APP下载

基于超像素和密度聚类算法的皮肤镜图像分割

2020-06-16赵晓梅刘兆邦张正平陆千琦

计算机技术与发展 2020年6期
关键词:区域

赵晓梅,刘兆邦,张正平,谢 璟,陆千琦*

(1.贵州大学 大数据与信息工程学院,贵州 贵阳 550025;2.中国科学院 苏州生物医学工程技术研究所,江苏 苏州 215163;3.温州市人民医院,浙江 温州 325699)

0 引 言

皮肤病是人类中很常见的一种病症,种类繁多,其中属恶性黑色素瘤最为危险,最易导致皮肤癌死亡率上升。皮肤镜是一种检测皮肤病变的非侵入性成像方法,使皮损的亚表面结构更容易被分析,然而,研究表明,皮肤镜检查实际上可能会降低缺乏经验的皮肤科医生的诊断准确性。因此,为了最大化降低由人类主观性引发的诊断错误,科研工作者将近几年飞速发展的计算机图像分析技术和皮肤镜检查融为一体,形成了自动皮肤镜图像分析技术。该技术一般分为3个步骤,分别为图像分割、特征提取和病变分类,其中分割对于图像分析尤为重要,因为它会影响后续步骤的准确性。目前为止,已经开发了许多方法用于皮肤损伤的自动分割,但是由于病变与周围皮肤之间的对比度低、头发和气泡等干扰性因素、病变区域与背景区域的复杂性等原因,导致皮肤镜图像分割仍然是一项艰巨的任务。

皮损分割方法可大致分为基于区域的,基于边缘的和基于阈值的分割算法。基于阈值的方法如文献[1-3],这类方法通常根据图像的直方图选取一个合适的阈值进行分割,但由于大多数皮肤镜图像的皮损区域和背景区域并没有明显分界线,其直方图存在多个峰值,导致阈值分割算法并不适用于皮肤镜图像分割。……

登录APP查看全文

猜你喜欢

区域
分割区域
探寻区域创新的密码
基于BM3D的复杂纹理区域图像去噪
小区域、大发展
论“戎”的活动区域
区域经济
关于四色猜想
分区域
公司治理与技术创新:分区域比较
基于严重区域的多PCC点暂降频次估计