The 14 reference contexts in paper V. Liauchuk A., V. Kovalev A., V. Barkaline V., U. Lazouski E., В. Левчук А., В. Ковалев А., В. Баркалин В., В. Лозовский Э. (2016) “КОМПЬЮТЕРИЗИРОВАННАЯ ДИАГНОСТИКА МЕЛАНОМЫ НА БАЗЕ ПОИСКА ПОХОЖИХ ДЕРМАТОСКОПИЧЕСКИХ ИЗОБРАЖЕНИЙ В БАЗЕ ДАННЫХ // CONTENT-BASE IMAGE RETRIEVAL AS A METHOD FOR COMPUTER-ASSISTED DIAGNOSIS OF MELANOMA BASED ON DERMOSCOPIC IMAGES” / spz:neicon:vestift:y:2016:i:2:p:86-91

  1. Start
    2796
    Prefix
    Заболеваемость меланомой у представителей белой расы ежегодно увеличивается на 5–10% и составляет в Европе примерно 11,3 на 100 тыс. населения. Согласно имеющимся статистическим данным, число случаев меланомы кожи удваивается примерно за каждые 10–20 лет
    Exact
    [1]
    Suffix
    . В Республике Беларусь заболеваемость меланомой кожи составляет 1–4% в общей структуре злокачественных новообразований человека. В настоящее время точность клинической диагностики первичных меланом кожи врачами общей практики в Республике Беларусь составляет 50–75%, что явно недостаточно для обеспечения эффективной диагностики и лечения заболевания.
    (check this in PDF content)

  2. Start
    3401
    Prefix
    В настоящее время достигнуты определенные успехи в области разработки компьютеризированных систем диагностики новообразований кожи, нацеленных на повышение точности клинической диагностики меланомы и уменьшение нагрузки на медицинский персонал
    Exact
    [2]
    Suffix
    . Следует отметить, что в основе большей части таких систем лежат сложные многошаговые процедуры анализа дерматоскопических снимков, включающие в себя алгоритмы предобработки изображений, выделения бликов и нахождения волос, сегментации новообразования, вычисления различных текстурных, цветовых, геометрических характеристик и определенных дерматологических критериев и т. д.
    (check this in PDF content)

  3. Start
    4216
    Prefix
    шаге, сами по себе могут быть достаточно сложными, каждый из них может иметь свои пороговые значения и управляющие параметры, от правильной настройки которых может существенно зависеть качество их работы. В результате данные программные диагностические решения становятся достаточно сложными, зависимыми от настроек аппаратуры и недостаточно надежными. Активно развивающаяся концепция Big Data
    Exact
    [3]
    Suffix
    предлагает альтернативные подходы к реше-Big Data [3] предлагает альтернативные подходы к реше- Data [3] предлагает альтернативные подходы к реше-Data [3] предлагает альтернативные подходы к реше- [3] предлагает альтернативные подходы к решению такого рода задач.
    (check this in PDF content)

  4. Start
    4270
    Prefix
    В результате данные программные диагностические решения становятся достаточно сложными, зависимыми от настроек аппаратуры и недостаточно надежными. Активно развивающаяся концепция Big Data [3] предлагает альтернативные подходы к реше-Big Data
    Exact
    [3]
    Suffix
    предлагает альтернативные подходы к реше- Data [3] предлагает альтернативные подходы к реше-Data [3] предлагает альтернативные подходы к реше- [3] предлагает альтернативные подходы к решению такого рода задач.
    (check this in PDF content)

  5. Start
    4321
    Prefix
    В результате данные программные диагностические решения становятся достаточно сложными, зависимыми от настроек аппаратуры и недостаточно надежными. Активно развивающаяся концепция Big Data [3] предлагает альтернативные подходы к реше-Big Data [3] предлагает альтернативные подходы к реше- Data
    Exact
    [3]
    Suffix
    предлагает альтернативные подходы к реше-Data [3] предлагает альтернативные подходы к реше- [3] предлагает альтернативные подходы к решению такого рода задач. Высказываются предположения, что при наличии подходящих методик анализа огромных массивов данных можно выделять полезные знания из объемных баз данных и использовать их «напрямую» для решения задач распознавания.
    (check this in PDF content)

  6. Start
    4371
    Prefix
    В результате данные программные диагностические решения становятся достаточно сложными, зависимыми от настроек аппаратуры и недостаточно надежными. Активно развивающаяся концепция Big Data [3] предлагает альтернативные подходы к реше-Big Data [3] предлагает альтернативные подходы к реше- Data [3] предлагает альтернативные подходы к реше-Data
    Exact
    [3]
    Suffix
    предлагает альтернативные подходы к реше- [3] предлагает альтернативные подходы к решению такого рода задач. Высказываются предположения, что при наличии подходящих методик анализа огромных массивов данных можно выделять полезные знания из объемных баз данных и использовать их «напрямую» для решения задач распознавания.
    (check this in PDF content)

