Melanom yapısal DNA hasarından kaynaklı en ölümcül cilt kanseri türlerinden olmakla beraber erken tanı konulması durumunda hayatta kalma oranı oldukça yüksektir. Melanom teşhisi, lezyon bölgesine ait dermoskopi görüntülerinin dermatolog tarafından görsel olarak incelenmesi ile konulur. Kesin tanı ise lezyon bölgesinden doku örneği alınıp patolojik inceleme sonrası ortaya çıkmaktadır. Patolojik inceleme hem çok zaman alan hem de maliyetli bir yöntemdir. Dermatologlar tarafından yapılabilecek hataları en aza indirmek ve melanomun doğru teşhisi için hekime yardımcı olmak için çok sayıda bilgisayar destekli tanı sistemi geliştirilmiştir. Lezyon bölgesinin doğru biçimde bölütlenmesi, özellik çıkarımı ve sınıflandırma performansını doğrudan etkilediği için kritik öneme sahiptir. Bu çalışmada öncelikle yeniden boyutlandırma, siyah çerçeve silme ve kıl silme gibi bir dizi önişleme adımı uygulanmıştır. Daha sonra gri seviyeye dönüştürülmüş görüntünün histogramı elde edilerek lezyon bölgesini sağlıklı ciltten ayırmak için uygun eşik değerini bulmak için geleneksel Otsu, Otsu tabanlı HA, SA ve PSO yöntemleri uygulanmıştır. Bulunan en uygun eşik değerine göre görüntü ikili görüntüye dönüştürülerek nihai lezyon bölgesi elde edilir. Sonuç olarak, ortalama iterasyon sayılarına göre çalışma süresi hesaplandığında, PSO, HA, SA yöntemlerinin bölütleme başarımından ödün vermeden geleneksel Otsu yöntemine göre sırasıyla %40, %29 ve %28.5 daha hızlı optimal eşik değerini bulduğu gözlemlenmiştir.
The melanoma is one of the most fatal type of skin cancer which is caused by structural DNA damage. But in case of early diagnosis, the survival rate is pretty high. The melanoma diagnosis is made by visual examination of the dermoscopy images of the lesion area by a dermatologist. The exact diagnosis is obtained after pathological examination by taking tissue sample from the lesion area. The pathological examination is a very time-consuming and costly method. Numerous computer-aided diagnostic systems have been developed to minimize errors that can be made by dermatologists and to assist the physicians in the correct diagnosis of melanoma. The accurate segmentation of the lesion is critical as it directly affects feature extraction and classification performance. In this study, firstly a number of preprocessing steps, such as resizing, black-frame, and hair removal, were carried out. Then, the histogram of gray-scale converted image is obtained and traditional Otsu, Otsu based HS, SA and PSO methods were applied to find the optimal threshold value to segment the lesion area from healthy skin. The final lesion area is obtained by transforming the image into a binary image according to the optimal threshold value. As a result, when the working time is calculated according to the average number of iterations, PSO, HS, SA methods have been observed to find the optimal threshold value 40%, 29% and 28.5% faster than the traditional Otsu method, without compromising the segmentation performance.
