Early identification of non-melanoma cancer and actinal keratosis through artificial vision
Keywords:
Actinic Keratosis, Binarization, Borders, Correlations, Image Processing, Non-melanoma, Segmentation, ThresholdingAbstract
This article shows the results about the development of a digital image processing system for the analysis of nonmelanoma cancer and actinic keratosis, whose design starts from the implementation of morphological and filtering algorithms, among others, in which some characteristics are explored as the asymmetry, edges, color and diameter, typical of the spot or mole of this type of skin cancer. As a research methodology, we used mathematical modeling and simulation of algorithms that adjust to the requirements of the diagnosis, according to certain variables associated with the study image, which allow interpretation and inference by the specialist regarding them. In this sense, the ABCDE model of melanoma is taken as a parameter of analysis and study of a mole. Finally, the importance of implementing certain algorithms directly related to artificial vision is established, with a view to establishing a better functional software prospectus, which facilitates the decision making of the specialist regarding the type of melanoma and subsequent treatment to be followed.
References
Castañeda, P &Eljure J. (2016). El cáncer de piel, un problema actual. Rev. De la Facultad de Medicinade la UNAM, Vol. 59 No. 2, pp. 1-14.
Weintraub, K. (2016). Las defensas contra el Cáncer. La estimulación del sistemainmunitarioestádandoresultadosprometedoresen la lucha contra el cáncer. Investigación y Ciencia, No. 477, pp. 19-27.
American Cancer Society (2015). Cáncer de pieltipo melanoma., Enlíneaen: http://www.cancer.org/acs/groups/cid/documents/webcontent/002312-pdf.pdf
Masloski, J. E., Piat E. G. L, Lujan S. A. M., De la Rosa J C. (2008). Melanoma. Revista de Posgrado de la VíaCátedra de Medicina, No 183, pp. 9-16.
Casariego, Z. J., &Baudo, J. E. (2004). Trabajo de revisión: melanoma. Avancesenperiodoncia e implantología oral. Vol. 16, No. 3, pp. 157-177.
Jordán, J. (2003). Apoptosis: muertecelularprogramada.ÁmbitoFarmacéutico. Vol. 22, No. 6, pp. 100-106.
Instituto Nacional del Cáncer. (2015). Cáncer de piel (incluye el melanoma) para pacientesEnlíneaen: http://www.cancer.gov/espanol/tipos/piel
Liga contra el Cáncerseccional de Bogotá. (2015). Cáncer de piel. Enlíneaen: http://www.ligacontraelcancer.com.co/cancer-depiel/magnitud-del-problema/
Instituto Nacional del Cáncer. (2015). Cáncer de piel: Tratamiento (PDQ®). Información general sobre el cáncer de piel. Puntos importantes. Enlíneaen: http://www.cancer.gov/espanol/tipos/piel/paciente/tratamiento-pielpdq
Lobos, B. P., Lobos S. A. (2011). Cáncer de piel no-melanoma. Medina Clínica. CONDES; Vol. 22, No. 6, pp. 737-748.
New York Presbyterian Hospital, (2015). Cáncer de Piel. ¿Qué es la queratosisactínica? Enlíneaen: http://nyp.org/espanol/library/skin/actinic.html
Godoy, D., Lova, M., & L. Martínez. (2014). Epidemiología de las queratosisactínicas. Queratosisactínica. Pautas y seguimiento. Consejo general de Colegios oficiales de Médicos de España. Madrid, España, pp. 21-25.
Acosta, A. E. Fierro, E., Velásquez, V. E. Rueda, X. (2009). Melanoma: patogénesis, clínica e histopatología. Asoc Col Dermatol, Vol. 17, No. 2, pp. 87-108.
Gómez, B. N., Rodríguez, C. R., Montoya, S. G., Roldán, M. R. & Ortega, C. B. (2015) ¿Quédermatoscopiodebousar? Dermatol Rev Mex, Vol. 59, pp. 62-66.
Aguilar, D A., Asz, S. D, Fonte, A. V. & Dominguez, C. J. (2010). Melanoma cutáneoprimario. Actualización y énfasisen la importancia del dermatólogoen la deteccióntemprana y sutratamientooportuno (Primera parte). DermatologíaCosmética, Médica y Quirúrgica. Vol. 8, pp. 203-209.
Solomon, C., & Breckon, T. (2011). Fundamentals of Digital Image Processing. A Practical Approach with Examples in Matlab, Ed. Wiley-Blackwell. A John Wiley & Sons, Ltd., Publication, USA, pp. 197-233.
Pajares, G. & De la Cruz, J. (2007). Visión por computador. Imágenesdigitales y aplicaciones. México D. F. México, Editorial Alfaomega, Rama.
González, R. C., Woods, R. E. &Eddins, S. L. (2009). Digital Image processing using Matlab. Ed. Gatesmark Publishing. The United
States of America, pp. 334-378.
Sarria, P. M. & Castellanos, D. G. (2010). Entrenamientodiscriminativo por distancia de Mahalanobis para detección de voz de patologías de voz. Dyna, Año 77, No. 164, pp. 220-228.
Canny, J. (1986). A Computational Approach to Edge Detection. IEEE Trans. Pattern Analysis and Machine Intelligence. Vol. 8, No. 6, pp. 679–698.
