Dermoscopy를 사용한 말단흑색점흑색종과 모반의 자동 분류를 위한 알고리즘 :Algorithm for automatic distinction of determining Acral Lentiginous Melanoma(ALM) and Nevus

함성원

추천

검색

자료유형: 학위논문

저자정보: 함성원 (이화여자대학교, 이화여자대학교 대학원)

지도교수: 이병욱

발행연도: 2015

저작권: 이화여자대학교 논문은 저작권에 의해 보호받습니다.

이용수8

이 논문의 연구 히스토리 (2)

2015

Dermoscopy를 사용한 말단흑색점흑색종과 모반의 자동 분류를 위한 알고리즘

함성원 전자공학과 2015.01 학위논문

말단흑색점흑색종 판별을 위한 전처리 과정

함성원 , 오병호 , 양세정 의공학회지 2015.01 학술저널

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

피부의 멜라닌 세포에서 기원하는 피부암인 악성 흑색종은 주로 서양에서 발생빈도가 높다. 흑색종은 검은 모반과 혼동되기 쉬워서 조기발견이 어렵고 진단도 늦어지는 경우가 많다. 이에 따라 흑색종과 모반을 분류하는 연구가 활발히 진행되고 있다. 이 흑색종은 최근 동양에서도 발생빈도가 점차 증가하고 있는 추세이나 이전에 발생하는 일반 흑색종과는 달리 주로 사지말단부위에 발생하는 악성 흑색종으로 기존의 피부암 연구 결과를 말단흑색점흑색종에 동일하게 적용할 수가 없다. 또한 흑색종 진단에 비침습적 방법으로 사용되는 피부표면현미경으로 관측한 병변의 형태, 색상, 구조 등을 육안으로 진단하는 방법은 숙련된 전문가와 비 숙련가의 정확도에 큰 차이가 있다. 따라서 이를 극복하기 위하여 말단흑색점흑색종의 패턴을 파악하고 피부표면현미경 영상을 사용하여 자동으로 판별하는 알고리즘에 관한 연구가 필요하다.
말단흑색점흑색종과 모반을 자동으로 분류하기 위해서는 우선 각 병변의 특징을 알아야 한다. 현재 피부암 진단을 위한 말단흑색점흑색종과 모반의 발생양상은 총 12개의 패턴으로 분류되고 있고 이 분류에 따라 각 패턴에 해당되는 특징을 추출하여 자동으로 말단흑색점흑색종과 모반을 판별할 수 있어야 한다.
따라서 각 패턴을 분류하기 위한 특징 검출 알고리즘을 구현하고 말단흑색점흑색종과 모반을 자동으로 분류하는 데 있어 정확도를 향상시키는 것이 목표이다.
본 논문은 말단흑색점흑색종과 모반에 대한 12가지 중에서 많이 발생하는 4 종류의 패턴을 효과적으로 구분하는 알고리즘을 개발하였으며 피부표면현미경 영상을 이용한 실험을 통해 말단흑색점흑색종과 모반을 자동으로 판별할 수 있음을 입증하였다.

Malignant melanoma, a kind of skin cancer originated from the skin melanocyte has a higher incidence in the West. Malignant melanoma has difficulty in early detection and diagnosis since it may be confounded with black nevus. Therefore, there have been various researches for distinguishing malignant melanoma from nevus. ABCD rule is the most general way for diagnosing malignant melanoma.
Although the incidence of malignant melanoma is gradually increasing in the East, the occurrence location of melanoma for Asian is different from Caucasian populations. It is called as acral lentiginous melanoma (ALM). Thus, it is difficult to apply existing automatic diagnostic algorithms for general melanoma to ALM. In addition, there is a significant difference in the diagnosis rate between the skilled and the unskilled experts when judging the shape, color and structure of lesions using a dermoscopy as a non-invasive method for diagnosing malignant melanoma. Accordingly, in order to overcome such a limit, it is necessary to conduct research on an automated diagnosis algorithm for identifying and determining the pattern of acral lentiginous melanoma in a dermoscopy image.
In order to discriminate automatically acral lentiginous melanoma from nevus, identification of characteristics of each lesion is required first. Acral lentiginous melanoma and nevus for diagnosing skin cancer are classified into 3 and 9 patterns, respectively. To distinguish acral lentiginous melanoma and nevus automatically, feature and classification are performed. Hence, this paper aims at implementing the feature detection algorithm for classifying each pattern and improving the accuracy for automatic differentiation of acral lentiginous melanoma and nevus.
In this paper, we developed the algorithm to discriminate 12 patterns of acral lentiginous melanoma and nevus effectively. It is verified through experiments that acral lentiginous melanoma and nevus can be discriminated automatically. It is expected that the proposed algorithm will contribute to the early diagnosis of ALM.

Ⅰ. 서론 1
A. 연구 배경 및 목적 1
B. 연구 내용 4
C. 논문 구성 5
Ⅱ. Parallel furrow 패턴과 parallel ridge 패턴의 자동 진단 방법 6
A. 병변의 경계선 검출 및 밝기와 너비의 비율계산 6
B. 실험 결과 및 분석 13
Ⅲ. Irregular pigmented 패턴과 multicomponent 패턴의 경계 및 색상 특성에 따른 실험 16
A. 경계 특성에 따른 실험 19
1. 실험 방법 19
2. 실험 결과 및 분석 23
B. 색조 특성에 따른 실험 26
1. 실험 방법 26
2. 실험 결과 및 분석 27
VI. 결론 30
참고 문헌 31
Abstract 33

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)