шкіри. Об’єктом дослідження є підбір оптимального алгоритму сегментації зображення з чітким відокремленням ділянки та контурів хвороби незалежно від її форми. Актуальність дослідження обумовлена тим, що сучасні методи сегментації та локалізації захворювань широко використовуються для покращення точності та чіткості навчання нейронної мережі. Алгоритми дозволяють виявити та зафіксувати саме ту ділянку шкіри, яка потрібна для подачі до нейронної мережі. Мета роботи – розробити алгоритм сегментації та пошуку контурів, який зможе виявити та виділити локальну частину хвороби на зображенні шкіри, наданому користувачем. Алгоритм повинен бути точним і ефективним, незалежно від зовнішніх факторів зображення. У роботі продемонстровано застосування методів сегментації зображень, таких як сегментація за пороговим значенням, алгоритм морфологічної обробки та алгоритм watershed. Для експериментів було використано зображення атипової родимки з набору даних DermNet. Сегментація зображення виконувалась за допомогою бібліотеки Skimage, яка також включає в себе алгоритми пошуку контурів. За результатами поставлених експериментів, де всі алгоритми отримували одне і теж саме зображення, чіткість виявлення хвороби було продемонстровано за допомогою сегментації за методом watershed, котрий на відміну від інших зміг визначити локалізацію хвороби, чітко відокремити від загального зображення та помітно використати затухання, яке не перешкоджає подальшій колаборації з алгоритмом пошуку контурів. У результаті дослідження було встановлено, що даний метод є придатним для вирішення задач сегментації та обробки зображень в дерматології. Це пов'язано з тим, що він ефективно виділяє ділянки шкіри, уражені хворобою, і не вступає в конфлікт з алгоритмом локалізації контурів на базі бібліотеки Skimage при стандартних параметрах. Подальша робота полягає у подачі до загорткових нейронних мереж у тому вигляді, в котрому будуть оброблені зображення, дослідження поведінки алгоритмів мережі при різних зображень та виявлення точності при різних обробках.
Посилання
Haleem A., Javaid M., Singh R. P., and. Suman R. «Telemedicine for healthcare: Capabilities, features, barriers, and applications». Sensors International. Vol. 2. 2021. DOI: 10.1016/j.sintl.2021.100117.
Zhang C., «Smartphones and telemedicine for older people in China: Opportunities and challenges». Digital Health. Vol. 8. 2022. DOI: 10.1177/20552076221133695.
Allaert F.A., Legrand L., Abdoul Carime N., and Quantin C. «Will applications on smartphones allow a generalization of telemedicine?». BMC Medical Informatics and Decision Making, Vol. 20. № 1. 2020. DOI: 10.1186/s12911-020-1036-0.
Joseph S. and Olugbara O. O., «Preprocessing Effects on Performance of Skin Lesion Saliency Segmentation». Diagnostics, Vol. 12, № 2. Feb. 2022, DOI: 10.3390/diagnostics12020344.
Masoud Abdulhamid I.A., Sahiner A., and Rahebi J. «New Auxiliary Function with Properties in Nonsmooth Global Optimization for Melanoma Skin Cancer Segmentation». Biomed Res Int. Vol. 2020. DOI: 10.1155/2020/534592
Garg S. and Jindal B. «Skin Lesion Segmentation in Dermoscopy Imagery». International Arab Journal of Information Technology. Vol. 19. № 1. P. 29–37. Jan. 2022. DOI: 10.34028/iajit/19/1/4.
Wang H. et al. «Watershed segmentation of dermoscopy images using a watershed technique». Skin Research and Technology. 2010. Vol. 16. № 3. P. 378–384. DOI: 10.1111/j.1600-0846.2010.00445.x.
Moussaoui H., N. El Akkad, and Benslimane M. «A hybrid skin lesions segmentation approach based on image processing methods». Statistics, Optimization and Information Computing. Vol. 11. № 1. P. 95–105. DOI: 10.19139/soic-2310-5070-1549.
Shahabi F., Poorahangaryan F., Edalatpanah S. A., and Beheshti H. «A Multilevel Image Thresholding Approach Based on Crow Search Algorithm and Otsu Method». Int J Comput Intell Appl. 2020. Vol. 19. № 2. DOI: 10.1142/S1469026820500157.
Pitoy P. A. and Suputra I. P. G. H. «Dermoscopy Image Segmentation in Melanoma Skin Cancer using Otsu Thresholding Method». JELIKU (Jurnal Elektronik Ilmu Komputer Udayana). Vol. 9. № 3. P. 397. DOI: 10.24843/jlk.2021.v09. i03.p11.
Lumini A., L. Nanni A., Codogno A., and Berno F. «Learning morphological operators for skin detection». Journal of Artificial Intelligence and Systems. 2019. Vol. 1. № 1. DOI: 10.33969/ais.2019.11004.
Rew J., Kim H., and Hwang E. «Hybrid segmentation scheme for skin features extraction using dermoscopy images». Computers, Materials and Continua. 2021. Vol. 69. № 1. DOI: 10.32604/cmc.2021.017892.
Prabha Devi D. and Iniya Shree S. «Recognition and investigation of skin cancer using morphological operations». International Journal of Recent Technology and Engineering. 2019. Vol. 7. № 4.
Wang H. et al. «Modified watershed technique and post-processing for segmentation of skin lesions in dermoscopy images». Computerized Medical Imaging and Graphics. 2011. Vol. 35. № 2. DOI: 10.1016/j.compmedimag.2010.09.006.
Das A. and Ghoshal D. «Human Skin Region Segmentation Based on Chrominance Component Using Modified Watershed Algorithm». Procedia Computer Science. 2016. DOI: 10.1016/j.procs.2016.06.072.
Shalu and Kamboj A. «A Color-Based Approach for Melanoma Skin Cancer Detection». ICSCCC 2018 – 1st International Conference on Secure Cyber Computing and Communications. 2018. DOI: 10.1109/ICSCCC.2018.8703309.
Ashour A. S., Nagieb R. M., El-Khobby H. A., Abd Elnaby M. M., and Dey N. «Genetic algorithm-based initial contour optimization for skin lesion border detection» Multimed Tools Appl. Vol. 80. № 2. 2021. DOI: 10.1007/s11042-020-09792-8.