Изобретение относится к области медицины и компьютерным технологиям и может быть использовано для ранней диагностики меланомы кожи.
Из уровня техники известен способ распознавания пигментных новообразований кожи, описанный в патенте RU 2712919, опубл. 03.02.2020. В известном способе обеспечивают оценку степени злокачественности новообразования путем получения цветного изображения с поверхности кожи и последующим выделением фрагментов структур, таких как линии, круги, комки, точки, сетчатость, посредствам анализа областей полученного изображения на основе сканирования строк, пороговых и бинарных операций, после чего проводят процедуру распознавания фрагментов структур путем сравнения с эталонами для установления типа фрагмента структуры, затем на основе пространственно-яркостного распределения во фрагменте структуры, проводится измерение характеристик, а также морфологических характеристик по фрагменту структуры, на основе полученных измерений формируют числовые вектора признаков для проведения классификации структур и устанавливают количественные оценки степени злокачественности новообразования кожи с последующим принятием клинических решений и адекватного подбора терапевтических схем лечения у пациентов с меланомой кожи.
Данный способ был принят в качестве прототипа.
Его недостатком является сложность работы предлагаемой методики распознавания пигментных новообразований кожи.
Технический результат заключается в повышении точности диагностирования меланомы и упрощении методики ранней диагностики меланомы.
Заявленный результат достигается тем, что предлагается способ дерматоскопической диагностики меланомы кожи, включающий получение цветного изображения кожи, содержащей новообразование, с помощью дерматоскопа, обработку изображения и последующим выделением на нем фрагментов структур, таких как линии, круги, комки, точки, сетчатость, посредством анализа областей полученного изображения на основе сканирования строк, пороговых и бинарных операций, при этом определяют покрывающие области, охватывающие выделенные фрагменты структур, а на участках кожи, свободных от покрывающих областей, строят квадраты с максимально возможными размерами, которые не пересекаются с указанными покрывающими областями, определяют приграничную зону новообразования и на основе расположения квадратов в приграничной зоне диагностируют о наличии меланомы.
Предложенный способ оценивает только границы новообразования на присутствие структур из построенных квадратов, что позволяет судить о доброкачественности новообразования - если в зоне, которая находится рядом с границей, присутствует четкая структура из построенных квадратов, то это говорит, что данный участок кожи имеет доброкачественное новообразование, а наличие пограничных разрывов и элементов, не схожих с квадратами, свидетельствует о злокачественности заболевания. При таком подходе существенно ускоряется анализ изображения и облегчается диагностика новообразования.
При выполнении диагностики не требуется подключения к базам данных, содержащих диагностированные ранее доброкачественные и злокачественные новообразования.
Предлагаемое изобретение поясняется фигурой, на которой изображены результаты диагностики трех новообразований на наличие меланомы. На вариантах А и С присутствует злокачественное образование (меланома), а на варианте В - доброкачественное.
Далее приведено подробное описание предлагаемого изобретения.
Изобретение может быть реализовано в виде программного обеспечения, устанавливаемого на АРМ медицинского работника.
В одном из вариантов заявленного способа ранней диагностики меланомы кожи может осуществляться следующим образом.
Выполняют запуск программного обеспечения и загружают в программу полученное, например с помощью дерматоскопа, изображение новообразования кожи. Далее изображение направляется в блок предобработки изображения, блок обработки изображения, блок анализа изображение и блок показа результата работы.
Блок предобработки изображения принимает загруженное изображение. Задача данного блока улучшить качество входного изображения и минимизировать влияние шумов и помех, которые могли возникнуть, которые могли появиться в процессе создания изображения. Для этого в блоке реализовано два варианта работы:
Автоматический – для простых пользователей.
Ручной – для продвинутых пользователей.
Выбор производится с помощью пользовательского интерфейса.
Для улучшения качества изображения доступны 3 модуля:
- фильтр улучшения четкости
- медианная фильтрация
- фильтр эрозии и наращивания.
