Analyse de texture basée sur la segmentation et la classification des lésions cancéreuses buccales dans des images couleur utilisant les réseaux de neurones artificiels

Les caractéristiques dérivées de la matrice de co-occurrence des niveaux de gris (GLCM) et de la matrice de longueur de course des niveaux de gris (GLRL) sont largement utilisées pour la caractérisation d'images basée sur l'analyse de texture. Dans cet article, nous proposons l'application de caractéristiques discriminantes de texture sélectionnées de manière appropriée pour la classification des lésions cancéreuses buccales dans les images prises avec un appareil photo numérique en six groupes. Un réseau de neurones artificiels basé sur la rétropropagation (BPANN) est utilisé pour comparer et valider la performance de différents ensembles de caractéristiques. L'exactitude de la classification s'améliore avec la combinaison de fonctionnalités basées sur GLCM, GLRL et les caractéristiques de premier ordre basées sur l'intensité. Une amélioration supplémentaire de l'exactitude est obtenue par l'application de la sélection des caractéristiques utilisant l'analyse de boxplot. Un ensemble de 61 caractéristiques est formulé et appliqué sur 192 sections d'images prises auprès de 16 patients. Une telle classification des maladies malignes est utile pour le pronostic et le traitement du cancer de la bouche, qui est la forme la plus courante de cancer en Inde.