Gonzalez, R. C. & Woods, R. E. (2002). Digital image processing, 2nd ed. Upper Saddle River, N.J.: Prentice Hall. Upper Saddle River, New Jersey, USA, pp. 519-560.
Pratt, W. K. (2001). Digital image processing, Third Edition, Wiley & Sons, Inc, New York, USA, pp. 399-625.
Pajares, M. G. & De la Cruz G. J. M (2008). Visión por computador: imágenesdigitales y aplicaciones. Ed. Alfaomega Ra-ma. 2da edición. Madrid – España, pp. 110-162.
Arce, C. S., Castillo, E. W. & González, V. (2003). Algebra lineal. Universidad de Costa Rica. Escuela de Matemática, pp. 174-177.
Moreira, Q. J., Valencia, D. V. & Chávez, B. P. (2015). Implementación de un algoritmo para la detección y conteo de célulasenimágenesmicroscópicas. Facultad de Ingeniería enElectricidad y Computación. Escuela Superior Politécnica del Litoral.
Jiménez, A. R. (1998). Sistema de reconocimiento y localizaciónobjetoscuasi-esféricos por telemetríaláser,tesis (doctoradoenArquitectura de Computadores y Automática). Universidad Complutense de Madrid, Instituto de Automática Industrial (IAI). Consejo Superior de Investigacionescientíficas (CSIC) España, 317. Enlíneaen: http://biblioteca.ucm.es/tesis/19972000/X/1/X1032901.pdf
Ocampo, B. C. (2011). HerramientaSoporte al Diagnóstico del Melanoma usandoImágenesDermatoscópicas. Tesis (maestríaeningeniería), Universidad Nacional de Colombia, Sede Manizales. Departamento de Ingeniería Eléctrica, Electrónica y Computación. Manizales, Colombia. Enlíneaen: http://www.bdigital.unal.edu.co/5735/1/7101024.2012.pdf
Asunción, B. G. (2012). Reconocimientoautomático de melanomas mediantetécnicas de visión por ordenador y reconocimiento de
patrones. Disertación de fin de carrera. Universidad Carlos III de Madrid. Departamento de estadística. España, 94. Enlíneaen: http://earchivo.uc3m.es/bitstream/handle/10016/17028/RECONOCIMIENTO%20AUTOMATICO%20DE%20MELANOMAS%20MEDIANTE%20TECNICAS%20DE%20VISION%20POR%20ORDENADOR
%20Y%20RECONOCIMIENTO.pdf?sequence=1
Alvarado, M. J. (2012). Procesamiento y análisis de imágenesdigitales. Instituto Técnico de Costa Rica. Escuela de Ingeniería Electrónica. Recuperado de: http://www.ie.itcr.ac.cr/palvarado/PAID/paid.pdf
Rosin, P. &Collomosse, J. Eds. (2013). Image and video base artistic stylisation. Cardiff, UK. Ed. Springer.
Joshi, P., Millán, D., Godoy, V. &Laganiere, R. (2017). Build with OpenCV. Develop real-world applications in OpenCV with the latest in computer vision and image processing. United States, Ed. Packt.
Pajares, G., De la Cruz, J., Molina, J., Cuadrado, J. & López A. (2003). Imágenesdigitales. Procesamientopráctico con java. Madrid
– España Ed. Alfaomega Ra-ma.
Munshi, R. (2018). Building Advanced OpenCV3 Projects with Python. Discover how to build advanced OpenCV3 projects with Python. United States. Ed. Packt.
Müller, A. & Guido, S. (2016). Introduction to Machine Learning with Python. A Guide for Data Scientists. Sebastopol, United States.
Ed. O’Really Media.
Brink, H., Richards, J. &Fetherolf, M. (2017). Real-World Machine Learning. New York, United States. Ed. Manning Publications.
Delgado, M. (2012). Extracciónautomática de carasenimágenescaptadas con móviles Android. (Tesis de pregrado). Universidad Politécnica de Cataluña (UPC). Cataluña, España. Enlíneaen: https://upcommons.upc.edu/bitstream/handle/2099.1/15485/78399.pdf
Parra, E. (2015). Aceleración del algoritmo de Viola-Jones medianterejillas de procesamientomasivamenteparaleloen el plano focal. (Tesis de pregrado). Escuela Técnica Superior de Ingeniería. Sevilla, España. Enlíneaen: http://bibing.us.es/proyectos/abreproy/90325/fichero/TrabajoFinGrado.pdf
Cantador, I. (2005). Aplicación de PerceptronesParalelos y AdaBoost a Problemas de Clasificación de Muestra Extrema. (Tesisde pregrado) Universidad Autónoma de Madrid. Escuela Politécnica Superior. Madrid, España.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2019 COMPUSOFT: An International Journal of Advanced Computer Technology
This work is licensed under a Creative Commons Attribution 4.0 International License.
©2023. COMPUSOFT: AN INTERNATIONAL OF ADVANCED COMPUTER TECHNOLOGY by COMPUSOFT PUBLICATION is licensed under a Creative Commons Attribution 4.0 International License. Based on a work at COMPUSOFT: AN INTERNATIONAL OF ADVANCED COMPUTER TECHNOLOGY. Permissions beyond the scope of this license may be available at Creative Commons Attribution 4.0 International Public License.
