Bendro naudojimo kompiuterinių programų, skirtų vaizdų archyvavimui, yra labai daug, jas galima susirasti internete, todėl plačiau jų nenagrinėsime. Dermoskopinių vaizdų archyvavimui ir analizei dažnai naudojamos specializuotos, neretai skirtos tik tam tikrai skaitmeninei video ar fotokamerai kompiuterinės programos.
Vaizdų archyvavimo programinė įranga skaitmeniniams video-ir fotodermoskopams
Skaitmeninių fotodermoskopų programinė įranga
| FOTOSoft | www.dermlite.com |
|
Mirror body maping Mirror Photo File |
www.canfieldsci.com |
| MoleMax Expertizer | www.dermamedicalsystems.com |
| MoleExpert | www.moleexpert.com |
| PhotoMax | www.dermamedicalsystems.com |
| Mole Analyzer | www.fotofinder.com |
| DermoGenius Lite | www.dermogenius.com |
Skaitmeninių videodermoskopų programinė įranga
| microDerm | www.visiomed.com |
| SolarScan | www.polartechnics.com.au/SolarTech.htm |
| DermoGenius Ultra | www.dermogenius.com |
| DBDermo-Mips | www.skinlesions.net |
| Easyscan® system | www.ben.it |
| DermaxX® | www.xion-medical.com |
| MoleMax Expertizer | www.dermamedicalsystems.com |
| Mole Analyzer | www.fotofinder.com |
Pirmieji odos pigmentinės patologijos diagnostinių vaizdų kompiuterinės analizės darbai pasirodė 8-ajame ir 9-ajame dešimtmečiuose [1–4]. Jų pagrindu 1995 m. sukurtos ir rinkai pateiktos pirmosios diagnostinės sistemos Molemax I ir Dermo Genius Ultra.
Iki pastarojo meto subjektyviai ir objektyviai dermoskopinių vaizdų analizei pasiūlytos kelios kompiuterinės programos, pagrįstos diagnostiniais algoritmais ar vienasluoksniais neuroniniais tinklais, matematiniais algoritmais pagrįstomis, save tobulinančiomis diagnostikos sistemomis.
Molemax I vaizdo analizės sistema Expertizer rėmėsi dviem ABCD ir 7-ių taškų diagnostiniais algoritmais ir buvo subjektyvi, kadangi tyrėjas gretino kompiuterinės programos duomenų bazės vaizdus su originaliais, tyrimo metu gautais diagnostiniais vaizdais.
DermoGenius Ultra kompiuterinė programa – pirmas objektyvios dermoskopinių diagnostinių vaizdų analizės pavyzdys. Programos pagrindas ABCD diagnostinis algoritmas, tyrėjas vaizdo analizėje nedalyvauja, jam paliekama rezultatų interpretacija. Lentelėje pateikiame kitų diagnostinių algoritmų apibūdinimus.
Kompiuterinės programos dermoskopinių vaizdų analizė
| Kompiuterinė programa | Savybės |
| MoleMax Expertizer | Pagrįsta ABCD ir 7-ių taškų diagnostiniais algoritmais. Subjektyvi, kadangi tyrėjas gretina kompiuterinės programos duomenų bazės vaizdus su originaliais tyrimo metu gautais diagnostiniais vaizdais |
| DermoGenius Ultra | ABCD diagnostinis algoritmas, vaizdas vertinamas balais nuo -2,5 iki 6. Mela nomos tikimybė tiesiog proporcinga diagnostinio balo reikšmei. Diagnostinis jautrumas ir specifiškumas neskelbti |
| DBDermo-Mip | Neuroninis tinklas. Per 1 s gali būti pateiktos 25 diagnozės. Diagnostinis tikslu mas – 94%, jautrumas – 93–99%, speci?škumas–81–93%(5) |
| SolarScan | Diagnostinis vaizdas lyginamas su programos duomenų bazės vaizdu. Melano citiniams navikams pasiektas 91 % jautrumas, o speci?škumas68%(16) |
| microDerm | Neuroninis tinklas. Diagnostinis jautrumas – 83%, speci?škumas–96% (9, 10) |
| Fotofinder Mole Analyzer | Originalus diagnostinis algoritmas. Diagnostinis jautrumas – 88%, specifiškumas – 86% |
Gamintojai pabrėžia, jog kompiuterinės analizės vaidmuo formuluojant dermoskopinę diagnozę tėra pagalbinis, nors rezultatai diagnostiniu tikslumu prilygsta patyrusių dermoskopuotojų pasiekimams [4, 7, 8]. Šių programų reikšmė ilgalaikiam pacientų stebėjimui tebetyrinėjama [5,9–11].