Разница автоматической и ручной обработки - в необходимости указывать в ручном режиме для медианного фильтра значение матрицы обработки (Матрица NxN), и фильтры эрозии и наращивания выполнены с возможностью позволять пользователю корректировать значения матрицы обработки.
В случае автоматического применения способа используются автоматически три модуля со стандартными параметрами для медианной фильтрации N=3, для эрозии и наращивания N=5. Данные параметры выбраны как самые стандартные и имеющие, в большинстве случаев, оптимальный результат.
При этом, в случае автоматической обработки, они выполняются в последовательности: медианный фильтр, фильтр эрозии и наращивания, фильтр улучшения четкости. В ручном режиме выбор очередности исполнения фильтров остается за пользователем.
Полученный результат выводится в качестве обработанного изображения в интерфейс пользователя.
Блок обработки изображения принимает загруженное изображение, прошедшее предобработку в блоке предобработки изображения. Данный блок содержит два подмодуля которые выполняются в этом блоке, они выполняются всегда в таком порядке, в независимости от режима работы:
- Модуль выделения границ новообразования;
- Модуль выделения структурных элементов.
В модуле выделения границ новообразования происходит выделение границ новообразования. Данный блок также разделен на два метода - автоматический и ручной.
Автоматический метод имеет в основе метод Кэнни для выделения границ.
В модуле ручного, есть ползунок бинаризации, изменяя положение которого, изменяется характер преобразования изображения в черно-белый (в режиме реального времени в рабочей зоне отображения полученного изображения). Для последующего сглаживания границ также добавлен медианный фильтр с возможностью выбора матрицы. После того как пользователя устраивает заданный порог, можно нажимать выделение границ, и тогда все найденные граничные пиксели будут переданы в цветное изображение и окрашены в голубой цвет.
В случае автоматического режима достаточно просто нажать кнопку и на экране отобразится изображение с выделенными границами.
Модуль выделения структурных элементов содержит выделение характерных структурных элементов. Его использование после выделения границ обусловлено тем, что структурные элементы ищутся только на самом новообразовании, а не на всем изображении. Это влияет на быстродействие и правильность работы модуля выделения структурных элементов. Выделяемые характерные структурные элементы:
- Точки;
- Глобулы;
- Линии;
- Круги.
Порядок выделения данных элементов не является принципиальным, и они могут выделяться в любом порядке, так как в результате работы в любом случае все зоны, отнесенные к этим элементам, будут закрашены контрастным цветом на изображении. В данном случае нет автоматического режима. Все параметры либо требуют ввода либо могут быть изменены от стандартных. В патенте RU 2712919 описан процесс выделения данных элементов посредством анализа областей полученного изображения на основе сканирования строк, пороговых и бинарных операций.
В блок анализа изображения передается изображение, на котором были выделены границы новообразования и все характерные структурные элементы. Цель данного блока попытаться построить максимально возможное количество квадратов заданного размера. После того как было получено изображение с закрашенными характерными элементами, по всей области новообразования пытаемся построить квадрат по принципу: рассматриваем каждый пиксель как потенциальный центр квадрата и от него движемся по нарастающей до размера квадрата в направлениях: вверх, влево, вправо, вниз. Рассматриваем каждый, пиксель который может принадлежать квадрату по его размеру, если в данной точке области не закрашены контрастным цветом (отсутствуют структурные элементы) и удовлетворяет дополнительным условиям, то закрашиваем данный пиксель как то, что принадлежит квадрату, если в данной области не выполнено какое-то из условия, то данный пиксель оставляем как есть и исследуем окрестность данного пикселя до тех пор либо пока не кончится размер построения квадрата либо не будет найден пиксель, который строится как элемент квадрата, где он принадлежит области квадрата, и так по всей площади квадрата.
Размер квадрата стандартный, размер может задаваться пользователем с интерфейса.
Помимо этого, ключевой особенностью является наличие дополнительного условия по значению цвета и по яркости. То есть, помимо того, что мы смотрим, что пиксель относится к характерным структурным элементам, мы также создаем дополнительные условия на цвет и яркость.
