Lista przedmiotów z materiałami udostępnionymi dla studentów

Dla_studentów
  • Increase font size
  • Default font size
  • Decrease font size

Anna Strokowska

Wyjrywanie siatki typowej i atypowej na obrazach znamion skórnych


Detection of typical and atypical network in the images of skin moles


Opiekun pracy dyplomowej: dr inż. Aleksandra Królak
Dodatkowy opiekun pracy dyplomowej: mgr inż. Karol Kropidłowski

Praca dyplomowa magisterska obroniona 2018-09-13
Streszczenie pracy dyplomowej:
Celem niniejszej pracy magisterskiej było zaprojektowanie systemu pozwalającego na rozpoznawanie siatki typowej i atypowej na obrazach znamion skórnych. Praca została podzielona na dwie części - teoretyczną oraz praktyczną. Pierwsza część pracy opisuje kluczowe zagadnienia związane z czerniakiem - jego rodzaje oraz objawy, które mogą świadczyć, że analizowana zmiana jest rakiem skóry. W drugiej części pracy zostały opisane dotychczas opracowane systemy detekcji czerniaków, metodologia pomiarów, metody przetwarzania otrzymanych obrazów oraz opis zaprojektowanego systemu. Klasyfikacja została przeprowadzona przy użyciu naiwnego klasyfikatora Bayesa oraz liniowej analizy dyskryminacyjnej LDA. Test zaprojektowanego systemu wykazał, że siatka barwnikowa została rozpoznana poprawnie w 91% przypadkach przy użyciu 2 parametrów do klasyfikacji, oraz 95% przy zastosowaniu 3 parametrów dyskryminujących. Aby osiągnąć zamierzenia pracy napisane zostały programy w języku Python umożliwiające analizę otrzymanych obrazów znamion oraz przeprowadzono klasyfikację przy użyciu oprogramowania MaZda. Słowa kluczowe: czerniak, przetwarzanie obrazów, typowa siatka barwnikowa, atypowa siatka barwnikowa, 7-punktowa lista kontrolna.
Abstract:
The purpose of this thesis was to develop a system enabling detection of typical and atypical pigment network on the lesions images. The dissertation was divided into two parts- theoretical and practical. The first part of the thesis includes basic knowledge about malignant melanoma - its types and symptoms indicating that lesion could be a skin cancer. It also covers detection and treatment methods of the malignant melanoma. The second part of the dissertation contains information about already developed melanoma diagnosis systems, methodology of image acquisition, methods used for image processing and description of the designed system. The classification part of the system was based on Naive Bayes Classifier and Linear Discriminant Analysis LDA. The achieved result for analyzed images was 91% correctly detected pigmentation networks using 2 parameters and 95% when using 3 parameters for classification. The main purpose of this thesis was accomplished using scripts developed with Python programming language and MaZda software. Keywords: malignant melanoma, image processing, typical pigment network, atypical pigment network, 7-point checklist.