Эксперты по раку кожи скоро смогут воспользоваться улучшенным способом выявления и выявления повреждений благодаря усовершенствованному инструменту сегментации изображений, разработанному компьютерными учеными из Лондонского университета Брунеля.
Злокачественная меланома – одна из самых смертельных форм рака кожи, которая стала более распространенной, особенно среди светлокожих людей, находящихся на солнце. В Великобритании это пятый по распространенности рак, и с начала 1990-х годов уровень заболеваемости увеличился на 119%. Раннее выявление меланомы необходимо для увеличения выживаемости.
Получение лучшего изображения
Определение границ очагов меланомы – важный шаг для дерматологов, которым нужен точный способ постановки правильного клинического диагноза и обеспечение правильного лечения нужной области.
Но определение этих границ может быть трудоемкой, субъективной и сложной задачей. Поражения сильно различаются по размеру и цвету, а контраст между ними и окружающей здоровой кожей может быть низким, особенно на ранних стадиях. Изображения поражений часто дополнительно усложняются наличием таких артефактов, как волосы, блики, масла и пузырьки воздуха.
Таким образом, дерматологам уже давно помогают компьютеры, использующие методы сегментации изображений, чтобы сортировать пиксели изображений поражения по группам, которые имеют схожие характеристики, такие как текстура, цвет и форма.
Многомерное моделирование
Халид Эльтаеф из Brunel, Юнмин Ли и Сяохуй Лю разработали полностью автоматизированный двухэтапный метод обнаружения границ меланомы, который является более точным, чем все предыдущие методы.
Во-первых, волосы и другие артефакты на изображениях обнаруживаются и удаляются с помощью направленных фильтров и методов рисования изображений, которые используют информацию из областей, окружающих артефакты.
Затем границы очерчиваются с помощью комбинации двух сложных абстрактных методов.
В Оптимизации роя частиц (PSO) возможные решения для всего изображения моделируются как рой частиц в многомерном пространстве – например, рассеянные шарики над моделью горного хребта – и проверяются и корректируются с помощью математических функций до тех пор, пока не будет получен общий глобальный результат. решение рекомендуется.
PSO использовался и в других методах, но имеет некоторые недостатки, которые можно уменьшить, комбинируя его с методом случайного поля Маркова, который оптимизирует кластеры пикселей и помогает минимизировать энергетические функции.
Повышенная точность
Метод команды Брунеля был протестирован на стандартном наборе из 200 дерматоскопических изображений, а результаты были сопоставлены с семью ведущими альтернативными методами и «основной истиной»: диагнозами, поставленными дерматологом.
Предложенный метод обеспечивает точность 95%, чувствительность 94% и специфичность 98% – лучше, чем все альтернативные методы, и, таким образом, снижает вероятность ложных или пропущенных диагнозов.
Г-н Эльтаеф прокомментировал: "Наш эффективный и надежный метод может помочь дерматологам поставить более точный диагноз, причем быстро и точно. После того, как код будет загружен в машины дерматоскопии, метод расширит возможности этих врачей – и, следовательно, результаты лечения пациентов с раком кожи."