نسترن میرزایی - دانشکده فنی و مهندسی، مرکز آموزش عالی پلدختر، دانشگاه لرستان، لرستان، ایران
همایون رستگار - گروه مهندسی کامپیوتر، موسسه آموزش عالی آفرینش علم گستر بروجرد، بروجرد، ایران
داور گیوگی - دانشکده مهندسی، دانشکده مهندسی کامپیوتر، دانشگاه شهید چمران اهواز، اهواز، ایران

ملانوما به عنوان یکی از سرطان های بدخیم و کشنده پوست در سراسر جهان شناخته شده است. این بیماری عامل 50% مرگ و میرهای مرتبط با سرطان پوست می باشد. مطالعات نشان می دهد که استفاده از فناوری های نوین کامپیوتری مانند پردازش تصویر در فرآیندهای مربوط به تشخیص و دسته بندی سرطان ها موفق عمل کرده اند. در این مقاله، روشی برای تشخیص بیماری ملانوما با استفاده از ویژگی های بافت پیشنهاد شده است. تشخیص بیماری ملانوما شامل سه مرحله است: قطعه بندی، استخراج ویژگی و دسته بندی. در این مقاله، برای استخراج ویژگی از ویژگی های بافت مانند LDP, LBP، میانگین ، انحراف معیار و هموژنتی استفاده شده است. بعد از استخراج ویژگی های مناسب از تصاویر ضایعات مختلف پوستی، از ماشین بردار پشتیبان برای دسته بندی اطلاعات استفاده شد. در این مقاله از دو پایگاه داده تصویر DermIS و DermQuest استفاده شده است. این پایگاه داده ها شامل تصاویر استخراج شده همراه قطعه بندی دستی ضایعات پوستی است. نتایج نشان داد که روش ارائه شده با رسیدن به دقت 90% در آزمون تشخیص بیماری ملانوما عملکرد بهتری نسبت به روش های محققان پیشین داشته است.

ملانوما، LDP, LBP، ماشین بردار پشتیبان