Murat Borlu, M.Emin Yüksel
1Erciyes Üniversitesi T›p Fakültesi, Dermatoloji Anabilim Dal›, Kayseri, Türkiye
1
Erciyes Üniversitesi Mühendislik Fakültesi Elektrik-Elektronik Bölümü, Kayseri, Türkiye
Özet
Amaç: Dermoskopik görüntülerin analizini gerçeklefltirerek melanom tipi deri kanserlerinin teflhisinde hekime karar deste¤i sa¤lay-acak bir t›bbi otomatik görüntü iflleme sisteminin tasarlanmas› ve gerçeklefltirilmesi için gerekli görüntüleme ve de¤erlendirme aflamalar›n›n oluflturulmas›.
Yöntemler: Say›sal imge iflleme yöntemleri yard›m›yla pigmente lezyonun görsel nitelikleri ölçülebilir say›sal verilere dönüfltürülmekte ve bu verilere dayan›larak melanom teflhisine yönelik s›n›fland›rma yap›lmaktad›r.
Bulgular: Kullan›lan sistemle pigmente lezyon üzerinde bölütleme, imge histogram ve eflikleme ifllemi, d›fl bükey zarf yöntemi ve renk öbeklenme, nicelendirme ve da¤›l›m inceleme ifllemleri ile lezyon asimetri, kenar ve renk özellikleri incelenmifl ve say›sal de¤erler elde edilmifltir.
Sonuç: Gelifltirilmekte olan sistem hekimin karar verme sürecini h›zland›rmaktad›r. Buna ek olarak, tan›n›n daha öznel verilere dayand›r›lmas›na olanak sa¤lamaktad›r. (Türk Dermatoloji Dergisi 2008; 2: 111-5)
Anahtar kelimeler: ‹mge iflleme, dermoskopik görüntüleme, deri kanserleri, melanom
Abstract
Objective: Design and implementation of a medical image processing system that will provide decision support to the clinician in the diagnosis of melanoma type skin cancers by performing the analysis of dermoscopic images.
Methods: Visual features of pigmented lesions are converted into measurable numerical quantities by employing digital image pro-cessing methods and a classification regarding melanoma diagnosis is performed based on these quantitative data.
Results: We achieved numerical results showing asymmetry, border and color features of the pigmentary lesions by using segmen-tation, image histogram, thresholding, convex hull, color clustering, color quantization and distribution methods.
Conclusion: The system under development speeds up the decision process of the clinician. In addition, it allows the diagnosis to be based on more objective data. (Turkish Journal of Dermatology 2008; 2: 111-5)
Key words: Image processing, dermoscopic imaging, skin cancers, melanoma
Yaz›flma Adresi / Corresponding Author: Dr. Murat Borlu, Erciyes Üniversitesi T›p Fakültesi, Dermatoloji Anabilim Dal›, Kayseri, Türkiye Tel: 0352 437 7615 Faks: 0352 437 7615/15 e-posta: muratborlu@erciyes.edu.tr
Bu çal›flma 13. Biyomedikal Mühendisli¤i Ulusal Toplant›s›’nda (B‹YOMUT’2008) sunulmufltur.
