基于多尺度局部分形维的黑色素瘤轮廓不规则性描述方法

黑色素瘤轮廓的不规则性是区别于良性皮肤痣的重要临床特征之一,研究皮肤肿瘤轮廓的不规则性描述对黑色素瘤计算机辅助早期诊断和治疗具有重要意义。传统分形维(FD)利用自相似度量表示轮廓的不规则性,但作为全局特征,分类能力较弱。为了探索新的多尺度下轮廓不规则程度的描述方法。提出了高斯滤波和局部分形维相结合的度量模型:两种新的轮廓结构不规则性度量和多尺度下轮廓不规则性特征描述。后者优点在于提供了图像空间不同尺度下轮廓不规则性度量的特征簇。实验分析表明,该轮廓不规则性描述子不仅增强了轮廓复杂性的细节表述,而且不同尺度提取的轮廓不规则度统计特征可有效甄别黑色素瘤和良性皮肤肿瘤。

基于局部分形维的黑色素瘤轮廓不对称性和不规则性分析

针对计算机辅助早期诊断黑色素瘤中皮肤肿瘤轮廓的结构不规则性和不对称性检测问题,本研究提出了多尺度局部分形维算法。在不断去除轮廓纹理不规则部分的同时提取多尺度下轮廓不规则程度的特征量,建立了具有重要诊断意义的结构不规则性度量的新方法;同时提出基于局部分形维描述轮廓不对称的特征度量。试验表明所提取的特征较全局分形维和基于轮廓空间不规则性度量的方法在多尺度上具有显著的不规则性信息;轮廓不对称度量使用局部分形维能显著地表现出黑色素瘤轮廓的不对称程度,可提供多种不对称信息描述,增强了基于轮廓不规则性和不对称性特征鉴别黑色素瘤的能力。

黑色素瘤表面不均匀性的轮廓描述与分析

为解决皮肤肿瘤表面不均匀性的度量问题,构建一种肿瘤表面灰度不均匀性的虚拟轮廓描述模型。提出虚拟轮廓不规则性和不对称性描述子,将肿瘤表面2D灰度分布的不均匀性转换为虚拟轮廓的不规则性,提取虚拟轮廓的不规则性和不对称性特征,依据Hausdorff距离进行特征选择和融合,实现基于虚拟轮廓不规则性和不对称性的肿瘤表面不均匀性分类。实验结果表明,该模型能实现数据降维,提高分类准确率。

基于小波分析的皮肤肿瘤轮廓结构不规则特征分类器设计

皮肤肿瘤轮廓的结构不规则性对黑色素瘤临床早期诊断具有重要意义。针对皮肤肿瘤轮廓结构不规则性度量和特征分类器设计问题,提出了一种基于小波子带分析的轮廓结构分量获取及多尺度特征神经网络分类器构建方法。利用肿瘤轮廓小波子带能量的Hausdorff距离寻找显著性小波子带,进而重构肿瘤轮廓的结构分量;给出基于显著性小波子带的轮廓多尺度结构不规则特征描述——基于统计和几何的轮廓结构不规则性度量。对单尺度/多尺度、小样本/大样本,以及特征选择前后神经网络分类器性能进行了实验。结果表明,在小样本情况下,基于显著性小波子带多尺度特征描述扩展了样本的特征空间维数,使得特征选择后分类器的灵敏度和特异度指标分别等于和优于大样本分类器。