کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
10361299 870090 2015 13 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Automated analysis and diagnosis of skin melanoma on whole slide histopathological images
ترجمه فارسی عنوان
تجزیه و تحلیل خودکار و تشخیص ملانوم پوست در تصاویر کلی هیستوپاتولوژیک اسلاید
کلمات کلیدی
تجزیه و تحلیل تصویر هیستوپاتولوژیک، تشخیص شی، تجزیه و تحلیل تصویر، سرطان پوست، ملانوما،
ترجمه چکیده
ملانوما نوع پرخطر سرطان پوست است و معاینه پاتولوژیک همچنان استاندارد طلایی برای تشخیص نهایی است. به طور سنتی، اسلایدهای هیستوپاتولوژی تحت میکروسکوپ توسط متخصصین آسیب شناسی مورد بررسی قرار می گیرند که معمولا منجر به تغییرات درونی و بیننده می شود. علاوه بر این، زمان کشیدن و خسته کننده برای تجزیه و تحلیل اسلایلی شیشه ای دستی است. در این مقاله، یک روش کارآمد برای تجزیه و تحلیل خودکار و تشخیص کل تصویر اسلاید پوست پیشنهاد می کنیم. تکنیک پیشنهادی شامل پنج ماژول است: تقسیم بندی اپیدرم، تقسیم کراتینوسیت ها، تشخیص ملانوسیت ها، ساخت و ساز و طبقه بندی ویژگی. از آنجایی که اپیدرم، کراتینوسیت ها و ملانوسیت ها نشانه های مهم برای پاتولوژیست ها هستند، این مناطق ابتدا تقسیم می شوند. براساس مناطق متفرقه مورد علاقه، توزیع فضایی و ویژگی های مورفولوژیکی ساخته می شوند. این ویژگی ها، نشان دهنده یک بافت پوستی است که توسط کلاس طبقه بندی کننده برنده پشتیبانی چند طبقه طبقه بندی می شود. نتایج تجربی نشان می دهد که روش پیشنهادی قادر به ارائه یک عملکرد رضایت بخش است (با دقت طبقه بندی حدود 90٪) و قادر به کمک آسیب شناس برای تجزیه و تحلیل بافت پوست و تشخیص است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر چشم انداز کامپیوتر و تشخیص الگو
پیش نمایش مقاله
تجزیه و تحلیل خودکار و تشخیص ملانوم پوست در تصاویر کلی هیستوپاتولوژیک اسلاید
چکیده انگلیسی
Melanoma is the most aggressive type of skin cancer, and the pathological examination remains the gold standard for the final diagnosis. Traditionally, the histopathology slides are examined under a microscope by pathologists which typically leads to inter- and intra-observer variations. In addition, it is time consuming and tedious to analyze a whole glass slide manually. In this paper, we propose an efficient technique for automated analysis and diagnosis of the skin whole slide image. The proposed technique consists of five modules: epidermis segmentation, keratinocytes segmentation, melanocytes detection, feature construction and classification. Since the epidermis, keratinocytes and melanocytes are important cues for the pathologists, these regions are first segmented. Based on the segmented regions of interest, the spatial distribution and morphological features are constructed. These features, representing a skin tissue, are classified by a multi-class support vector machine classifier. Experimental results show that the proposed technique is able to provide a satisfactory performance (with about 90% classification accuracy) and is able to assist the pathologist for the skin tissue analysis and diagnosis.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Pattern Recognition - Volume 48, Issue 8, August 2015, Pages 2738-2750
نویسندگان
, ,