Computer-assisted diagnosis of skin cancer

Abstract

Hautkrebs ist eine relativ häufig auftretende Erkrankung unserer Zeit, die viele Todesfälle aufgrund zu später Diagnosen fordert. In dieser Arbeit wurden digitale Dermatoskopie-Bilder von Hauterkrankungen, welche gutartige Gewächse und den gefährlichsten Typ von Hautkrebs, das Melanom, beinhalten, untersucht. Die Bilder wurden von John Paoli, einem Dermatologen vom Sahlgrenska Universitäts-Krankenhaus in Göteborg, Schweden, zur Verfügung gestellt. Nach entsprechender Vorverarbeitung der Bilder wurden verschiedene Parameter mit Hilfe der Bilder berechnet, um zwischen den verschiedenen Läsionen unterscheiden zu können. Durch diese Parameter wurden die Irregularität des Randes der Läsion, die Änderung der Helligkeit in der Läsion, die Dunkelheit der Läsion im roten Farbkanal und die Form der Läsion analysiert. Um die Stärke der Unterscheidungskraft zu verbessern wurden zwei verschiedene Standardisierungsmethoden (z-Transformation und eine selbst entwickelte Methode) angewandt und getestet. Lineare und quadratische Diskriminanzanalyse und k-nearest-neighbour wurden zur Klassifizierung verwendet. Die Klassifikation wurde mit den originalen und mit den standardisierten Daten, jeweils mit und ohne zusätzlicher Hauptkomponentenanalyse, durchgeführt. Die besten Klassifikationsergebnisse wurden mit der quadratischen Diskriminanzanalyse erzielt, wenn die ersten vier Hauptkomponenten der z-transformierten Daten verwendet wurden. Die Sensitivität (Melanom klassifiziert als Melanom) erreichte dabei 88% und die Spezifität 95%.<br />Wenn die Entscheidungsgrenze zwischen Melanom und gutartiger Läsion beeinflusst wurde, konnte die Sensitivität auf 93%, bei einer Spezifität von 91%, erhöht werden. Es ist beabsichtigt, dass der entwickelte Algorithmus Dermatologen bei der Diagnose von Melanomen helfen soll.<br />Zusätzlich soll der Algorithmus als Basis für eine App für Mobiltelefone dienen.

Skin cancer is a relatively frequent occurring disease nowadays causing many deaths because of a too late diagnosis. The aim of this thesis was to investigate digital dermatoscopic images of lesions containing benign lesions and the most dangerous type of skin cancer malignant melanoma. The images were provided by John Paoli, a dermatologist at Sahlgrenska University Hospital in Gothenburg, Sweden.<br />After appropriate preprocessing, different parameters were calculated out of these images to be able to discriminate between different lesions. Through these parameters the irregularity of the lesion boundary, the change of brightness in the lesion, the darkness of the lesion in the RED-colour-channel and the shape of the lesion were analysed. To enhance the discriminating power of these parameters two different standardisation methods (z-transform and one self developed) of the data was performed and tested. Linear discriminant analysis and quadratic discriminant analysis as well as k-nearest-neighbour were used for classification. The classification was performed on the original and the standardised data both with and without additional principle component analysis. The best classification results were achieved with quadratic discriminant analysis performed on the first four principle components of the z-transformed data. A sensitivity (melanomas classified as melanomas) of 88% and a specificity of 95% were reached.<br />By changing the decision border between melanomas and benign lesions the sensitivity was increased to 93% combined with a specificity of 91%. The developed algorithm is intended to help dermatologists during the diagnosis of skin cancer and as basis for a mobile phone app.