Segmentation of skin cancer by using image processing techniques

Abstract

Cilt kanseri erken teşhis edilirse, %95-100 oranında başarılı tedaviye sahiptir, bu nedenle erken teşhisi hayati önem arz eder. Cilt kanseri; Melanom, bazal hücreli ve skuamöz hücreli kanser gibi çeşitli türlerde bulunmaktadır ve bunların içinde en değişkeni Melanom'dur. Bilgisayar destekli yöntemler dermatologlara Melanom teşhisinde yardımcı olmak için geliştirilmektedir. Bilgisayar tabanlı melanom teşhis sistemi ile deri lezyonlarının nicel ve tarafsız bir şekilde analizini yapmak mümkün olmaktadır. Böyle sistemlerin sağladığı tutarlı teşhis imkânı ile farklı dermatologların teşhisindeki değişkenlik azaltılabilecektir. Ek olarak, bu yaklaşım analizi otomatik hale getirecek ve böylece hekimler tarafından hataya açık tekrar eden sıkıcı işlemleri azaltacaktır.Melanom teşhisi için otomatik ve yarı otomatik sistemlerin geliştirmesi konusu hakkında çalışan bir çok araştırma grubu bulunmaktadır. Bilgisayar destekli teşhis (BDT) sistemlerinin hekimler tarafından günlük hayatta kullanılabilmesi için çok güvenli ve başarılı hale getirilmeleri gerekmektedir. Bu tezde var olan stratejileri iyileştirerek ve yeni teknikleri de kullanarak hızlı, doğru ve güvenli bilgisayar destekli melonam segmentasyon sistemi geliştirmek amaçlanmıştır.BDT sistemlerinin geliştirilmesi için bir biri ardına sıralı birçok basamakta işlem yapılmalıdır, örneğin görüntü edinimi, obje segmentasyonu, sınır belirleme, öznitelik çıkarımı ve sınıflandırma gibi. Sisteme girdi olarak dermoskopi kullanılarak elde edilmiş deri görüntüleri verilmektedir. Dermoskopik görüntüler çoğu zaman çeşitli yapay bozulmalara uğramaktadır, örneğin düzensiz ışıklandırma, jeller, siyah görüntüler, mürekkep lekeleri, işaretleyiciler, hava kabarcıkları gibi. Ayrıca birçok doğal bozulma çeşidi de melanomun bulunduğu alanın sınırlarının tespitini zorlaştırmaktadır, örneğin kan damarları, tüyler, deri çizgileri ve dokudaki değişimler gibi. Bu sebeple, melanom segmentasyon başarısını arttırmak için tüylerin görüntüden temizlenmesi gibi ilgili görüntüyü bozmayan ön-işlemler yapmak gerekmektedir. Bu tezde, ilk ele alınan problem tüylerin giderilmesidir. Bu amaçla iki yöntem kullanılmıştır, iyi huylu melanom lezyonlarında Dull-Razor yöntemi ve kötü huylu melanom lezyonlarında ilkine göre daha kötü sonuçlar veren morfolojik alt-şapka filtreleme yöntemi kullanılmıştır.Tezde ele alınan ikinci problem segmentasyon aşamasında lezyonun sınırının belirlenmesidir. Bu aşamada görüntüleri ön-plan ve arka-plan olarak ikiye ayıran eşikleme (Otsu yöntemi) yöntemi kullanılmıştır. Daha sonra sadece siyah ve beyaz piksellerden oluşan bu aşamanın sonuçları lezyon segmentasyonunda sınır belirleme için kullanılmıştır. Lezyon segmentasyonundan sonra, kişi lezyonun sınırını, düzensizliğini, alanını, rengini ve benzeri özelliklerini elde edebilir. Bu değerler lezyonun iyi veya kötü huylu olup olmadığının belirlenmesi için uygulanacak sınıflandırma aşamalarında kullanıla bilinir. Bu çalışmada sadece lezyonun sınırlarının tespiti ile ilgili işlemler yapılmış, melanom sınıflandırma problemine değinilmemiştir.Dermatoloji uzmanlarınca belirlenen sınırlar altın standart olarak belirlenmiştir ve elde ettiğimiz segmentasyon sonuçları bu altın standart ile karşılaştırılmıştır. Sonuçlar önerilen yöntemin melanom sınırlarını yüksek doğrulukla belirlediğini göstermektedir. Tezde kullanılan tüm kodlar MATLAB ortamında geliştirilmiştir ve kullanılan veri-seti (Dermoskopik Görüntüler için Otomatik Bilgisayar Tabanlı Teşhis Sistemi) adresinden alınmıştır.

Skin cancer, if detected early, has a 95-100% successful treatment rate; therefore, its early detection is of vital importance. Skin cancer has diverse types such as melanoma, basal cell and squamous cell carcinoma among which melanoma is the most changeable. Computer aided methods have been developed to assist dermatologists with the diagnosis of melanoma.A computer based melanoma diagnostic system may provide quantitative and objective analysis of the skin lesions which are instrumental in clinical assessment. Consistent diagnosis capability offered by such a system may also decrease inter-observer variability founded in dermatologist examinations. Additionally this approach automates the analysis, thereby mitigates the amount of repetitive and tedious, hence error-prone, tasks to be done by the physicians.Many research groups have been developing automatic and semi-automatic computer based strategies to analyze skin lesions and diagnose malignant melanoma. Computer-Aided Diagnostic (CAD) systems need to be very reliable and should demonstrate or achieve high accuracy rates before they can be accepted/used by the clinicians in the daily practice. This thesis study aims at augmenting or expanding existing strategies and develops new techniques to achieve correct, quick and reliable computer based segmentation of malignant melanoma.Many cascaded stages of operations are required in order to develop a CAD system of melanoma detection; specifically, image acquisition, object segmentation, border detection, feature extraction, and classification. The input to the system is typically skin images obtained using dermoscopy. Dermoscopy images often suffer from artifacts such as irregular illumination, gel, black frames, ink markings, rulers, air bubbles, yet other naturally occurring structures like blood vessels, hairs, skin lines, and texture can adversely affect the performance of border detection algorithms. Thus, some preprocessing steps are required to facilitate the segmentation process, such as removal of hairs successfully without lesion distortion.In this thesis, the first issue tackled is the problem of hair removal. Here we have used two methods, namely the Dull-Razor method for benign melanoma lesions, and morphological bottom-hat filtering for malign melanoma lesions, which yielded inferior results compared the previous method.The second challenge in this study was to develop an accurate border detection method within segmentation stage. Here we have first used thresholding (Otsu's method) that partitions the input image into foreground and background. Then, the result of this stage, which is a black-white or binary image, is fed into the next step that finalizes the lesion segmentation by tracing the border of lesion. After lesion segmentation, one can obtain the border of lesion, measure its irregularity, measure the area and color of the lesion and so on. These constitute the features that can be used in a machine learning or object classification setting so that the type of the lesion, as malign or benign, can be decided automatically. As our aim was to concentrate on lesion segmentation, the issue of classifier design for melanoma classification, is not dealt with in this study.We have considered/taken dermatologists border marks as the gold standard (i.e. the true state of the nature) and compared our segmentation results against these results provided in the database, which are based on the decisions of expert dermatologists. Our results show that with our proposed method we can detect melanoma lesions with high accuracy. All the code in this thesis has been developed in MATLAB and the dataset was obtained from (ADDI Project, Automatic computer based Diagnoses system for Dermoscopy Images).