Abstract
En los últimos años, desafortunadamente, se están registrando un mayor número de casos de cáncer por todo el mundo, siendo uno de los destacados el cáncer de piel, y más acusado el melanoma. Un análisis a tiempo provoca que se detecte dicho cáncer en una fase en la que su probabilidad de curación sea elevada. En la actualidad, se ha avanzado en los sistemas automáticos de detección implementados para facilitar el diagnóstico del melanoma. Estos sistemas se componen de tres fases: Segmentación; Detección de atributos clínicos; Clasificación de la lesión. En la fase de la segmentación, es necesario hacer un preprocesado previo para mejorar el contraste de la imagen o eliminar objetos confusos, como puede ser el vello. En este proyecto se presentarán dos algoritmos distintos; uno que elimina el pelo mejorando los resultados de la segmentación y otro que detecta glóbulos en la imagen, que es un tipo de atributo clínico. Ambos algoritmos están basados en el mismo principio, la detección de objetos de la imagen que cumplen con unas ciertas características, empleando transformaciones morfológicas y filtros, para extraer una máscara a analizar. Para poder aplicar estos filtros, es necesario aplicar técnicas de tratamiento de imágenes para mejorar el contraste que facilitará la detección de elementos oscuros. Para lograr los mejores resultados, a lo largo del proyecto se han realizado diferentes pruebas aplicadas a ambos códigos, consistentes en modificaciones de valores y técnicas de mejora de contrastes, estudio de los canales de la imagen y uso de distintos tipos de transformaciones morfológicas. Abstract: In recent years, unfortunately, a greater number of cancer cases are being registered worldwide, with skin cancer being one of the most prominent and melanoma the most pronounced. A timely analysis causes this cancer to be detected at a stage in which its probability of cure is high. Progress has now been made in the automatic detection systems implemented to facilitate the diagnosis of melanoma. These systems consist of three phases: Segmentation; Detection of clinical attributes; Classification of the lesion. In the segmentation phase, it is necessary to do a previous pre-processing to improve the contrast of the image or eliminate confusing objects, such as hair. In this project two different algorithms will be presented; one that eliminates hair improving segmentation results and another that detects globules in the image, which is a type of clinical attribute. Both algorithms are based on the same principle, the detection of objects in the image that meet certain characteristics, using morphological transformations and filters, to extract a mask to analyse. In order to apply these filters, it is necessary to apply image processing techniques to improve the contrast that will facilitate the detection of dark elements. In order to achieve the best results, throughout the project different tests have been applied to both codes, consisting of modifications of values and techniques to improve contrasts, study of image channels and use of different types of morphological transformations.