Melanom Otomatik Teflhisi ‹çin Dermoskopik Görüntülerden Bir
Görüntü ‹flleme Sistemi Gelifltirilmesi: Ön Çal›flma
Development of an Image Processing System for Automatic Melanoma
Diagnosis from Dermoscopic Images: Preliminary Sudy
Girifl
Son y›llarda beyaz ›rkta melanom tipi deri kanserinde düzenli bir art›fl görülmektedir. Bu yüzden melanoma kaynakl› ölümleri ve melanoma tedavisi için harcanacak giderleri en aza indirmek için melanoman›n erken teflhisi
son derece önem kazanmaktad›r. Bu amaçla yap›lan ça
-l›flmalarda, dermoskopi en önemli tarama ve tan› yönte
-mi olarak kabul edilmektedir. Dermoskopinin en deza
-vantajl› taraf›, de¤erlendirmenin de¤erlendiren kiflinin bil
-gisine, tecrübesine ve di¤er etkilere ba¤l› olarak de¤ifl
-mesi ve uygulayan kiflilere göre farkl› sonuçlara gidebil
-mesidir. Bunun do¤al bir sonucu olarak otomatik mela
gelifltirilmesi düflünülmüfltür. Bu türden sistemler genellikle deri üzerinde pigmente lezyon görüntüsünü almaya yönelik
özel bir kamera, bunun ba¤l› oldu¤u uygun bir bilgisayar sis
-temi ve bu bilgisayar üzerinde çal›flan bir say›sal görüntü ifl
-leme yaz›l›m›ndan oluflmaktad›r. Bu sistemlerde kamera ile al›nan pigmente lezyon görüntüsü bilgisayar üzerinde çal›flan
görüntü iflleme yaz›l›m› yard›m›yla ifllenerek, konunun uz
-manlar›n›n melanom muayenesi esnas›nda yapt›klar› iflleme
benzer bir flekilde, pigmente lezyon görüntüsü üzerinde me
-lanom flüphesi ça¤r›flt›racak görsel niteliklerin tespit edilme
-sine çal›fl›lmaktad›r.
Dermoskopik yöntemlerdeki görüntüleme bafll›ca iki fle
-kilde yap›lmaktad›r. Epiluminesans mikroskopisi teriminin
kullan›ld›¤› ilk yöntemde, incelenecek pigmente lezyon üze
-rindeki k›llar temizlenir ve lezyonun yer ald›¤› bölgeye ya¤
damlat›ld›ktan sonra lezyon üzerine cam bir düzlem bast›r›la
-rak lezyon bir dermoskop veya bir mikroskop yard›m›yla in
-celenir. Bu tekni¤in dezavantajlar›ndan birisi cam ile deri ara
-s›nda hava kabarc›klar› kalmas›d›r (1-5). Di¤er yöntemde ise
pigmente lezyonun bulundu¤u bölge, polarize ›fl›kla ayd›nla
-t›l›r ve yans›yan ›fl›k yine polarize bir filtreden geçtikten sonra
bir görüntüleme sistemine al›n›r. Bu teknik öncekine göre da
-ha karmafl›k ve uygulanmas› da-ha zordur (6). Her iki teknik de benzer sonuçlar üretmektedir.
Bu çal›flmada Mühendislik Fakültesi ve T›p Fakültesi ta
-raf›ndan ortaklafla yürütülen bir araflt›rma projesi kapsam›n
-da gelifltirilmekte olan bir dermatolojik görüntüleme sistemi
tan›t›lmakta ve sistemin pigmente lezyon imgelerinin mela
-nom aç›s›ndan analizi ile ilgili k›sm› incelenmektedir. Pigmen
-te lezyonun görsel ni-teliklerinin melanom aç›s›ndan de¤erlen
-dirilmesi amac›yla gelifltirilen ABCDE (Asymmetry, Border, Color, Diameter, Elevation) kural› klinik gözleme dayal›d›r.
Buradan esinlenerek gelifltirilen dermoskopik ABCD (Asy
-mmetry, Border, Color, Differential structures) yöntemi en çok ve en uzun süreli kullan›lan dermoskopik algoritmad›r (7). Bilgisayarl› yöntemde ise ABCD algoritmas›n›n kabaca ABC’sine karfl›l›k gelen sadece asimetri, kenar özelli¤i ve renk analizi ile ilgili sonuçlar sunulmufltur.
Yöntem ve Bulgular
Sistemin Yap›s›
fiekil-1 de gelifltirilmekte olan dermoskopik görüntüleme sisteminin blok flemas›, fiekil-2 de ise sistemin görüntüleme k›sm›n› oluflturan parçalar ile sistemin kullan›m› görülmektedir. Sistem, yüksek ifllem h›z› ve güvenli veri saklama özelliklerine sahip bir sunucu bilgisayar, buna ba¤l› amaca uygun özel bir
kamera ve bu donan›mla birlikte çal›flan bir yaz›l›mdan olufl
-maktad›r. Kamera arac›l›¤›yla al›n›p uygun formatta sunucu bil
-gisayar›n diskine kaydedilen pigmente lezyon görüntüsü bilgi
-sayarda çal›flmakta olan uygulama yaz›l›m› yard›m›yla gerçek zamanda ifllenmektedir. Yaz›l›m iki ana k›s›mdan oluflmaktad›r. Birinci k›s›m al›nan görüntüyü iflleyerek bu görüntüde melanoma ile ilgili görsel niteliklerin varl›¤›n› belirlemekte; bir uzman s›n›fland›r›c› olan ikinci k›s›m ise birinci k›sm›n üretmifl
oldu¤u öznitelik bilgisine dayanarak incelenmekte olan pig
-mente lezyonun melanoma olma olas›l›¤›n› belirlemektedir.
