Institutional Repository [SANDBOX]
Technical University of Crete
EN  |  EL

Search

Browse

My Space

Extraction and quantification of morphological and spectral features for improving the diagnostic accuracy of skin pathologies

Stasinou Ioanna-Andromachi

Simple record


URIhttp://purl.tuc.gr/dl/dias/6E8CAD49-0E87-4140-AD07-E898433DB4E3-
Identifierhttps://doi.org/10.26233/heallink.tuc.94486-
Languageen-
Extent68 pagesen
Extent6.5 megabytesen
TitleExtraction and quantification of morphological and spectral features for improving the diagnostic accuracy of skin pathologies en
TitleΕξαγωγή και ποσοτικοποίηση μορφολογικών και φασματικών χαρακτηριστικών για τη βελτίωση της διαγνωστικής ακρίβειας των δερματικών παθολογιώνel
CreatorStasinou Ioanna-Andromachien
CreatorΣτασινου Ιωαννα-Ανδρομαχηel
Contributor [Thesis Supervisor]Balas Costasen
Contributor [Thesis Supervisor]Μπαλας Κωσταςel
Contributor [Committee Member]Zervakis Michailen
Contributor [Committee Member]Ζερβακης Μιχαηλel
Contributor [Committee Member]Bucher Matthiasen
Contributor [Committee Member]Bucher Matthiasel
PublisherΠολυτεχνείο Κρήτηςel
PublisherTechnical University of Creteen
Academic UnitTechnical University of Crete::School of Electrical and Computer Engineeringen
Academic UnitΠολυτεχνείο Κρήτης::Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστώνel
Content SummaryMelanoma is one of the most often diagnosed cancers and fatal form of skin cancer. Clinical diagnosis and prognosis of melanoma is a field which remains a challenge for researchers. This study explains in detail the approaches involved for skin cancer diagnostic methods. One of the widely used methods to recognize the skin pathologies and distinguish the melanoma from normal skin is ABCD Rule. Specifically, this study proposes methods based on ABCD Rule, regarding the pre-processing of the input image, skin lesion segmentation and classification of nevus and malignant skin lesions and the extraction and quantification of morphological and spectral features of lesions. To implement this system, a code is performed in MATLAB environment for evaluating the four criteria Asymmetry (A), Border (B), Color (C) and Diameter (D) of a skin lesion. The obtaining features followed by the ABCD Rule are processed by calculating Total Dermoscopic Score (TDS). We deal also with a new type of optical imaging technology, hyperspectral imaging (HSI). As an emerging modality HSI holds great potential for objective cancer assessment and it is a noninvasive high-resolution imaging technique that assists researchers in making more accurate and objective diagnosis of skin cancers. We examine hyperspectral images over the spectral range of 400-880nm and obtain information about melanin content and detect features such as border irregularity, asymmetry and diameter in different wavelengths. In the end of this study, we quote the results which indicate whether our proposed approach is accurate and efficient in the segmentation of the lesion boundary and in the extraction of features of skin lesions and discuss the conclusions extracted for possible future work. en
Content SummaryΤο μελάνωμα αποτελεί την πιο συχνά ανιχνεύσιμη μορφή καρκίνου του δέρματος και παράλληλα την πιο επιθετική και θανατηφόρα μορφή του. Η κλινική διάγνωση και πρόγνωση του είναι ένας τομέας που παραμένει πρόκληση για τους ερευνητές. Στη παρούσα μελέτη θα εστιάσουμε στην ανάλυση συγκεκριμένων δερματικών εικόνων και θα ασχοληθούμε με τις μεθόδους διάγνωσης του καρκίνου του δέρματος. Μία από τις ευρέως χρησιμοποιούμενες μεθόδους την διάγνωση των μελανωμάτων είναι ο κανόνας ABCD. Συγκεκριμένα, η παρούσα μελέτη προτείνει μεθόδους που βασίζονται στον κανόνα ABCD, όσον αφορά στην προ-επεξεργασία των εικόνων των δερματικών αλλοιώσεων, την κατάτμηση τους και την κατηγοριοποίηση τους με βαθμό επικινδυνότητας για μελάνωμα ανάλογα με τα μορφολογικά και φασματικά χαρακτηριστικά της εκάστοτε δερματικής αλλοίωσης. Για την υλοποίηση αυτού του σκοπού, εκτελείται κώδικας σε περιβάλλον MATLAB για την αξιολόγηση των τεσσάρων κριτηρίων: ασυμμετρία (A), όριο (B), χρώμα (C) και διάμετρος (D) μιας δερματικής βλάβης. Στην συνέχεια τα χαρακτηριστικά που εξάγονται κατατάσσονται με βάση τον τελικό δερματοσκοπικό βαθμό (TDS) που προκύπτει από το άθροισμα των επιμέρους κριτηρίων του ABCD κανόνα. Ασχολούμαστε επίσης με την υπερφασματική απεικόνιση (HSI) ως ένα πολύ ισχυρό και αναλυτικό εργαλείο που επιτρέπει την απόκτηση των εικόνων των δερματικών αλλοιώσεων σε ένα μεγάλο φασματικό εύρος. Η HSI διαθέτει μεγάλες δυνατότητες για την αντικειμενική αξιολόγηση του καρκίνου και είναι μια μη επεμβατική τεχνική απεικόνισης υψηλής ανάλυσης που βοηθά τους ερευνητές να κάνουν ακριβέστερη και αντικειμενικότερη διάγνωση των μελανωμάτων. Εξετάζουμε υπερφασματικές εικόνες δερματικών αλλοιώσεων στο εύρος 400-880nm με σκοπό να λάβουμε κρίσιμες πληροφορίες για χαρακτηριστικά των δερματικών αλλοιώσεων, όπως η ασυμμετρία, η χρωματική ποικιλομορφία, η διάμετρος και η ανομοιομορφία των ορίων σε διάφορα μήκη κύματος. Τέλος παραθέτουμε τα αποτελέσματα και προτείνουμε επεκτάσεις της παρούσας διπλωματικής εργασίας.el
Type of ItemΔιπλωματική Εργασίαel
Type of ItemDiploma Worken
Licensehttp://creativecommons.org/licenses/by-nc/4.0/en
Date of Item2023-01-18-
Date of Publication2022-
SubjectΜορφολογικά χαρακτηριστικάel
SubjectMorphological features en
SubjectΠοσοτικοποίησηel
SubjectQuantification en
SubjectΕξαγωγήel
SubjectExtractionen
SubjectSpectral featuresen
SubjectΦασματικά χαρακτηριστικά el
Bibliographic CitationIoanna-Andromachi Stasinou, "Extraction and quantification of morphological and spectral features for improving the diagnostic accuracy of skin pathologies", Diploma Work, School of Electrical and Computer Engineering, Technical University of Crete, Chania, Greece, 2022en
Bibliographic CitationΙωάννα-Ανδρομάχη Στασινού, "Εξαγωγή και ποσοτικοποίηση μορφολογικών και φασματικών χαρακτηριστικών για τη βελτίωση της διαγνωστικής ακρίβειας των δερματικών παθολογιών", Διπλωματική Εργασία, Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2022el

Available Files

Services

Statistics