[논문 리뷰] An Overview of Melanoma Detection in Dermoscopy Images Using Image Processing and Machine Learning

Nabin K. Mishra, M. Emre Celebi|arXiv (Cornell University)|2016. 01. 28.

Cutaneous Melanoma Detection and Management참고 문헌 47인용 수 103

한 줄 요약

이 논문은 피부경검 영상에서 흑색종 탐지를 조사하며, 분할, 특징 추출, 기계학습 분류를 자세히 다루고, 자동 조기 탐지를 위한 정확도와 재현성의 문제점을 논의한다.

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.

연구 동기 및 목표

• 초기 흑색종 탐지의 중요성과 제때 진단을 가능하게 하는 피부경검의 역할의 중요성에 대한 동기를 부여한다.
• 피부경검에서의 컴퓨터 기반 흑색종 탐지 워크플로우에 대한 개요를 제공하고, 특히 분할, 특징 추출, 및 분류에 초점을 맞춘다.
• 자동 시스템이 불필요한 생검 감소 및 임상 효율성 향상에 미칠 잠재적 영향을 강조한다.

제안 방법

• 피부경 이미지에서 병변 분할 접근법을 논의한다.
• 흑색종 지표와 관련된 임상 특징의 분할에 대한 개요.
• 기계 학습이 분할된 특징을 사용하여 흑색종을 예측하는 분류 단계를 설명한다.
• 이미지 처리 및 ML 기술이 악성 흑색종과 양성 모방체를 구별하는 데 어떻게 기여하는지 요약한다.

실험 결과

연구 질문

• RQ1 피부경 이미지에서 병변을 경계선으로 구분하는 데 어떤 분할 전략이 효과적인가?
• RQ2 segmented lesions에서 흑색종 예측을 위해 추출할 수 있는 임상적으로 관련된 특징은 무엇인가?
• RQ3 추출된 특징을 어떻게 활용하여 흑색종과 비악성 병변을 구별하는 기계 학습 분류기를 설계할 수 있는가?

주요 결과

• 피부경검은 임상 진단 능력을 높여 흑색종의 조기 발견을 가능하게 했다.
• histopathology로 검증된 대규모 피부경검 이미지 컬렉션은 자동 방법 개발을 뒷받침한다.
• 고급 이미지 처리 및 기계 학습은 흑색종과 양성 모방체를 구별 가능하게 하여 불필요한 생검을 줄일 수 있다.
• 광범위한 구현은 제안된 시스템의 정확성과 재현성 개선이 필요하다.