Dermoskopik lezyon imgelerinin bölütlenmesi ve pigmen
-te lezyon s›n›rlar›n›n do¤ru bir flekilde belirlenmesi için kulla
-n›lan yöntem afla¤›daki ana ad›mlar› kapsamaktad›r.
Asimetri Analizi
Lezyon asimetrisinin de¤erlendirilmesi, pigmente lezyon analizinde kullan›lan temel yöntemlerden biridir. Bu amaçla,
lezyondan elde edilen parçalanma indeksi, yuvarlakl›k faktö
-rü, asimetri indeksi, hacimlilik skoru gibi niteliklerden yararla
-n›l›r (8-11). Asimetrinin otomatik de¤erlendirilmesindeki temel ifllem lezyonun üzerinde yer ald›¤› deriden do¤ru bir flekilde
bölütlenmesidir (segmentation). Lezyon bölütlemesinde kul
-lan›lan yayg›n yaklafl›m imge histogram bilgisinden yararla
-narak gerçeklefltirilen eflikleme (thresholding) ifllemidir. Eflik
-leme ifllemi genellikle nevus imgesinin önce gri seviyeye dö
-nüfltürülmesi ve ard›ndan bu gri renk histogram› üzerinde eflik seviyesinin tespiti fleklinde uygulanmaktad›r.
fiekil-3 a ve b’de pigmente lezyon ve iki asimetri ekseni gösterilmekte, fiekil-3 c,d,e ve f’de bölütleme ve döndürme
ifllemleri görülmektedir. fiekil-3 g ve h’deki görüntülerde asi
-metri yoksa tüm alan siyah renkte olacakt›r ve beyaz alanla
-r›n yo¤unlu¤u asimetrinin büyüklü¤ünü bize göstermekte ve rakamsal olarak belirtilmektedir (Tablo-1) (fiekil-3).
fi
fieekkiill 11.. Gelifltirilmekte olan dermoskopik görüntüleme sisteminin blok flemas›
fi
fieekkiill 22.. (a) Görüntüleme sisteminin kameras›. (b) Sistemin kul-lan›m› a b Ben (Nevus) Foto¤raf› Ben (Nevus)
Tarayac› Kamera Patolojik Analiz Öznitelik Ç›kar›c› S›n›fland›r›c› Monitör Yaz›c› Klinik Bilgi Veritaban› Görüntü Yakalama Kart›
Kenar (S›n›r) Düzensizli¤i Analizi
Klinik kenar düzensizli¤i terimi fleklen kenarlarda girintili ç›k›nt›l› pigmentasyonu flüpheli lezyon özelli¤i kabul eder. Dermoskopik ABCD algoritmas›nda ise lezyon kenarlar›nda
rengin soluklaflarak sonlanmas› beklenir. Lezyon sekiz ekse
-ne bölü-nerek buna uymayan kenar say›s› ile katsay› çarp›la
-rak puanlama yap›l›r. Bilgisayarl› yöntemimizde kenar düzen
-sizli¤i çeflitli flekillerde de¤erlendirilmektedir. D›flbükey zarf
(convex hull) yönteminde iki boyutlu düzlemde yay›lm›fl nok
-talar kümesini saran en küçük kapal› d›flbükey çokgen, d›fl
-bükey zarf olarak adland›r›l›r. fiekil-4 a ve b’de d›fl-bükey zarf
yöntemi fiekil-4 c’de ise bu yöntemle yaz›l›m›n ortaya koydu
-¤u lezyon ile onun d›flbükey zarf› aras›ndaki fark kenar dü
-zensizli¤i görülmekte ve say›sal olarak ifade edilmektedir. Ay
-r›ca yap›lan renk analizinde koyu renkler ortada yo¤un olarak
bulundu¤unda merkezden kenarlara renk halkalar› görünme
-si normal lezyonlar›n özelli¤i iken kenarlarda düzen-siz farkl›
renklerin görülmesi pigmentasyon aç›s›ndan kenar düzensiz
-li¤ini gösterecektir. Burada hem flekil hem de pigmentasyo
-nun yo¤unlu¤u aç›s›ndan kenar özellikleri de¤erlendirilmifltir (Tablo-2) (fiekil-4).
