Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "melanoma diagnosis" wg kryterium: Wszystkie pola

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-6 z 6
    Tytuł:
    Current clinical management of malignant melanoma – diagnosis process and innovative therapies
    Autorzy:
    Kwiatkowski, Stanisław
    Przystupski, Dawid
    Kotowski, Krzysztof
    Kolasińska, Karolina
    Saczko, Jolanta
    Kulbacka, Julita
    Powiązania:
    https://bibliotekanauki.pl/articles/1177464.pdf
    Data publikacji:
    2018
    Wydawca:
    Przedsiębiorstwo Wydawnictw Naukowych Darwin / Scientific Publishing House DARWIN
    Tematy:
    AJCC
    Melanoma malignum
    dabrafenib
    electrochemotherapy
    ipilimumab
    melanoma
    melanoma staging
    pembrolizumab
    photodynamic therapy
    vemurafenib
    Opis:
    Malignant melanoma is a highly invasive cancer which derives from neuroectodermic melanocytic cells. It is characterized by the highest frequency of cases in both sexes and all age groups. High metastatic potential of melanoma and its multidrug resistance might be a significant problem in the treatment. Permanent and complete remissions are rare, while the 5-year survival rate remains relatively low. In the last years there has been a breakthrough in the systemic therapy of malignant melanoma. Modern drugs have revolutionized previous therapeutic management of melanoma. As part of therapeutic programs, new medicines are available: dabrafenib, ipilimumab, pembrolizumab, trametinib and vemurafenib. The following paper presents current clinical management standards for melanoma diagnoses, based on the widely accepted scientific data and expert experience - with emphasis on modern methods of treatment of this cancer.
    Źródło:
    World Scientific News; 2018, 102; 30-46
    2392-2192
    Pojawia się w:
    World Scientific News
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Application of artificial neural networks in preliminary selection of pigmented lesions for further melanoma diagnosis
    Autorzy:
    Kisielińska-Ptasznik, Anna
    Figielska, Ewa
    Powiązania:
    https://bibliotekanauki.pl/articles/1397478.pdf
    Data publikacji:
    2020
    Wydawca:
    Warszawska Wyższa Szkoła Informatyki
    Tematy:
    artificial neural network
    data pre-processing
    melanoma diagnosis
    Opis:
    The paper deals with the problem of preliminary selection of pigmented lesionsfor further melanoma diagnosis. Several algorithms for input data pre-processingare proposed and artificial neural network for the examination of pigmented lesions is used. Computational results are reported.
    Źródło:
    Zeszyty Naukowe Warszawskiej Wyższej Szkoły Informatyki; 2020, 14, 22; 23-38
    1896-396X
    2082-8349
    Pojawia się w:
    Zeszyty Naukowe Warszawskiej Wyższej Szkoły Informatyki
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Diagnosis of malignant melanoma by neural network ensemble-based system utilising hand-crafted skin lesion features
    Autorzy:
    Grochowski, Michał
    Mikołajczyk, Agnieszka
    Kwasigroch, Arkadiusz
    Powiązania:
    https://bibliotekanauki.pl/articles/221391.pdf
    Data publikacji:
    2019
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    decision support
    diagnostics
    image processing
    artificial neural networks
    ensemble of neural networks
    melanoma malignant
    Opis:
    Malignant melanomas are the most deadly type of skin cancer, yet detected early have high chances of successful treatment. In the last twenty years, the interest in automatic recognition and classification of melanoma dynamically increased, partly because of appearing public datasets with dermatoscopic images of skin lesions. Automated computer-aided skin cancer detection in dermatoscopic images is a very challenging task due to uneven sizes of datasets, huge intra-class variation with small interclass variation, and the existence of many artifacts in the images. One of the most recognized methods of melanoma diagnosis is the ABCD method. In the paper, we propose an extended version of this method and an intelligent decision support system based on neural networks that uses its results in the form of hand-crafted features. Automatic determination of the skin features with the ABCD method is difficult due to the large diversity of images of various quality, the existence of hair, different markers and other obstacles. Therefore, it was necessary to apply advanced methods of pre-processing the images. The proposed system is an ensemble of ten neural networks working in parallel, and one network using their results to generate a final decision. This system structure enables to increase the efficiency of its operation by several percentage points compared with asingle neural network. The proposed system is trained on over 5000 and tested afterwards on 200 skin moles. The presented system can be used as a decision support system for primary care physicians, as a system capable of self-examination of the skin with a dermatoscope and also as an important tool to improve biopsy decision making.
