Lista przedmiotów z materiałami udostępnionymi dla studentów

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

Joanna Kacperek

Segmentacja i klasyfikacja znamion skórnych na obrazach dermatoskopowych


Lesion segmentation and classification in dermatoscopic images


Opiekun pracy dyplomowej: dr inż. Aleksandra Królak
Praca dyplomowa inżynierska obroniona 2019-02-14
Streszczenie pracy dyplomowej:
Celem niniejszej pracy było opracowanie i zaimplementowanie algorytmu do segmentacji znamion skórnych w obrazach dermatoskopowych oraz przeprowadzenie klasyfikacji. Projekt skupia się na analizie nowotworu złośliwego skóry, czerniaku, którego zdjęcia zostały uzyskane z ogólnodostępnej bazy ISIC. Na początku, został opracowany algorytm, zaimplementowany w języku programowania Python, który służy do przeprowadzenia segmentacji na obrazach dermatoskopowych. Obrazy znamion, będące danymi wejściowymi dla tego algorytmu, były poddawane rozdzieleniu na poszczególne kanały kolorów: R, G oraz B. Dalsze operacje były przeprowadzone na jednym kanale – niebieskim. Mając wydzielony obraz, zastosowane zostało progowanie, którego wyniki były poprawione używając operacji morfologicznych: dylatacji, erozji, otwarcia oraz domknięcia. Następnie, w oparciu o wydzielony fragment obrazu przedstawiający znamię, mogła zostać określona jego charakterystyka, bazując na charakterystycznych cechach czerniaka, którymi są asymetria, nieregularne brzegi oraz kolor. Wartościami, które musiały być uprzednio wyznaczone były centroid oraz kontury. Wykorzystując je, zostały ustalone końcowe współczynniki cech znamion. Dane zebrane na podstawie obliczeń algorytmu zostały poddane klasyfikacji z wykorzystaniem algorytmu najbliższej średniej. Końcowy wynik, sprawdzony przy użyciu tablicy pomyłek, wykazał stuprocentową skuteczność zaproponowanego rozwiązania. Słowa kluczowe: segmentacja obrazu, klasyfikacja, czerniak, przetwarzanie obrazów, Python, algorytm najbliższej średniej, tablica pomyłek.
Abstract:
The aim of this thesis was development and implementation of the algorithm for segmentation of lesions in dermatoscopic images, as well as the classification. The project was focused on melanoma marks in dermatoscopic images which were obtained from public ISIC database. First, the algorithm in Python programming language was developed which was used to process the images and perform segmentation. The images were first split into three separate channels: R, G and B. Further manipulating was conducted only on B (blue) channel. At the beginning, thresholding was applied which result was next improved by morphological operations (erosion, dilation, opening and closing). Then, based on separated lesion, its characteristic was establish. It was based on three popular features of melanoma marks which are: asymmetry, border irregularity and color. In order to calculate these features, first, a centroid and a contour of lesion were defined. Using those parameters, final coefficients were calculated. This data collected from the algorithm was then subjected to classification using Nearest Mean classifier. This technique resulted in 100% correctness which was additionally examined by application of confusion matrix. Keywords: image segmentation, classification, melanoma, image processing, Python, Nearest Mean classifier, confusion matrix.