基于国人皮肤镜黑素细胞肿瘤图像的智能化分类与识别研究
目的：皮肤恶性黑素瘤(CMM)为皮肤首位致死性疾病。本研究建立国人皮肤黑素细胞肿瘤(MT)图像的智能化分类与识别方法,实现CMM的早期诊断。<br> 方法：采用偏振光皮肤镜成像技术,获取MT图像信息,采用自生成神经网络的自适应聚类分割与特征提取算法,定量分析MT的形状不对称(AY)、形状偏心率(EY)、边界凹陷率(BDR)、过渡区辐射不均匀度(URTA)、颜色多样性(CD)、纹理相关性(TC)六个特征,结合组合神经网络分类器法对MT的良、恶性进行分类与自动识别,并经组织病理验证与统计学分析。<br> 结果：在642幅MT图像中，良性占82.4%；恶性占17.6%； URTA、TC、BDR、CD的灵敏度达86.73-95.58%，特异度达97.3-100%表现较高；AY和EY灵敏度41.59-47.78%,特异度69.91-76.99%表现较低：经组合神经网络分类器对MT的良、恶性分类与识别，其准确率达93.65%；分类符合率经x检验均有显著性差异(x=4.51,p<0.05)。<br> 结论：偏振光皮肤镜图像分析技术，可无创性实现MT良、恶性特征分类与自动识别为解决国人CMM的早期诊断与智能化识别的瓶颈问题奠定了扎实的基础。
偏振光皮肤镜成像 图像分割 特征识别 组合神经网络分类 黑素细胞肿瘤
孟如松 孟晓 姜志国 刘玮 谢凤英 罗卫 郭广进 蔡瑞康
全军皮肤病研究所、空军总医院皮肤科,北京100142 首都医科大学,北京,100069 北京航空航天大学,北京,100083
国内会议
第八届全国生物医学体视学学术会议、第十一届全军军事病理学学术会议、第七届全军定量病理学学术会议
昆明
中文
34
2012-08-01（万方平台首次上网日期，不代表论文的发表时间）