Renk Düzensizli¤i Analizi
Renk düzensizli¤i, lezyonun kötü huylu olmas› ihtimalini artt›ran en önemli özelliklerden birisidir. Sa¤l›kl› lezyonlarda
renk da¤›l›m› genellikle düzenli, sa¤l›ks›z lezyonlarda ise dü
-zensiz renk öbekleri fleklindedir. Dermoskopik ABCD de¤er
-lendirme yönteminde ise temel al›nan alt› renkten hangileri ol
-du¤u say›l›r ve bu say› ile katsay› çarp›larak puanlama yap›l›r. Yani ne kadar çok renk görülürse o kadar yüksek puan ve flüpheli lezyon oldu¤u kabul edilir. Bilgisayarl› yöntemde renk düzensizli¤inin analizinde önce analizin yap›laca¤› renk uzay›
seçilir. Bunu takiben benzeri renk topluluklar›n›n öbeklenme
-si (clustering) ve bu renk öbeklerine göre kuantalama ifllemi
yap›l›r. Son olarak renk öbeklerinin nevus merkezine göre da
-¤›l›m› incelenerek renk düzensizli¤i de¤erlendirilir. Böylece sadece ne kadar farkl› renk oldu¤u de¤il onlar› da¤›l›m›ndaki homojenite ve asimetri de gösterilmifl olunur. fiekil-5’de renk
çeflitlili¤i ve da¤›l›m› gösterilmektedir. Bu flekilde hem asi
-metri, hem kenar, hem de renk çoklu¤u aç›s›ndan fikir vere
-bilen bir ifllem yap›lm›flt›r (Tablo-3) (fiekil-5).
Tart›flma
Klinik ve dermoskopik algoritmalarda ABCD harflerinden
her biri nevusun melanoma aç›s›ndan önem tafl›yan nitelikle
-rini temsil etmektedir: ‹ncelenmekte olan pigmente lezyonda bu niteliklerin ne miktarda oldu¤una ba¤l› olarak a¤›rl›kl› bir
say›sal skor oluflturulur ve bu skora göre melanom riski belir
-lenir.
Klasik uygulamada asimetri yok, var ve iki eksende var fleklinde yorumlan›p sadece 0, 1.3 ve 2.6 rakamsal de¤erleri verilebilmekte iken bilgisayarl› yöntemde ana eksen ve buna
dik olan minör eksenler lezyon imgesinin yönelim aç›s›n›n bu
-lunmas› ile hesaplanabilmekte, a¤›rl›k merkezinden geçen eksenlerin tümünün oluflturdu¤u tarama sonucu asimetrik
yap›lar ortaya konmakta, buna ba¤l› olarak fiekil-3’de görül
-dü¤ü gibi asimetrik yo¤unluk hesaplanmaktad›r. Asimetri in
-a b c e g d f h fi
fieekkiill 33.. Nevus asimetrisinin de¤erlendirilmesi. Nevusun asimetrisi artt›kça (g) ve (h) deki beyaz piksel say›s› artacakt›r.
deksi, ana ve minör eksenlerin her iki yan›ndaki benzemezli
-¤in ölçüsüdür. Bilgisayarl› yöntemde asimetri sadece flekil aç›s›ndan de¤il renk analizi ile yap›sal asimetri aç›s›ndan da de¤erlendirilmifl olmaktad›r.
