Dermoscopy를 사용한 말단흑색점흑색종과 모반의 자동 분류를 위한 알고리즘

Abstract

피부의 멜라닌 세포에서 기원하는 피부암인 악성 흑색종은 주로 서양에서 발생빈도가 높다. 흑색종은 검은 모반과 혼동되기 쉬워서 조기발견이 어렵고 진단도 늦어지는 경우가 많다. 이에 따라 흑색종과 모반을 분류하는 연구가 활발히 진행되고 있다. 이 흑색종은 최근 동양에서도 발생빈도가 점차 증가하고 있는 추세이나 이전에 발생하는 일반 흑색종과는 달리 주로 사지말단부위에 발생하는 악성 흑색종으로 기존의 피부암 연구 결과를 말단흑색점흑색종에 동일하게 적용할 수가 없다. 또한 흑색종 진단에 비침습적 방법으로 사용되는 피부표면현미경으로 관측한 병변의 형태, 색상, 구조 등을 육안으로 진단하는 방법은 숙련된 전문가와 비 숙련가의 정확도에 큰 차이가 있다. 따라서 이를 극복하기 위하여 말단흑색점흑색종의 패턴을 파악하고 피부표면현미경 영상을 사용하여 자동으로 판별하는 알고리즘에 관한 연구가 필요하다. 말단흑색점흑색종과 모반을 자동으로 분류하기 위해서는 우선 각 병변의 특징을 알아야 한다. 현재 피부암 진단을 위한 말단흑색점흑색종과 모반의 발생양상은 총 12개의 패턴으로 분류되고 있고 이 분류에 따라 각 패턴에 해당되는 특징을 추출하여 자동으로 말단흑색점흑색종과 모반을 판별할 수 있어야 한다. 따라서 각 패턴을 분류하기 위한 특징 검출 알고리즘을 구현하고 말단흑색점흑색종과 모반을 자동으로 분류하는 데 있어 정확도를 향상시키는 것이 목표이다. 본 논문은 말단흑색점흑색종과 모반에 대한 12가지 중에서 많이 발생하는 4 종류의 패턴을 효과적으로 구분하는 알고리즘을 개발하였으며 피부표면현미경 영상을 이용한 실험을 통해 말단흑색점흑색종과 모반을 자동으로 판별할 수 있음을 입증하였다.;Malignant melanoma, a kind of skin cancer originated from the skin melanocyte has a higher incidence in the West. Malignant melanoma has difficulty in early detection and diagnosis since it may be confounded with black nevus. Therefore, there have been various researches for distinguishing malignant melanoma from nevus. ABCD rule is the most general way for diagnosing malignant melanoma. Although the incidence of malignant melanoma is gradually increasing in the East, the occurrence location of melanoma for Asian is different from Caucasian populations. It is called as acral lentiginous melanoma (ALM). Thus, it is difficult to apply existing automatic diagnostic algorithms for general melanoma to ALM. In addition, there is a significant difference in the diagnosis rate between the skilled and the unskilled experts when judging the shape, color and structure of lesions using a dermoscopy as a non-invasive method for diagnosing malignant melanoma. Accordingly, in order to overcome such a limit, it is necessary to conduct research on an automated diagnosis algorithm for identifying and determining the pattern of acral lentiginous melanoma in a dermoscopy image. In order to discriminate automatically acral lentiginous melanoma from nevus, identification of characteristics of each lesion is required first. Acral lentiginous melanoma and nevus for diagnosing skin cancer are classified into 3 and 9 patterns, respectively. To distinguish acral lentiginous melanoma and nevus automatically, feature and classification are performed. Hence, this paper aims at implementing the feature detection algorithm for classifying each pattern and improving the accuracy for automatic differentiation of acral lentiginous melanoma and nevus. In this paper, we developed the algorithm to discriminate 12 patterns of acral lentiginous melanoma and nevus effectively. It is verified through experiments that acral lentiginous melanoma and nevus can be discriminated automatically. It is expected that the proposed algorithm will contribute to the early diagnosis of ALM.