The method for automated globule color recognition in dermatoscopic images of skin neoplasms

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

Modern computerized systems for the diagnosis of skin neoplasms are mainly focused on issuing recommendations to patients, but the application of designated systems in clinical practice remains limited. It is supposed that it is connected with the lack of qualitative researches of such systems and low trust of doctors to non-transparent mechanisms of their work. The creation of a medical decision support system based on the logic of the doctor's diagnostic search can solve this problem. An important task of the system is to recognize the color of globules of skin neoplasms, but the methods of solving the task have not yet been described in scientific publications. The application of the method of automated color recognition of globules on dermatoscopic images of skin neoplasms is considered, which allows recognizing globules by color in accordance with a palette of 7 colors (blue, yellow-white, brown, red, orange, nude, black). An original set of 9 color features has been developed as part of this method. The Random Forest method was applied to classify the images based on the feature (globule color). According to the results of the experiment conducted with a sample of 313 images, the classification accuracy was 91 %. The developed method can be implemented programmatically within the framework of a modified pattern analysis algorithm, and this method can also be used as part of a medical decision support system for the diagnosis of skin cancer.

About the authors

V. G. Nikitaev

National Research Nuclear University “MEPhI”

Email: VGNikitayev@mephi.ru
ORCID iD: 0000-0002-4349-3023

A. N. Pronichev

National Research Nuclear University “MEPhI”

Email: anpronichev@mephi.ru
ORCID iD: 0000-0003-0443-8504

O. V. Nagornov

National Research Nuclear University “MEPhI”

Email: ovnagornov@mephi.ru
ORCID iD: 0000-0003-1355-788X

V. Yu. Sergeev

Central Research Dermatology Clinic” LLC

Email: vasesergeevu@gmail.com
ORCID iD: 0000-0001-8487-137X

A. I. Otchenashenko

National Research Nuclear University “MEPhI”

Email: alot.zte@gmail.com
ORCID iD: 0000-0001-8693-5357

N. A. Kegelik

National Research Nuclear University “MEPhI”

