Архив номеров
Медицинская Техника / Медицинская техника №6, 2025 / с. 18-21

Система распознавания изображений кожных новообразований по цветовому признаку бесструктурной области внутри периферических линий с применением алгоритмов искусственного интеллекта

В.Г. Никитаев, А.Н. Проничев, О.В. Нагорнов, В.Ю. Сергеев, А.И. Отченашенко, О.К. Деева, И.А. Сергеев, Е.С. Мочалова, С.К. Баженова


Аннотация 

Представлена система распознавания изображений кожных новообразований по цветовому признаку бесструктурной области внутри периферических линий как компонент комплекса цифровой системы дифференциальной диагностики в онкодерматологии. Разработанный классификатор реализует один из узлов – несколько признаков, линии, радиальные, по краям, периферические – перспективного алгоритма модифицированного анализа узора (АМАУ). Он предназначен для принятия решений на этапе анализа симметричных структур с периферическими линиями, когда необходимо определить характер новообразования по цветам бесструктурной области в окружении периферических линий. Классификатор обучен на размеченной базе дерма- тоскопических снимков, содержащей 43 изображения новообразований со светлой бесструктурной областью и 43 – с темной. Для обучения классификатора создана таблица, содержащая размеченные изображения из массива данных (5 000 изображений). Точность классификатора на тестовой выборке – 78 %.


Вернуться к содержанию

Сведения об авторах

Валентин Григорьевич Никитаев, д-р техн. наук, профессор-консультант, 
Александр Николаевич Проничев, канд. техн. наук, доцент-консультант, кафедра компьютерных медицинских систем, 
Олег Викторович Нагорнов, д-р физ.-мат. наук, профессор, первый проректор, зав. кафедрой, кафедра высшей математики, ФГАОУ ВО «Национальный исследовательский ядерный университет «МИФИ», 
Василий Юрьевич Сергеев, канд. мед. наук, доцент, кафедра дерматовенерологии и косметологии, ЦГМА управления делами Президента РФ, научный руководитель, ООО «Научно-исследовательский центр «Клиника дерматологии», 
Александр Иванович Отченашенко, аспирант, ассистент, 
Ольга Кирилловна Деева, студентка бакалавриата, кафедра компьютерных медицинских систем, ФГАОУ ВО «Национальный исследовательский ядерный университет «МИФИ», 
Иван Алексеевич Сергеев, исследователь-стажер, ООО «Научно-исследовательский центр «Клиника дерматологии», 
Екатерина Сергеевна Мочалова, студентка магистратуры, 
София Константиновна Баженова, студентка бакалавриата, кафедра компьютерных медицинских систем, ФГАОУ ВО «Национальный исследовательский ядерный университет «МИФИ», г. Москва, 

Список литературы

1. Антонова А.А., Гришина А.М., Шабаев Х.Х., Воронова С.О., Худайкулов К., Эльдеров М.А., Сулейманова З.В., Аннагелдиев Г., Абдурахимова П.М. Анализ заболеваемости болезнями кожи и подкожной клетчатки среди универсантов // Международный научно-исследовательский журнал. 2023. № 6 (132). С. 15-20. 
2. Еремина М.Г., Галкина Е.М., Свистунова Д.А., Епифанова А.Ю. Дерматоскопия в рутинной практике врача-дерматовенеролога // Саратовский научно-медицинский журнал. 2020. Т. 16. № 3. С. 845-847. 
3. Seeja R.D., Suresh A. Deep learning based skin lesion segmentation and classification of melanoma using support vector machine (SVM) // Asian Pacific Journal of Cancer Prevention. 2019. Vol. 20. № 5. PP. 1555-1561. 
4. Poudel B.R., Adhikari B., Koirala A. et al. A deep neural network solution for malignant melanoma detection // International Journal of Advanced Research and Publications. 2019. Vol. 3. № 11. PP. 91-98. 
5. Kittler H., Rosendahl C., Cameron A., Tschandl Ph. Dermatoscopy: An algorithmic method based on pattern analysis. – Vienna: Facultas Verlag, 2016. 300 p. 
6. Kittler H., Marghoob A.A., Argenziano G. et al. Standardization of terminology in dermoscopy/dermatoscopy: Results of the third consensus conference of the International Society of Dermoscopy // Journal of the American Academy of Dermatology. 2016. Vol. 74. № 6. PP. 1093-1106. 
7. Никитаев В.Г., Проничев А.Н., Нагорнов О.В. и др. Метод автоматизированного распознавания цвета глобул на дерматоскопических изображениях новообразований кожи // Измерительная техника. 2025. Т. 74. № 3. С. 84-92. 
8. Payapvipapong K., Nakakes A., Tanaka M. Lava lake structure and cloud-like structureless area: New clues for diagnosing extramammary Paget disease // Journal of the European Academy of Dermatology & Venereology. 2017. Vol. 31. № 10. PP. e459-e461. 
9. Отченашенко А.И., Никитаев В.Г., Проничев А.Н., Сергеев В.Ю. Систематизированная база данных дерматоскопических изображений для диагностики кожных заболеваний [электронный ресурс] / ФГАОУ ВО «Национальный исследовательский ядерный университет «МИФИ». Свидетельство о государственной регистрации базы данных № 2025622037 от 12 мая 2025 года / https://new.fips.ru/ registers-doc-view/fips_servlet?DB=DB&DocNumber= 2025622037&TypeFile=html (дата обращения: 15.10.2025). 
10. Huljanah M., Rustam Z., Utama S. et al. Feature selection using random forest classifier for predicting prostate cancer // IOP Conference Series: Materials Science and Engineering. IOP Publishing, 2019. Vol. 546. № 5. P. 052031.