Bildbasierte Computerdiagnose des Melanoms

Bildbasierte Computerdiagnose des Melanoms Zunehmend etablieren sich automatisierte Diagnosesysteme zur Melanomdiagnostik. Diese basieren auf folgenden 4 Verarbeitungsschritten: 1) Vorverarbeitung, bei der sichergestellt wird, dass störende Faktoren eliminiert werden, 2) Segmentierung, die Trennung des Bildes in die Läsion und den Hintergrund, 3) Extraktion und Auswahl jener Merkmale, die das höchste Maß an Genauigkeit bei der Diagnose bieten, und 4) Klassifizierung, bei der die Läsion einer Diagnoseklasse zugeordnet wird. In letzter Zeit fokussiert sich die computergestützte Melanomdiagnose auf Algorithmen, die auf „transfer learning“ basieren. „Transfer learning“ macht die Schritte 2 und 3 z. T. obsolet und liefert bessere Ergebnisse. Auch Smartphone-Applikationen im Bereich von Melanomvorsorge und -erkennung werden angeboten. Diese Anwendungen sind mit Sorge zu betrachten, denn sie sind Laien zugänglich, aber nicht in vorherigen klinischen Studien auf ihre diagnostische Leistungsfähigkeit überprüft worden. http://www.deepdyve.com/assets/images/DeepDyve-Logo-lg.png Der Hautarzt Springer Journals

Bildbasierte Computerdiagnose des Melanoms

Loading next page...
 
/lp/springer_journal/bildbasierte-computerdiagnose-des-melanoms-F9HOnAV2M2
Publisher
Springer Medizin
Copyright
Copyright © 2018 by Springer Medizin Verlag GmbH, ein Teil von Springer Nature
Subject
Medicine & Public Health; Dermatology; Immunology; Allergology; Proctology
ISSN
0017-8470
eISSN
1432-1173
D.O.I.
10.1007/s00105-018-4191-9
Publisher site
See Article on Publisher Site

Abstract

Zunehmend etablieren sich automatisierte Diagnosesysteme zur Melanomdiagnostik. Diese basieren auf folgenden 4 Verarbeitungsschritten: 1) Vorverarbeitung, bei der sichergestellt wird, dass störende Faktoren eliminiert werden, 2) Segmentierung, die Trennung des Bildes in die Läsion und den Hintergrund, 3) Extraktion und Auswahl jener Merkmale, die das höchste Maß an Genauigkeit bei der Diagnose bieten, und 4) Klassifizierung, bei der die Läsion einer Diagnoseklasse zugeordnet wird. In letzter Zeit fokussiert sich die computergestützte Melanomdiagnose auf Algorithmen, die auf „transfer learning“ basieren. „Transfer learning“ macht die Schritte 2 und 3 z. T. obsolet und liefert bessere Ergebnisse. Auch Smartphone-Applikationen im Bereich von Melanomvorsorge und -erkennung werden angeboten. Diese Anwendungen sind mit Sorge zu betrachten, denn sie sind Laien zugänglich, aber nicht in vorherigen klinischen Studien auf ihre diagnostische Leistungsfähigkeit überprüft worden.

Journal

Der HautarztSpringer Journals

Published: May 29, 2018

References

You’re reading a free preview. Subscribe to read the entire article.


DeepDyve is your
personal research library

It’s your single place to instantly
discover and read the research
that matters to you.

Enjoy affordable access to
over 18 million articles from more than
15,000 peer-reviewed journals.

All for just $49/month

Explore the DeepDyve Library

Search

Query the DeepDyve database, plus search all of PubMed and Google Scholar seamlessly

Organize

Save any article or search result from DeepDyve, PubMed, and Google Scholar... all in one place.

Access

Get unlimited, online access to over 18 million full-text articles from more than 15,000 scientific journals.

Your journals are on DeepDyve

Read from thousands of the leading scholarly journals from SpringerNature, Elsevier, Wiley-Blackwell, Oxford University Press and more.

All the latest content is available, no embargo periods.

See the journals in your area

DeepDyve

Freelancer

DeepDyve

Pro

Price

FREE

$49/month
$360/year

Save searches from
Google Scholar,
PubMed

Create lists to
organize your research

Export lists, citations

Read DeepDyve articles

Abstract access only

Unlimited access to over
18 million full-text articles

Print

20 pages / month

PDF Discount

20% off