S›n›r düzensizli¤i, lezyonun histolojik karars›zl›¤›n› yans›t
-mas› sebebiyle kanseri ça¤r›flt›ran önemli özelliklerden birisi
-dir. Lezyon s›n›rlar› dikkatlice incelendi¤inde, dokusal ve ya
-p›sal düzensizlikler olmak üzere iki tip düzensizlik göze çar
-par. Dokusal düzensizlikler lezyon s›n›r›ndaki küçük de¤iflim
-leri ifade eder. Lezyonun tümünde etki-leri gözlemlenen tafl
-malar ve girintiler ise yap›sal düzensizlikler olarak adland›r›l›r (11-13). Yap›sal düzensizlikler melanom hücrelerinin artarak
yay›lmas› veya azalarak gerilemesi sonucu ortaya ç›kan belir
-tilerdir ve melanom teflhisinde etkin bir araçt›r. ABCD algorit
-mas›nda s›n›r düzensizli¤i sadece pigmentasyon aç›s›ndan ele al›n›rken bilgisayarl› yöntemle s›n›r düzensizli¤i niteli¤ini
elde etmek için yo¤unluk indeksi, fraksiyon boyutu ve düzen
-sizlik indeksi gibi nitelikler kullan›lmakta (14-18), ayr›ca renk
analizi ile birlikte düflünüldü¤ünde; s›n›rlar hem flekil hem ya
-p› aç›s›ndan de¤erlendirilmifl olmaktad›r.
Renk düzensizli¤i, lezyonun melanom olmas› ihtimalini
artt›ran en önemli göstergelerden birisidir (19,20). Sa¤l›kl› ne
-vuslarda renk da¤›l›m› genellikle düzenli ve tek renk bask›nl›
-¤› bulunurken, sa¤l›ks›z nevuslarda ise çok renkli ve düzen
-siz renk adac›klar› fleklindedir. Klinik aç›dan sadece kar›fl›k renkli ve koyu renkli nevuslar›n kabaca flüpheli oldu¤u kabul
edilir, dermoskopik ABCD de ise, renk çoklu¤u de¤erlendiril
-mekte renklerin da¤›l›m› yap›sal asimetri içinde ele al›nmak
-tad›r. Bilgisayarl› yöntemin üstünlü¤ü renkleri ton farklar›n› da
gözeterek aç›kça göstermesi ve haritaland›rma yaparak yap›
-sal ve renksel asimetriyi de ortaya koymas›d›r.
fi
fieekkiill 44.. (a) Bölütlenmifl nevus imgesi, (b) D›flbükey zarf, (c) Fark. Nevus kenar düzensizli¤i artt›kça c’deki beyaz piksellerin say›s› artar
a b c
fi
fieekkiill 55.. Nevus imgesindeki renk düzensizli¤inin de¤erlendirilmesi
a b
K
Klliinniikk ((AABBCCDDEE)) DDeerrmmoosskkooppiikk ((AABBCCDD)) BBiillggiissaayyaarrll›› yyöönntteemm Alabilece¤i de¤erler simetrik-asimetrik 0-1-2 eksende asimetri Asimetri indeksi Lezyon (fiekil-3) Simetrik 1 (veya 2) eksende asimetri Beyaz alanlar›n yo¤unlu¤u Sonuç-skor Simetrik lezyon 1.3 veya 2.6 (1-2 x 1.3) 0.421
Tablo 1. fiekil-3’teki lezyonda asimetrinin klinik-dermoskopik-bilgisayarl› yöntemle de¤erlendirilmesi
K
Klliinniikk ((AABBCCDDEE)) DDeerrmmoosskkooppiikk ((AABBCCDD)) BBiillggiissaayyaarrll›› yyöönntteemm Alabilece¤i De¤er Düzenli-düzensiz 0-8 eksende ani pigment sonlanmas› D›fl bükey zarf yöntemi,
Lezyon (fiekil-3) Düzensiz 3 veya 4 eksende ani pigment sonlanmas› fiekil-4c’de beyaz alan yo¤unlu¤u, Sonuç-skor Düzensiz 0.3 veya 0.4 (3-4x0.1) 0.066
Tablo 2. fiekil-3’teki lezyonda kenar özelliklerinin klinik-dermoskopik-bilgisayarl› yöntemle de¤erlendirilmesi