    Źródło:
    Metrology and Measurement Systems; 2019, 26, 1; 65-80
    0860-8229
    Pojawia się w:
    Metrology and Measurement Systems
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Diagnosing skin melanoma: current versus future directions
    Autorzy:
    Hippe, Z. S.
    Bajcar, S.
    Blajdo, P.
    Grzymała-Busse, J. P.
    Grzymała-Busse, J. W.
    Knap, M.
    Paja, W.
    Wrzesień, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/1954638.pdf
    Data publikacji:
    2003
    Wydawca:
    Politechnika Gdańska
    Tematy:
    melanoma
    TDS
    machine learning in diagnosis
    Opis:
    A new database containing 410 cases of nevi pigmentosi, in four categories: benign nevus, blue nevus, suspicious nevus and melanoma malignant, carefully verified by histopathology, is described. The database is entirely different from the base presented previously, and can be readily used for research based on the so-called constructive induction in machine learning. To achieve this, the database features a different set of thirteen descriptive attributes, with a fourteenth additional attribute computed by applying values of the remaining thirteen attributes. In addition, a new program environment for the validation of computer-assisted diagnosis of melanoma, is briefly discussed. Finally, results are presented on determining optimal coefficients for the well-known ABCD formula, useful for melanoma diagnosis.
    Źródło:
    TASK Quarterly. Scientific Bulletin of Academic Computer Centre in Gdansk; 2003, 7, 2; 289-293
    1428-6394
    Pojawia się w:
    TASK Quarterly. Scientific Bulletin of Academic Computer Centre in Gdansk
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wykorzystanie metod przetwarzania obrazów w rozpoznawaniu i diagnostyce czerniaka złośliwego
    Application of image processing for detection and diagnosis of malignant melanoma
    Autorzy:
    Jaworek, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/274615.pdf
    Data publikacji:
    2011
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
    Tematy:
    dermatoskopia
    czerniak złośliwy
    przetwarzanie obrazów
    system ekspercki
    teledermatologia
    dermoscopy
    malignant melanoma
    image processing
    expert systems
    teledermatology
    Opis:
    Czerniak złośliwy jest jednym z najszybciej rozwijających się nowotworów skóry, a zachorowalność na niego stale wzrasta. Podstawowym badaniem nieinwazyjnym pozwalającym na jego rozpoznanie jest dermatoskopia. Celem badania dermatoskopowego jest diagnostyka różnicowa zmian barwnikowych z podziałem na zmiany melanocytowe i niemelanocytowe. Badanie pozwala odróżnić zmiany melanocytowe, wymagające wycięcia chirurgicznego oraz badania histopatologicznego, od zmian łagodnych. Szybki rozwój elektroniki i informatyki pozwolił na wyodrębnienie dwóch nowych dziedzin w dermatoskopii (foto- i wideodermatoskopii), które umożliwiają cyfrowy zapis zdjęć. Komputerowa analiza obrazów dermatoskopowych polega na ocenie poszczególnych zmian, określaniu ich zaawansowania i wyznaczaniu podstawowych parametrów diagnostycznych (określanie barwy, ilości barw, rozmiaru, symetrii oraz struktur różnicujących). Badania komputerowe wykazują dużą skuteczność, jednak nie są zalecane jako jedyny sposób oceny zmian. Obecne systemy nie ograniczają niepotrzebnych zabiegów chirurgicznych, co uznawane jest za ich podstawową wadę. Wymagany jest dalszy rozwój aplikacji oraz opracowanie nowych, nowatorskich rozwiązań, aby dermatoskopia wspomagana komputerowo stała się wiodącą metodą diagnostyczną.