Данное условие является двухэтапным:
Этап 1. Проверяются значения цвета и яркости (для яркости также задается дополнительный параметр «порога», который суммируется с яркостью) в потенциальном центре квадрата с окрестностью, если значение меньше, чем в центре, то мы можем использовать эту точку как центр. Порог яркости задается пользователем.
Этап 2. Проверка дополнительного условия на цвет и яркость. В данном случае задаем определенные цвета и яркость для данного условия и, если условия в каждой точке выполнены, то данную точку мы можем считать, как точку, принадлежащую квадрату, если условия не выполнены, то данную точку не берем как верную точку для области построения квадрата.
Условия по цвету R<60 G<45 B<45
Яркость данного пикселя меньше либо равна яркости в центре квадрата.
Условие проверяется по цветовым схемам RGB и HSV. Если значение меньше установленных, то точка удовлетворяет условиям, если не удовлетворяет - то нет.
Блок показа результатов полученного изображения.
Полученное изображение после вывода всех предыдущих элементов имеет ряд зон, раскрашенных контрастными цветами для характерных структурных элементов и для построенных квадратов или того, что получилось построить вместо них. Это неудобно для восприятия. Поэтому полученное изображение на выходе из блока анализа изображения дорабатывается. На вход в данный блок подается обработанное раскрашенное изображение.
На нем ищем координаты пикселей, раскрашенные характерными цветами для квадратов и структурных элементов. Для структурных элементов найденные координаты передаем в оригинальное изображение, считываем там значения цветов, яркости для этого пикселя и возвращаем в раскрашенное изображение, по тем же координатам, записывая полученные цвета и яркость из оригинального изображения. Тем самым восстанавливаем пиксель, как он был на изначальном изображении. Для квадратов сначала очерчиваем зону, выделенную характерным цветом для квадратов, другим цветом, тем самым получая границы построенных квадратов (фигур) на изображении. После получения границ восстанавливаем внутренние цвета выделенных зон (квадратов и прочих фигур). На выходе получаем изображении, на котором выделена граница новообразования и граница построенных квадратов или других фигур, которые можно было построить в данном месте.
В различных версиях применения программного обеспечения, реализующего предложенный метод диагностики меланомы, возможен вариант работы без наличия блока предобработки изображения.
При тестировании заявленного способа был проведен анализ выборки из 118 изображений, у которой имелось 42 немеланомных и 76 меланомных случаев новообразований. На основе тестирования этой выборки предложенным методом точность составила 93%. Таким образом, применение изобретения подтверждает работоспособность при постановке диагноза.
Примеры конечного вида изображения после прохождения блока показа результатов показаны на фигуре (варианты А, В и С). На варианте В красным выделены зоны, где квадраты имеют более четкую структуру, соответственно эти зоны характерны для немеланом, так как на данном изображении доброкачественное новообразованное. Для остальных двух вариантов красным выделена плохая зона, синим - приемлемая зона, но, в целом, оба новообразования (А и С) злокачественные.
