[論文レビュー] An Overview of Melanoma Detection in Dermoscopy Images Using Image Processing and Machine Learning

Nabin K. Mishra, M. Emre Celebi|arXiv (Cornell University)|Jan 28, 2016

Cutaneous Melanoma Detection and Management参考文献 47被引用数 103

ひとこと要約

この論文は、dermoscopy画像におけるmelanoma検出を概観し、セグメンテーション、特徴抽出、機械学習分類を詳述し、自動化された早期検出の精度と再現性の課題について論じる。

ABSTRACT

The incidence of malignant melanoma continues to increase worldwide. This cancer can strike at any age; it is one of the leading causes of loss of life in young persons. Since this cancer is visible on the skin, it is potentially detectable at a very early stage when it is curable. New developments have converged to make fully automatic early melanoma detection a real possibility. First, the advent of dermoscopy has enabled a dramatic boost in clinical diagnostic ability to the point that melanoma can be detected in the clinic at the very earliest stages. The global adoption of this technology has allowed accumulation of large collections of dermoscopy images of melanomas and benign lesions validated by histopathology. The development of advanced technologies in the areas of image processing and machine learning have given us the ability to allow distinction of malignant melanoma from the many benign mimics that require no biopsy. These new technologies should allow not only earlier detection of melanoma, but also reduction of the large number of needless and costly biopsy procedures. Although some of the new systems reported for these technologies have shown promise in preliminary trials, widespread implementation must await further technical progress in accuracy and reproducibility. In this paper, we provide an overview of computerized detection of melanoma in dermoscopy images. First, we discuss the various aspects of lesion segmentation. Then, we provide a brief overview of clinical feature segmentation. Finally, we discuss the classification stage where machine learning algorithms are applied to the attributes generated from the segmented features to predict the existence of melanoma.

研究の動機と目的

• 早期のmelanoma検出の重要性と診断を適時に可能にする dermoscopy の役割を動機づける。
• 皮膚鏡検査におけるセグメンテーション、特徴抽出、分類に焦点を当てた、皮膚鏡検査におけるコンピュータ化されたmelanoma検出ワークフローの概要を提供する。
• 自動システムが不必要な生検を減らし臨床効率を改善する潜在的影響を強調する。

提案手法

• 皮膚鏡画像における病変セグメンテーションアプローチを検討する。
• melanoma 指標に関連する臨床的特徴のセグメンテーションの概要。
• 機械学習がセグメント化特徴を用いてmelanomaを予測する分類段階を説明する。
• 画像処理とML技術が悪性黒色腫と良性の模倣物を識別するのに寄与する方法を要約する。

実験結果

リサーチクエスチョン

• RQ1 dermoscopy画像において病変を輪郭づける際に効果的なセグメンテーション戦略は何か？
• RQ2 セグメント化された病変からmelanoma予測のために抽出できる臨床的に関連する特徴は何か？
• RQ3 機械学習分類器は抽出された特徴をどのように活用してmelanomaと非悪性病変を区別できるか？

主な発見

• dermoscopyは臨床診断能力を高め、melanomaの早期発見を可能にした。
• histopathologyにより検証されたdermoscopy画像の大量コレクションは、自動化手法の開発を支持する。
• 高度な画像処理と機械学習により、melanomaと良性の模倣物を区別することが可能となり、不必要な生検を減らす可能性がある。
• 提案されたシステムの広範な実装には、精度と再現性の改善が必要である。