Email: horookami@mail.ru
ORCID iD: 0009-0001-4769-3962

References

  1. Эркенова Ф. Д., Пузин С. Н. Статистика меланомы в России и странах Европы. Медико-социальная экспертиза и реабилитация, 23(1), 44–52 (2020). https://doi.org/10.17816/MSER34259
  2. Бахарева Ю. О., Тараканова В. О., Рубаняк М. Ю., Каменских Е. М. Меланома кожи (C43): анализ тенденций заболеваемости и смертности в свете пандемии COVID-19, молекулярная эпидемиология. Вопросы онкологии, 69(4), 631–638 (2023). https://doi.org/10.37469/0507-3758-2023-69-4-631-638
  3. Каприн А. Д., Старинский В. В., Шахзадова А. О. (ред.) Состояние онкологической помощи населению России в 2023 году. МНИОИ им. П. А. Герцена − филиал ФГБУ «НМИЦ радиологии» Минздрава России, Москва (2024).
  4. Ларина В. Н., Гайдина Т. А., Дворников А. С., Назимкин К. Е. Возможности обследования пациентов с подозрительными на меланому новообразованиями кожи, впервые выявленными в первичном звене здравоохранения. Архивъ внутренней медицины, 12(2), 85–92 (2022). https://doi.org/10.20514/2226-6704-2021-12-2-85-92
  5. Гаранина О. Е., Самойленко И. В., Шливко И. Л., Клеменова И. А., Незнахина М. С., Демидов Л. В. Неинвазивные методы диагностики опухолей кожи и их потенциал применения для скрининга меланомы кожи: систематический обзор литературы. Медицинский совет, (9), 97–115 (2020). https://doi.org/10.21518/2079-701X-2020-9-102-120
  6. Солодянкина Т. Н., Апанасевич В. И. Дерматоскопия в комплексной дооперационной диагностике пигментных новообразований кожи. Тихоокеанский медицинский журнал, (1), 98 (2010). https://www.elibrary.ru/ndgtdf
  7. Торшина И., Розендаль К., Булиньска А., Радион Е. Дерматоскопия как метод ранней диагностики злокачественных новообразований кожи. Врач, (4), 16–20 (2016). https://www.elibrary.ru/vvnjsr
  8. Эберт М. А., Гафтон Г. И., Зиновьев Г. В., Гафтон И. Г. Современный взгляд на диагностику меланомы кожи. Вопросы онкологии, 65(5), 638–644 (2019). https://www.elibrary.ru/pfzqmv
  9. Picollo D., Ferrari A., Peris K., Daidone R., Ruggeri B., Chimenti S. Dermoscopic diagnosis by a trained clinician vs. a clinician with minimal dermoscopy training vs. computer-aided diagnosis of 341 pigmented skin lesions: a comparative study. British Journal of Dermatology, 147(3), 481–486 (2002). https://doi.org/10.1046/j.1365-2133.2002.04978.x
  10. Лутикова Е. А., Жучков М. В. Дерматоскопическая диагностика базальной клеточной карциномы: от метафорического языка к анализу паттерна Киттлера. Вестник науки и образования, (8), 74–78 (2017). https://www.elibrary.ru/zdqfzz
  11. Демидов Л. В., Соколов Д. В., Булычева И. В., Шашков Б. В., Махсон А. Н., Кузьмин С. Г., Соколов В. В. Совершенствование методов диагностики меланомы кожи. Вестник РОНЦ им. Н. Н. Блохина РАМН, 18(1), 36–41 (2007).
  12. Хабарова Р. И., Кулева С. А. Искусственный интеллект в диагностике доброкачественных новообразований кожи у пациентов детского возраста. Интеграция нейронной сети в мобильное приложение. Вопросы онкологии, 68(6), 820–826 (2022). https://doi.org/10.37469/0507-3758-2022-68-6-820-826
  13. Сиводедова Н. А., Карякин Н. Н., Гамаюнов С. В., Ускова К. А. Обзор результатов опроса пользователей мобильного приложения «ПроРодинки», используемого для выявления злокачественных новообразований кожи на территории Нижегородской области. ОРГЗДРАВ: Новости. Мнения. Обучение. Вестник ВШОУЗ, 9(4), 107–115 (2023). https://doi.org/10.33029/2411-8621-2023-9-4-107-115
  14. Сиводедова Н. А., Карякин Н. Н., Шливко И. Л. Современные методы выявления злокачественных новообразований кожи, включая использование мобильных приложений и искусственного интеллекта: обзор литературы. ОРГЗДРАВ: Новости. Мнения. Обучение. Вестник ВШОУЗ, 10(2), 78–93 (2024). https://doi.org/10.33029/2411-8621-2024-10-2-78-93
  15. Ляхова У. А., Ляхов П. А. Мультимодальная ансамблевая нейросетевая система обнаружения рака кожи на основе анализа гетерогенных дерматологических данных. Вестник Санкт-Петербургского университета. Прикладная математика. Информатика. Процессы управления, 20(2), 231–243 (2024). https://doi.org/10.21638/spbu10.2024.208
  16. Tucci V., Saary J., Doyle T. E. Factors influencing trust in medical artificial intelligence for healthcare professionals: A narrative review. Journal of Medical Artificial Intelligence, 5, 1–13 (2022). https://doi.org/10.21037/jmai-21-25
  17. Никитаев В. Г., Проничев А. А., Нагорнов О. В., Сергеев В. Ю., Круглова Л. С., Отченашенко А. И., Деева О. К. Метод оценки симметрии узора глобул в системах искусственного интеллекта для диагностики новообразований кожи. Измерительная техника, 73(9), 53–60 (2024). https://doi.org/10.32446/0368-1025it.2024-9-53-60 ; https://elibrary.ru/ckhirm
  18. Козлов С. В., Неретин Е. Ю., Куколкина В. В. Диагностика меланомы кожи с использованием экспертной системы. Вестник новых медицинских технологий. Электронное издание, (1), 91 (2014). https://elibrary.ru/tjbhqh

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).