название | год | авторы | номер документа |
---|---|---|---|
Способ распознавания пигментных новообразований кожи | 2018 |
|
RU2712919C1 |
СПОСОБ ДИАГНОСТИКИ МЕЛАНОМЫ КОЖИ | 2021 |
|
RU2780367C1 |
СПОСОБ РАННЕЙ ДИАГНОСТИКИ ПОВЕРХНОСТНО РАСПРОСТРАНЯЮЩИХСЯ МЕЛАНОМ | 2019 |
|
RU2716811C1 |
Система диагностики злокачественных и доброкачественных новообразований кожи | 2022 |
|
RU2814539C1 |
СПОСОБ ДИФФЕРЕНЦИАЛЬНОЙ ДИАГНОСТИКИ ДОБРОКАЧЕСТВЕННЫХ И ЗЛОКАЧЕСТВЕННЫХ БЕСПИГМЕНТНЫХ НОВООБРАЗОВАНИЙ КОЖИ | 2012 |
|
RU2518350C2 |
Способ автоматизированной дистанционной диагностики новообразования кожи | 2022 |
|
RU2817636C1 |
СПОСОБ НЕИНВАЗИВНОЙ ДИАГНОСТИКИ ПИГМЕНТНЫХ ОБРАЗОВАНИЙ КОЖИ | 2021 |
|
RU2773093C1 |
Способ диагностики рака легкого на основе интеллектуального анализа формы, внутренней и внешней структур новообразований | 2018 |
|
RU2694476C1 |
СПОСОБ ДИФФЕРЕНЦИАЛЬНОЙ ДИАГНОСТИКИ ЗЛОКАЧЕСТВЕННЫХ И ДОБРОКАЧЕСТВЕННЫХ БЕСПИГМЕНТНЫХ ОПУХОЛЕЙ КОЖИ | 2008 |
|
RU2392846C1 |
СПОСОБ ДИФФЕРЕНЦИАЛЬНОЙ ДИАГНОСТИКИ МЕЛАНОЦИТАРНЫХ НОВООБРАЗОВАНИЙ КОЖИ | 2012 |
|
RU2496417C1 |
Изобретение относится к области медицины, а именно к дерматологии и онкологии, и может быть использовано для дерматоскопической диагностики новообразования кожи. Получают цветное изображение кожи, содержащей новообразование, с помощью дерматоскопа. Обрабатывают изображение и выделяют на нем фрагменты структур, таких как линии, круги, комки, точки, сетчатость, посредством анализа областей полученного изображения на основе сканирования строк, пороговых и бинарных операций. Определяют границы новообразования и покрывающие области, охватывающие выделенные фрагменты структур, а на участках кожи, свободных от покрывающих областей, строят квадраты с размерами, которые не пересекаются с указанными покрывающими областями. Если на границе новообразования присутствуют структуры из построенных квадратов, то это говорит о доброкачественности новообразования, а наличие пограничных разрывов и элементов, не схожих с квадратами, свидетельствует о злокачественности новообразования. Способ обеспечивает повышение точности диагностирования меланомы и упрощения методики ранней диагностики меланомы за счет анализа изображения новообразования. 1 з.п. ф-лы, 1 ил., 3 пр.
1. Способ дерматоскопической диагностики новообразования кожи, включающий получение цветного изображения кожи, содержащей новообразование, с помощью дерматоскопа, обработку изображения с последующим выделением на нем фрагментов структур, таких как линии, круги, комки, точки, сетчатость, посредством анализа областей полученного изображения на основе сканирования строк, пороговых и бинарных операций, отличающийся тем, что определяют границы новообразования и покрывающие области, охватывающие выделенные фрагменты структур, а на участках кожи, свободных от покрывающих областей, строят квадраты с размерами, которые не пересекаются с указанными покрывающими областями, и если на границе новообразования присутствуют структуры из построенных квадратов, то это говорит о доброкачественности новообразования, а наличие пограничных разрывов и элементов, не схожих с квадратами, свидетельствует о злокачественности новообразования.
2. Способ по п. 1, отличающийся тем, что выполняют построение квадрата, если его центр имеет значение яркости больше, чем любая другая точка, входящая в область построения квадрата.
Способ распознавания пигментных новообразований кожи | 2018 |
|
RU2712919C1 |
US 7689016 В2, 30.03.2010 | |||
US 8543519 B2, 24.09.2013 | |||
US 10499845 B2, 10.12.2019 | |||
US 10593040 B2, 17.03.2020 | |||
SARAVANAN S | |||
et al | |||
Skin cancer detection using dermoscope images | |||
Materials Today: Proceedings | |||
Способ восстановления спиралей из вольфрамовой проволоки для электрических ламп накаливания, наполненных газом | 1924 |
|
SU2020A1 |
Способ образования окрасок на волокнах | 1925 |
|
SU4823A1 |
STOECKER W | |||
V | |||
et al | |||
Detection of Granularity in Dermoscopy Images of |
Авторы
Даты
2024-04-25—Публикация
2021-08-24—Подача