(45-6) 12 * << * >> * Русский * English * Содержание * Все выпуски

Нейросетевой классификатор гиперспектральных снимков кожных патологий
В.О. Винокуров 1, И.А. Матвеева 1, Ю.А. Христофорова 1, О.О. Мякинин 1, И.А. Братченко 1, Л.А. Братченко 1, А.А. Морятов 2, С.Г. Козлов 2, А.С. Мачихин 3, И. Абдулхалим 4, В.П. Захаров 1

1 Самарский национальный исследовательский университет имени академика С.П. Королёва,
443086, Россия, г. Самара, Московское шоссе, д. 34,

2 Самарский государственный медицинский университет,
443079, Россия, г. Самара, ул. Чапаевская, д. 89,

3 Научно-технологический центр уникального приборостроения РАН,
117342, Россия, г. Москва, ул. Бутлерова, д. 15,

4 Университет имени Давида Бен Гуриона в Негеве,
8410501, Израиль, г. Беэр-Шева, P.O.B. 653

 PDF, 1350 kB

DOI: 10.18287/2412-6179-CO-832

Страницы: 879-886.

Аннотация:
В работе представлены результаты применения нейросетевого классификатора для анализа снимков злокачественных и доброкачественных кожных образований, полученных с помощью гиперспектральной камеры. С помощью трёхблочной нейросети архитектуры VGG произведена классификация набора двумерных изображений меланомы, папилломы и базальноклеточной карциномы, полученных в диапазонах 530–570 и 600–606 нм, характеризуемых наибольшим поглощением меланина и гемоглобина. Проанализирована достаточность включения в обучающий набор двумерных изображений ограниченного спектрального диапазона. Полученные результаты позволяют судить о значительных перспективах применения нейросетевых алгоритмов обработки гиперспектральных данных для классификации кожных патологий. При относительно малом наборе обучающих данных точность классификации для трех типов новообразований составила 96 %.

Ключевые слова:
гиперспектральная визуализация, нейросетевой классификатор, меланин, гемоглобин, онкопатология, меланома, базальноклеточная карцинома, VGG.

Благодарности
Исследование выполнено при финансовой поддержке РФФИ в рамках научного проекта № 19-52-06005 МНТИ_а.

Цитирование:
Винокуров, В.О. Нейросетевой классификатор гиперспектральных снимков кожных патологий / В.О. Винокуров, И.А. Матвеева, Ю.А.  Христофорова, О.О. Мякинин, И.А. Братченко, Л.А. Братченко, А.А. Морятов, С.Г. Козлов, А.С. Мачихин, И. Абдулхалим, В.П. Захаров // Компьютерная оптика. – 2021. – Т. 45, № 6. – С. 879-886. – DOI: 10.18287/2412-6179-CO-832.

Citation:
Vinokurov VO, Matveeva IA, Khristoforova YA, Myakinin OO, Bratchenko IA, Bratchenko LA, Moryatov AA, Kozlov SG, Machikhin AS, Abdulhalim I, Zakharov VP. Neural network classifier of hyperspectral images of skin pathologies. Computer Optics 2021; 45(6): 879-886. DOI: 10.18287/2412-6179-CO-832.

Литература:
  1. Tests for melanoma skin cancer [Electronical Resource]. –  2016. – URL: https://www.cancer.org/cancer/melanoma-skin-cancer/detection-diagnosis-staging/how-diagnosed.html (request date 10.08.2020).
  2. World cancer report 2008 / ed. by P. Boyle, D. Parkin. – Lyon: International Agency for Research on Cancer, 2008. – 511 p.
  3. Siegel, R. Cancer statistics, 2012 / R. Siegel, D. Naishadham, A. Jemal // CA: A Cancer Journal for Clinicians. – 2012. – Vol. 62. – P. 10-29. – DOI: 10.3322/caac.20138.
  4. Siegel, R.L. Cancer statistics, 2019 / R.L. Siegel, K.D. Miller, A. Jemal // CA: A Cancer Journal for Clinicians. – 2019. – Vol. 69. – P. 8-10.
  5. Злокачественные новообразования в России в 2018 году (заболеваемость и смертность) / А.Д. Каприн, В.В. Старинский, Г.В. Петрова. – M.: МНИОИ им. П.А. Герцена - филиал ФГБУ «НМИРЦ» Минздрава России, 2019. – 250 c.
  6. de Oliveira Santos, M. Estimativa 2018: Incidência de câncer no Brasil / M. de Oliveira Santos // Revista Brasileira De Cancerologia. – 2018. – Vol. 64, No. 1. – P. 119-120.
  7. de Almeida, V.L. Câncer e agentes antineoplásicos ciclo-celular específicos e ciclo-celular nãoespecíficos que interagem com o dna: uma introdução / V.L. de Almeida, A. Leitao, L.d.C.B. Reina [et al.] // Química Nova. – 2005. – Vol. 28, Issue 1. – P. 118-129.
  8. Carvalho, G.C. Principais marcadores moleculares para os câncer de pele e mama / G.C. Carvalho, F. Alves // NBC-Periodico Cientıfico do Nucleo de Biociencias. – 2014. – Vol. 4, No. 07. – P. 11-17.
  9. Figueiredo, L.C. Cancer de pele: estudo dos principais marcadores molecularesdo melanoma cutaneo / L.C. Figueiredo, L.N. Cordeiro, A.P. Arruda [et al.] // Revista Brasileira De Cancerologia. – 2003. – Vol. 49, Issue 3. – P. 179-183.
  10. Братченко, И.А. Гиперспектральная визуализация патологий кожи в видимой области / И.А. Братченко, М.В. Алонова, О.О. Мякинин, А.А. Морятов, С.В. Козлов, В.П. Захаров // Компьютерная оптика. – 2016. – Т. 40, № 2. – С. 240-248. – DOI: 10.18287/2412- 6179-2016-40-2-240-248.
  11. Clark, W.H. Origin of familial malignant melanomas from heritable melanocytic lesions. The B-K mole syndrom / W.H. Clark, R.R. Reimer, M. Greene [et al.] // Archives of Dermatology. – 1978. – Vol. 114, Issue 5. – P. 732-739.
  12. Elder, D.E. Displastic nevus syndrome. A pfenotypic assotiation of sporadic cutaneous melanoma / D.E. Elder, J. Leonardi, J. Goldman [et al.] // Cancer. – 1980. – Vol. 46, Issue 8. – P. 1787-1794.
  13. Романова, О.А. Клинический случай крупного прогрессирующего диспластического невуса с переходом в меланому / О.А. Романова, Н.Г. Артемьева, М.Г. Солохина // Клиническая дерматология и венерология. – 2018. – № 17. – С. 34-37. – DOI: 10.17116/klinderma201817234-37.
  14. Gross, P.E. Challenges to effective cancer control in China, India, and Russia / P.E. Gross, K. Strasser-Weippl, B.L. Lee-Bychkovsky [et al.] // The Lancet Oncology. – 2014. – Vol. 15. – P. 489-538. – DOI: 10.1016/S1470- 2045(14)70029-4.
  15. Carli, P. Dermatoscopy in the diagnosis of pigmented skin lesions: a new semiology for the dermatologist / P. Carli, V. De Giorgi, H. Soyer [et al.] // The Journal of the European Academy of Dermatology and Venereology. – 2000. – Vol. 14, Issue 5. – P. 353-369.
  16. Jacques, S.L. Imaging skin pathology with polarized light / S.L. Jacques, J.C. Ramella-Roman, K. Lee // Journal of Biomedical Optics. – 2002. – Vol. 7, Issue 3. – P. 329-340.
  17. Cicchi, R. Combined fluorescence-Raman spectroscopic setup for the diagnosis of melanocytic lesions / R. Cicchi, A. Cosci, S. Rossari // Journal of Biophotonics. – 2014. – Vol. 7, Issues 1-2. – P. 86-95. – DOI: 10.1002/jbio.201200230.
  18. Khristoforova, Y.A. Portable spectroscopic system for in vivo skin neoplasms diagnostics by Raman and autofluorescence analysis / Y.A. Khristoforova, I.A. Bratchenko, O.O. Myakinin, D.N. Artemyev, A.A. Moryatov, A.E. Orlov, S.V. Kozlov, V.P. Zakharov // Journal of Biophotonics. – 2019. – Vol. 12, Issue 4. – e201800400. – DOI: 10.1002/jbio.201800400.
  19. Zhao, J. Incorporating patient demographics into Raman spectroscopy algorithm improves in vivo skin cancer diagnostic specificity / J. Zhao, H. Zeng, S. Kalia, H. Lui // Translational Biophotonics. – 2019. – Vol. 1, Issues 1-2. – e201900016. – DOI: 10.1002/tbio.201900016.
  20. Kong, K. Diagnosis of tumors during tissue-conserving surgery with integrated autofluorescence and Raman scattering microscopy / K. Kong, C.J. Rowlands, S. Varma // Proceedings of the National Academy of Sciences. – 2013. – Vol. 110, Issue 38. – P. 15189-15194. – DOI: 10.1073/pnas.1311289110.
  21. Tuchin, V.V. Tissue optics and photonics: Light-tissue interaction / V.V. Tuchin // Journal of Biomedical Photonics & Engineering. – 2015. – Vol. 1, No. 2. – P. 98-134. – 20151298. – DOI: 10.18287/jbpe-2015-1-2-98.
  22. Zherdeva, L.A. In vivo hyperspectral imaging and differentiation of skin cancer / L.A. Zherdeva, I.A. Bratchenko, O.O. Myakinin // Proceedings of SPIE. – 2016. – Vol. 10024. – 100244G. – DOI: 10.1117/12.2246433.
  23. Bratchenko, I.A. In vivo hyperspectral analysis of skin hemoglobin and melanin content for neoplasia detection / I.A. Bratchenko, O.O. Myakinin, V.P. Sherendak [et al.] // Journal of Biomedical Photonics & Engineering. – 2018. – Vol. 4, No. 4. – 040301. – DOI: 10.18287/JBPE18.04.040301.
  24. Chang, C.I. Hyperspectral imaging: Techniques for spectral detection and classification / C.L. Chang. – Boston: Springer, 2003. – ISBN: 978-0-306-47483-5.
  25. Pan, B. R-VCANet: A new deep-learning-based hyperspectral image classification method / B. Pan, Z. Shi, X. Xu // IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing. – 2017. – Vol. 10, Issue 5. – P. 1975-1986.
  26. Шерендак, В.П. Гиперспектральный in vivo анализ хромофоров нормальной кожи и визуализация онкологических патологий / В.П. Шерендак, И.А. Братченко, О.О. Мякинин, П.Н. Вольхин, Ю.А. Христофорова, А.А. Морятов, А.С. Мачихин, В.Э. Пожар, С.Г. Козлов, В.П. Захаров // Компьютерная оптика. – 2019. – Т. 43, № 4. – С. 661-670. – DOI: 10.18287/2412-6179-2019-43-4-661-670.
  27. Krizhevsky, A. ImageNet classification with deep convolutional neural networks / A. Krizhevsky, I. Sutskever, G.E. Hinton // NIPS'12: Proceedings of the 25th International Conference on Neural Information Processing Systems. – 2012. – Vol. 1. – P. 1097-1105.
  28. Hu, W. Deep convolutional neural networks for hyperspectral image classification / W. Hu, Y. Huang, L. Wei [et al.] // Journal of Sensors. – 2015. – Vol. 2015. – 258619. – DOI: 10.1155/2015/258619.
  29. Ma, X. Hyperspectral image classification via contextual deep learning / X. Ma, J. Geng, H. Wang // EURASIP Journal on Image and Video Processing. – 2015. – Vol. 20, Issue 1. – 20.
  30. Halicek, M. Deep convolutional neural networks for classifying head and neck cancer using hyperspectral imaging / M. Halicek [et al.] // Journal of Biomedical Optics. – 2017. – Vol. 22. – 060503. – DOI: 10.1117/1.JBO.22.6.060503.
  31. Pardo, A. On the spectral signature of melanoma: a non-parametric classification framework for cancer detection in hyperspectral imaging of melanocytic lesions / A. Pardo, J.A. Gutiérrez-Gutiérrez, I. Lihacova, J.M. López-Higuera, O.M. Conde // Biomedical Optics Express. – 2018. – Vol. 9, Issue 12. – P. 6283-6301.
  32. Machikhin, A. Aberration analysis of AOTF-based spectral imaging systems / A. Machikhin, V. Batshev, V. Pozhar // Journal of the Optical Society of America A. – 2017. – Vol. 34, Issue 7. – P. 1109-1113..

© 2009, IPSI RAS
Россия, 443001, Самара, ул. Молодогвардейская, 151; электронная почта: journal@computeroptics.ru; тел: +7 (846) 242-41-24 (ответственный секретарь), +7 (846) 332-56-22 (технический редактор), факс: +7 (846) 332-56-20