В.Г. Никитаев1, А.Н. Проничев2, В.Ю. Сергеев3, В.С. Козлов4

1,2,4 Национальный исследовательский ядерный университет «МИФИ» (Москва, Россия)
3 ООО «Клиника Дерматологии» (Москва, Россия)

Постановка проблемы. Меланома кожи – опасное онкологическое заболевание, требующее дифференциальной диагностики c помощью клинических алгоритмов. Уменьшить субъективность и повысить точность медицинской диагностики помогают методы автоматизации и искусственного интеллекта. Общего подхода к автоматизации клинических алгоритмов не существует, так в актуальных публикациях недостаточно проработана тема единой модели распознавания двух вариаций важного в рамках диагностики с помощью алгоритма «модифицированный анализ узора» элемента «бесструктурная область».

Цель. Разработка модели распознавания гиперпигментированных и гипопигментированных бесструктурных областей пигментных новообразований кожи.

Результаты. Предложена модель, позволяющая распознавать обе вариации бесструктурных областей, адекватность которой проверена путем ее применения на 400 дерматоскопических изображениях, содержащих бесструктурные области. При этом точность модели составила 83%.

Практическая значимость. Модель может быть в дальнейшем усовершенствовала путем увеличения количества исследуемых характеристик изображений, а также путем увеличения экспериментальной выборки.

Никитаев В.Г., Проничев А.Н., Сергеев В.Ю., Козлов В.С. Модель распознавания гипер- и гипопигментированных бесструктурных областей на изображениях новообразований кожи // Биомедицинская радиоэлектроника. 2024. T. 27. № 5. С. 56−62. DOI: https://doi.org/10.18127/j15604136-202405-09

1. Obeng-Kusi M., Abraham I. Melanoma Epidemiology – Pivoting to Low-and Middle-Income Countries // JAMA dermatology. 2022. Т. 158. № 5. С. 489–491.
2. Kittler H., Rosendahl C., Cameron A., Tschandl P. Dermatoscopy, 2nd edition // Vienna, Austria. 2016. С. 53–55.
3. Crzybowski A., Jin K., Wu H. Challenges of artificial intelligence in medicine and dermatology // Clinics in dermatology. 2024. Т. 42. № 3. С. 210–215.
4. Никитаев В.Г., Проничев А.Н., Тамразова О.Б., Сергеев В.Ю., Соломатин М.А., Медведева О.А., Козлов В.С. Модель распоз­навания бесструктурных гиперпигментированных областей в онкодерматологии // Медицинская техника. 2021. № 5. С. 32–35.
5. Никитаев В.Г., Проничев А.Н., Тамразова О.Б., Сергеев В.Ю., Сергеев Ю.Ю., Лим А.О., Козлов В.С. Модель распознавания гипопигментированных бесструктурных областей в онкодерматологии // Приборы. 2021. № 8. С. 38–43.
6. Tom A., Daba J. Revisited Otsu Algorithm for Skin Cancer Segmentation // WSEAS Transactions on Information Science and Applications. 2023. Т. 20. С. 50–58.
7. Araaf M.A. et l. Comprehensive analysis  and classification of skin diseases based on image texture features using K-nearest neighbors algorithm // Journal of Computing Theories and Applications. 2023. Т. 1. № 1. С. 31–40.
8. Гетьман А.Д. Дерматоскопия новообразований кожи. Екатеринбург: Уральский Рабочий. 2014. 160 с.