  7. Start
    4417
    Prefix
    Активно развивающаяся концепция Big Data [3] предлагает альтернативные подходы к реше-Big Data [3] предлагает альтернативные подходы к реше- Data [3] предлагает альтернативные подходы к реше-Data [3] предлагает альтернативные подходы к реше-
    Exact
    [3]
    Suffix
    предлагает альтернативные подходы к решению такого рода задач. Высказываются предположения, что при наличии подходящих методик анализа огромных массивов данных можно выделять полезные знания из объемных баз данных и использовать их «напрямую» для решения задач распознавания.
    (check this in PDF content)

  8. Start
    5057
    Prefix
    Цель настоящей работы – сравнение традиционных методов диагностики меланомы с методом, основанным на сопоставлении входного снимка с образцами из базы данных с известными диагнозами. Используемая база дерматоскопических изображений. Для сравнения методов компьютеризированной диагностики меланомы использована свободно доступная база данных изображений PH²
    Exact
    [4]
    Suffix
    . Дерматоскопические изображения получены в отделении дерматологии госпиталя Педро Гиспано (г. Матосингос, Португалия). Все изображения получены в одинаковых условиях при помощи системы Tuebinger Mole Analyzer с оптическим увеличением 20.
    (check this in PDF content)

  9. Start
    6972
    Prefix
    Метод включает в себя ряд алгоритмов обработки изображений, выделения и описания структур. Рис. 1. Примеры дерматоскопических изображений базы данных РН2 Нахождение бликов и волос производилось при помощи алгоритмов, основанных на направленных гауссовых фильтрах
    Exact
    [5]
    Suffix
    . Удаление волос с изображения производилось при помощи алгоритмов закрашивания его выделенных участков. Процесс сегментации состоял из нескольких этапов: преобразование изображения из цветного в серое, удаление волос, размытие, бинаризация по адаптивному порогу.
    (check this in PDF content)

  10. Start
    10185
    Prefix
    Если относительный размер выбранного участка превышал заданный порог в 5,2%, то алгоритм отмечал присутствие области регресса. Точки и глобулы на изображениях находились также при помощи подхода, основанного на практически тех же фильтрах
    Exact
    [5]
    Suffix
    , как и в случае с выделением волос. Метод выделения точек/ глобул отличался использованием только изотропных (ненаправленных) фильтров. Пигментные сети детектировались и описывались при помощи многоступенчатой процедуры [6], включающей в себя алгоритмы выделения границ, бинарные операции, алгоритмы выдеРис. 2.
    (check this in PDF content)

  11. Start
    10409
    Prefix
    Точки и глобулы на изображениях находились также при помощи подхода, основанного на практически тех же фильтрах [5], как и в случае с выделением волос. Метод выделения точек/ глобул отличался использованием только изотропных (ненаправленных) фильтров. Пигментные сети детектировались и описывались при помощи многоступенчатой процедуры
    Exact
    [6]
    Suffix
    , включающей в себя алгоритмы выделения границ, бинарные операции, алгоритмы выдеРис. 2. Сегментация новообразования: а – исходный снимок; б – серое изображение; в – удаление волос; г – размытие; д – бинаризация по порогу; е – результат сегментации ления и описания графов.
    (check this in PDF content)

  12. Start
    10768
    Prefix
    Сегментация новообразования: а – исходный снимок; б – серое изображение; в – удаление волос; г – размытие; д – бинаризация по порогу; е – результат сегментации ления и описания графов. Радиальная лучистость определялась при помощи схожих методов, представленных в
    Exact
    [7]
    Suffix
    . Для автоматического распознавания меланомы использовался классификатор логистической регрессии (Logistic Regression), где предикторами являлись описанные выше характеристики но-Logistic Regression), где предикторами являлись описанные выше характеристики но- Regression), где предикторами являлись описанные выше характеристики но-Regression), где предикторами являлись описанные выше характеристи
    (check this in PDF content)

  13. Start
    13173
    Prefix
    Подсчет количества M случаев меланомы среди N выбранных изображений. Величина М используется для оценки вероятности меланомы анализируемого новообразования. В качестве дескрипторов использованы матрицы совместной встречаемости типа «цвет– цвет–рассояние»
    Exact
    [8]
    Suffix
    . Для численной оценки визуальной близости изображений применялась метрика городских кварталов L1, представляющая собой нормированную сумму разностей эле-L1, представляющая собой нормированную сумму разностей эле-1, представляющая собой нормированную сумму разностей элементов матриц совместной встречаемости двух изображений.
    (check this in PDF content)

  14. Start
    16251
    Prefix
    Программа выполняет функции обработки и описания входного изображения, поиска визуально похожих изображений в базе данных, оценки значений дерматологических критериев, оценки вероятности меланомы. В качестве базы данных изображений новообразований с известными диагнозами использовалась база РН2. Онлайн-версия программы доступна по адресу
    Exact
    [9]
    Suffix
    . Заключение. Представленные в работе экспериментальные результаты, полученные на тестовой базе из 200 дерматоскопических изображений, позволяют сделать следующие выводы. Метод компьютеризированной диагностики меланомы кожи на базе поиска похожих дерматоскопических изображений позволяет достичь точности распознавания меланомы, сравнимой с точностью распознавания классическим методом, основанным
    (check this in PDF content)