K
Klliinniikk ((AABBCCDDEE)) DDeerrmmoosskkooppiikk ((AABBCCDD)) BBiillggiissaayyaarrll›› yyöönntteemm
Alabilece¤i De¤er Aç›k-koyu-kar›fl›k renkli 6 renk aç›k-koyu kahverengi-siyah-mavi-k›rm›z›-beyaz 4 ana renkle yap›lan renk analizi Lezyon (fiekil-3 için) Koyu kahverengi Aç›k-koyu kahverengi fiekil-5b
Sonuç-skor Koyu renkli lezyon 1 (2x0.5) 0.861
ABCD yaklafl›m›n›n flu ana kadar bahsedilen üç ana afla
-mas› melanoma teflhisi için gerekli olan bilgiyi büyük oranda
sa¤lamaktad›r. Dördüncü aflama olan yap›sal özellikler (diffe
-rential structures) aflamas› ilk üç aflamada elde edilen bilgiye destek niteli¤inde olan çeflitli görsel niteliklerin varl›¤›n›n araflt›r›lmas›n› kapsamaktad›r. Bu nitelikler aras›nda bulutsu yap›lar, globüller, mavi/beyaz noktalar, özel pigmente yap›lar, vb. say›labilir. Burada standart bir yöntem olmay›p aran›lan niteli¤in türüne göre kullan›lan analiz yöntemleri farkl›l›klar
göstermektedir. Bu yüzden dördüncü aflama yaz›l›m›n flu an
-daki sürümüne dahil edilmemifl ve de¤erlendirme iflleminin hekim taraf›ndan yap›lmas› daha uygun görülmüfltür.
Bu çal›flmada melanom tipi deri kanserlerinin otomatik ve
h›zl› teflhisine yönelik bir sistemin görüntü iflleme ile ilgili k›s
-m› tan›t›l-m›flt›r. Bu yaz›l›m taraf›ndan tespit edilen ve bu
makalede konu edilen nitelikler ayn› yaz›l›m›n di¤er bir modü
-lü olan bir uzman s›n›fland›r›c› yard›m›yla de¤erlendirilerek in
-celenen lezyonun malin olma durumu ortaya koyulmaktad›r. Burada kullan›lan s›n›fland›r›c› ifllemsel zeka (computational intelligence) tabanl› e¤itilebilir bir matematiksel operatördür.
Gerek detayl›ca ele al›nmas› gereken kapsaml› bir matema
-tiksel yöntem olmas›, gerekse konu olarak bu makalenin kapsam› d›fl›nda olmas› sebebiyle bu çal›flmada s›n›fland›r›c› hakk›nda bilgi verilememifltir. S›n›fland›r›c›n›n ve s›n›fland›rma iflleminin ayr› bir çal›flmada ele al›nmas› düflünülmektedir.
Sistem temelde bir karar destek sistemi olup hekimin ta
-n› koymadaki karar sürecini desteklemekte ve h›zland›rmak
-tad›r. Buna ek olarak; pigmente lezyona ait görsel niteliklerin
ölçülebilir say›sal verilere dönüfltürülmesi ve tan›n›n bu veri
-lere dayand›r›lmas› karar süreci esnas›nda sübjektiviteyi ve
kiflisel faktörleri en aza indirmektedir. Sistemi gelifltirme ça
-l›flmalar› halen devam etmektedir.
Teflekkür
Bu çal›flma halen devam etmekte olan t›bbi görüntü iflle
-me konusunda genifl kapsaml› bir araflt›rma faaliyeti esnas›n
-da elde edilen sonuçlar-dan bir k›sm›n› sunmakta olup arafl
-t›rman›n de¤iflik aflamalar› farkl› projeler kapsam›nda Erciyes Üniversitesi Bilimsel ve Teknolojik Araflt›rma Projeleri Birimi
(02-012-4), Devlet Planlama Teflkilat› (DPT-05-01) ve TÜB‹
-TAK (106E162) taraf›ndan desteklenmifltir.
Kaynaklar
1. Andreassi L, Perotti R, Burroni M, et al. Computerized image analysis of pigmented lesions. Chronica Dermatologica 1995; 5: 11-24.
2. Bahmer FA, Fritsch P, Kreusch J, et al. Terminology in sur-face microscopy. J Am Acad Dermatol 1990; 23: 1159-62. 3. Binder M, Schwarz M, Winkler A, et al. Epiluminescence
microscopy: a useful tool for the diagnosis of pigmented skin lesions for formally trained dermatologists. Arch Dermatol 1995; 131: 286-91.
4. Kenet RO, Kang S, Barney JK, et al. Clinical diagnosis of pig-mented lesions using digital epiluminescence microscopy. Arch Dermatol 1993; 129: 157-74.
5. Seidenari S, Burroni M, Giordana DE, et al. Computerized evaluation of pigmented skin lesion images record by a videomicroscope: comparison between polarizing mode observation and oil/slide mode observation. Skin Research and Technology 1995; 1: 187-91.
6. Seidenair S, Pellacani G, Pepe P, Digital videomicroscopy improves diagnostic accuracy for melanoma. J Am Acad Dermatol 1998; 39: 175-81.
7. Nachbar F, Stolz VW, Merkle T, et al. The ABCD rule of der-matoscopy. High prospective value in the diagnosis of doubtful melanocytic skin lesions. J Am Acad Dermatol 1994; 30: 551-9.
8. Gren A, Martin N, Pfitzner J, et al. Computer image analysis in the diagnosis of melanoma J Am Acad Dermatol 1994; 31: 958-64.
9. Cascinelli N, Ferrario M, Bufalino R, et al. Results obtained by using a computerized image analysis system designed as an aid to diagnosis of cutaneous melanoma. Melanoma Res 1992; 2: 163-70.
10. Stoecker WV, Li WW, Moss RH, Automatic detection of asymmetry in skin tumors. Computerized Med Imag Graph 1992; 16: 191-7.
11. Claridge E, Hall PN, Kefe M, et al. Shape analysis for classi-fication of malignant melanoma. J. Biomed. Eng 1992; 14: 229-34.
12. Ganster H, Gelautz M, Pinz A, et al. Initial results of automat-ed melanoma recognition. In: Borgefors G, automat-editor. 1995; Proceedings of the 9th Scandinavian Conference on Image Analysis, Uppsala, Sweden: Swedish Society for Automated Image Analysis, 209-18.
13. Gutkowicz-Krusin D, Elbaum M, Szwaykowski P, et al. Can early malignant melanoma be differentiated from atypical melanocytic nevus by in vivo techniques? Part II: Automatic machine vision classification. Skin Res Technol 1997; 15-22. 14. Golston JE, Stoecker WV, Moss RH, et al. Automatic detection of irregular borders in melanoma and other skin tumors. Computerized Medical Imaging and Graphics 1992; 16: 199-203. 15. White R, Rigel DS, Friedman R. Computer applications in the diagnosis and prognosis of malignant melanoma. Dermatol Clin 1992; 9: 695-702.
16. Claridge E, Morris J, Smoth D, et al. Evaluation of border irregularity in pigmented skin lesions against a consensus of expert clinicians. In: Medical Image Understanding and Analysis, 1998, Leeds, U.K.
17. Ng V, Lee T. Measuring border irregularities of skin lesions using fractal dimensions. SPIE Photonics China, 1996; Electronic Imaging and Multimedia Systems 2898: 64-72. 18. Lee T, Atkins M. A new approach to measure border
irregu-larity for melanocytic lesions. in Proceedings of SPIE in Medical Imaging, K. M. Hanson, editor, 2000; 3979: 668-75. 19. Hance G, Umbaugh S, Moss R, et al. Unsupervised color image segmentation with application to skin tumor borders. IEEE Eng Med Biol 1996; 15: 104-11.
20. Umbaugh SE, Moss RH, Stoecker WV. Automatic color seg-mentation of images with application to detection of variegat-ed coloring in skin tumors. IEEE Eng Mvariegat-ed Biol 1989; 43-50.