    Skin melanoma is one of the most malignant tumours and increasing melanoma incidence rate has been observed worldwide in the last several years. Due to high skin cancer incidence, dermatologic oncology has become a quickly developing branch of medicine. Dermoscopy is the most common and non-invasive method to diagnose skin cancer. The aim of dermoscopy is to dif erentiate malignant melanoma from other lesions of the skin (hemangiomas and nevi) as well as preliminary staging and malignancy assessment. It is possible to distinguish malignant tumours, requiring surgical removal followed by histopathological examination, from benign changes. The rapid development of electronics and information technologies enabled to create two new areas of dermoscopy (photo- and videodermoscopy) that use digital imaging for storing the data. The aim of computer systems in dermoscopy is to analyse each image and to evaluate each change, identifying them and determining the advancement of basic diagnostic parameters (determination of colour, border, size, asymmetry and dif erential structures). Recent studies of software systems show high ei ciency, but it is still not recommended that the software systems are the only one to evaluate the changes. Rapid development of medical equipment and computer systems for medical applications gives hope for better and faster diagnoses of malignant melanoma and that dermoscopy image processing will become a leading diagnostic method.
    Źródło:
    Pomiary Automatyka Robotyka; 2011, 15, 12; 100-101
    1427-9126
    Pojawia się w:
    Pomiary Automatyka Robotyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Segmentation of the melanoma lesion and its border
    Autorzy:
    Surówka, Grzegorz
    Ogorzałek, Maciej
    Powiązania:
    https://bibliotekanauki.pl/articles/2172123.pdf
    Data publikacji:
    2022
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    computer aided diagnosis
    DBSCAN
    malignant melanoma
    region growing
    diagnoza wspomagana komputerowo
    czerniak złośliwy
    rozrost regionów
    Opis:
    Segmentation of the border of the human pigmented lesions has a direct impact on the diagnosis of malignant melanoma. In this work, we examine performance of (i) morphological segmentation of a pigmented lesion by region growing with the adaptive threshold and density-based DBSCAN clustering algorithm, and (ii) morphological segmentation of the pigmented lesion border by region growing of the lesion and the background skin. Research tasks (i) and (ii) are evaluated by a human expert and tested on two data sets, A and B, of different origins, resolution, and image quality. The preprocessing step consists of removing the black frame around the lesion and reducing noise and artifacts. The halo is removed by cutting out the dark circular region and filling it with an average skin color. Noise is reduced by a family of Gaussian filters 3×3−7×7 to improve the contrast and smooth out possible distortions. Some other filters are also tested. Artifacts like dark thick hair or ruler/ink markers are removed from the images by using the DullRazor closing images for all RGB colors for a hair brightness threshold below a value of 25 or, alternatively, by the BTH transform. For the segmentation, JFIF luminance representation is used. In the analysis (i), out of each dermoscopy image, a lesion segmentation mask is produced. For the region growing we get a sensitivity of 0.92/0.85, a precision of 0.98/0.91, and a border error of 0.08/0.15 for data sets A/B, respectively. For the density-based DBSCAN algorithm, we get a sensitivity of 0.91/0.89, a precision of 0.95/0.93, and a border error of 0.09/0.12 for data sets A/B, respectively. In the analysis (ii), out of each dermoscopy image, a series of lesion, background, and border segmentation images are derived. We get a sensitivity of about 0.89, a specificity of 0.94 and an accuracy of 0.91 for data set A, and a sensitivity of about 0.85, specificity of 0.91 and an accuracy of 0.89 for data set B. Our analyses show that the improved methods of region growing and density-based clustering performed after proper preprocessing may be good tools for the computer-aided melanoma diagnosis.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2022, 32, 4; 683--699
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-6 z 6

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies