npeЯдерная физика и инжинирингNuclear Physics and Engineering2079-56292079-5637МИФИ10.56304/S2079562922030344npe-210Research ArticleМедицинская физика и биофизикаMedical Physics and BiophysicsХарактеристики структурных элементов “линий” в системе распознавания меланомыCharacteristics of the Structural Elements of the “Lines” in the Melanoma Recognition SystemОтченашенкоА. И.OtchenashenkoA. I.

Москва, 115409

Moscow, 115409

НикитаевВ. Г.NikitaevV. G.

Москва, 115409

Moscow, 115409

VGNikitayev@mephi.ruПроничевА. Н.PronichevA. N.

Москва, 115409

Moscow, 115409

ТамразоваО. Б.TamrazovaO. B.

Москва, 117198

Moscow, 117198

СергеевВ. Ю.SergeevV. Yu.

Москва, 121359

Moscow, 121359

СергеевЮ. Ю.SergeevYu. Yu.

Москва, 121359

Moscow, 121359

Национальный исследовательский ядерный университет “МИФИ”РоссияNational Research Nuclear University MEPhI (Moscow Engineering Physics Institute)Russian FederationРоссийский университет дружбы народовРоссияRussian Peoples’ Friendship University (RUDN University)Russian FederationЦентральная государственная медицинская академия Управления делами Президента Российской ФедерацииРоссияCentral State Medical Academy of the Presidential Administration of the Russian FederationRussian Federation202327042024142185188Copyright © Отченашенко А.И., Никитаев В.Г., Проничев А.Н., Тамразова О.Б., Сергеев В.Ю., Сергеев Ю.Ю., 20242024Отченашенко А.И., Никитаев В.Г., Проничев А.Н., Тамразова О.Б., Сергеев В.Ю., Сергеев Ю.Ю.Otchenashenko A.I., Nikitaev V.G., Pronichev A.N., Tamrazova O.B., Sergeev V.Y., Sergeev Y.Y.This work is licensed under a Creative Commons Attribution 4.0 License.https://npe.elpub.ru/jour/article/view/210

В работе рассмотрена проблема ранней диагностики одного из наиболее опасных злокачественных новообразований кожи – меланомы. Разработана модель выделения структурных элементов (линий) на цифровых изображениях новообразований кожи в онкодерматологии. Модель основана на комбинации бинаризации методом Оцу и адаптивной бинаризации исходного цифрового дерматоскопического изображения новообразований кожи и последующей скелетизации и фильтрации ложных фрагментов линий.

The paper considers the problem of early diagnosis of one of the most dangerous malignant neoplasms of the skin – melanoma. A model of the allocation of structural elements (lines) on digital images of skin neoplasms in oncodermatology has been developed. The model is based on a combination of Otsu binarization and adaptive binarization of the original digital dermatoscopic image of skin neoplasms and subsequent skeletonization and filtration of false line fragments.

выделение линийцифровая обработка изображенийдерматоскопические структурымеланома кожиline selectiondigital image processingdermatoscopic structuresskin melanomaReferencesЭберт М.А. и др. // Вопросы онкологии. 2019. Т. 65 (5). С. 638−644. https://doi.org/10.37469/0507-3758-2019-65-5-638-644Эберт М.А. и др. // Вопросы онкологии. 2019. Т. 65 (5). С. 638−644. https://doi.org/10.37469/0507-3758-2019-65-5-638-644Zhuchkov M.V. et al. // Consil. Med. 2020. V. 22 (7). P. 38−41.Zhuchkov M.V. et al. // Consil. Med. 2020. V. 22 (7). P. 38−41.Kudrin K.G. et al. // Opt. Spectrosc. 2020. V. 128 (6). P. 820−831. https://doi.org/10.1134/S0030400X20060132Kudrin K.G. et al. // Opt. Spectrosc. 2020. V. 128 (6). P. 820−831. https://doi.org/10.1134/S0030400X20060132Kulik S., Shtanko A. // Proc. Comput. Sci. 2020. V. 169. P. 164–167. https://doi.org/10.1016/j.procs.2020.02.129Kulik S., Shtanko A. // Proc. Comput. Sci. 2020. V. 169. P. 164–167. https://doi.org/10.1016/j.procs.2020.02.129Prilipsky R.E., Zaeva M.A. // Proc. Comput. Sci. 2020. V. 169. P. 96–99. https://doi.org/10.1016/j.procs.2020.02.120.19Prilipsky R.E., Zaeva M.A. // Proc. Comput. Sci. 2020. V. 169. P. 96–99. https://doi.org/10.1016/j.procs.2020.02.120.19Marchetti M.A. et al. // J. Am. Acad. Dermatol. 2020. V. 82 (3). P. 622−627. https://doi.org/10.1016/j.jaad.2019.07.016Marchetti M.A. et al. // J. Am. Acad. Dermatol. 2020. V. 82 (3). P. 622−627. https://doi.org/10.1016/j.jaad.2019.07.016Amelard R. et al. // IIEEE Trans. Biomed. Eng. 2014. V. 62 (3). P. 820−831. https://doi.org/10.1109/TBME.2014.2365518Amelard R. et al. // IIEEE Trans. Biomed. Eng. 2014. V. 62 (3). P. 820−831. https://doi.org/10.1109/TBME.2014.2365518Oliveira R.B. et al. // Neural Comput. Appl. 2018. V. 29 (3). P. 613−636. https://doi.org/10.1007/s00521-016-2482-6Oliveira R.B. et al. // Neural Comput. Appl. 2018. V. 29 (3). P. 613−636. https://doi.org/10.1007/s00521-016-2482-6Munir K. et al. // Cancers. 2019. V. 11. (9). P. 1235. https://doi.org/10.3390/cancers11091235Munir K. et al. // Cancers. 2019. V. 11. (9). P. 1235. https://doi.org/10.3390/cancers11091235Bazhenova N.V. // Sustain. Developm. Sci. Educ. 2018. V. 4. P. 218−221.Bazhenova N.V. // Sustain. Developm. Sci. Educ. 2018. V. 4. P. 218−221.Ivanova I.V., Palmin P.A. // Proc. Scientific Research in the Modern World. Theory and Practice. 2021. P. 69−73.Ivanova I.V., Palmin P.A. // Proc. Scientific Research in the Modern World. Theory and Practice. 2021. P. 69−73.Meng H. et al. // IEEE Trans. Med. Imaging. 2019. V. 38 (12). P. 2726−2734.Meng H. et al. // IEEE Trans. Med. Imaging. 2019. V. 38 (12). P. 2726−2734.Mohammed Z.H.M.N. // Model. Optimiz. Inform. Technol. 2018. V. 6 (1). P. 99−107.Mohammed Z.H.M.N. // Model. Optimiz. Inform. Technol. 2018. V. 6 (1). P. 99−107.Hijazi M.H.A. et al. // Int. J. Artif. Intell. 2019. V. 8 (4). P. 429.Hijazi M.H.A. et al. // Int. J. Artif. Intell. 2019. V. 8 (4). P. 429.Speiser J.L. et al. // Expert Syst. Appl. 2019. V. 134. P. 93−101.Speiser J.L. et al. // Expert Syst. Appl. 2019. V. 134. P. 93−101.

The authors declare that there are no conflicts of interest present.