Melanomos diagnostikoje skaitmeninės dermoskopijos su algoritmine analize diagnostinis jautrumas svyravo tarp 80 ir 100%, o speci?škumas46–98%.Patyrusių specialistų klinikinių diagnozių jautrumas siekia 81% , speci?škumas–95%,onaujokų – atitinkamai 74% ir 79% [10,12–15].
Pastarąjį dešimtmetį kompiuterinė dermoskopinių vaizdų diagnostika sparčiai tobulėjo; plintant skaitmeninėms technologijoms ji darosi prieinama ne tik specializuotuose dermoskopijos centruose, bet ir kasdienėje medicinos praktikoje.
LITERATŪRA
1. Cascinelli N, Ferrario M, Tonelli T, Leo E. A possible new tool for clinical diagnosis of melanoma: the computer. J Am Acad Dermatol 1987;16: 361–7
2. Schindewolf T, Stolz W, Albert R, et al. Comparison of classification rates for conventionaland dermatoscopic images of malignant and benign melanocytic lesions using computerized colour image analysis. Eur J Dermatol 1993;3: 299–303
3. Schindewolf T, Schiffner R, Stolz W, etal. Evaluation ofdifferent image acquisitionfora computer vision system in the diagnosis of malignant melanoma. J Am Acad Dermatol 1994; 31: 33–41
4. Binder M, Steiner A, Schwartz M, Knollmayer S, Wolff K, Pehamberger H. Application of anartificial neuralnet work in epilumine scencemicros copy patternanalysisofpigmentedskinlesions: a pilot study. Br J Dermatol 1994, 130:460–465
5. Rubegni P, Cevenini G, Burroni M, et al. Automated diagnosis of pigmented skin lesions. Int J Cancer 2002; 101: 576–580
6. Rosado B, Menzies S, Harbauer A, et al. Accuracy of computer diagnosis of melanoma: a quantitative meta-analysis. Arch Dermatol 2003; 139: 361–7
7. Piccolo D, Ferrari A, Peris K, Diadone R, Ruggeri B, Chimenti S. Dermoscopic diagnosis by a trained clinician vs a clinician with minimal dermoscopy training vs computer-aided diagnosis of 341 pigmented skin lesions: a comparative study. Br J Dermatol 2002, 147: 481–486
8. Blum A, Luedtke H, H, Ellvanger U, Schvabe R, Rassner G, Garbe C. Digtal image analysis for diagnosis of cutaneous melanoma. Development of a highly effective computer algorithm based on analysis of 837 melanocytic lesions. Br J Dermatol 2004, 151: 1029–1038
9. Hoffmann K, Gambichler T, Rick Aetal. Diagnostic and neuralanalysis of skincancer (DANAOS). A multicentre study for collection and computer-aided analysis of data from pigmented skin lesions using digital dermoscopy. Br J Dermatol 2003, 149: 801–809
10. Barzegari M, Ghaninezhad H, Mansoori P et al. Computer-aided dermoscopy for diagnosis of melanoma. BMC Dermatology, 2005:8 (www.biomedcentral.com/1471–5945/5/8)
11. Kittler H, Pehamberger H, Wolff K, Binder M. Follow-up of melanocyticskin lesions with digital epiluminescence microscopy: patterns of modifications observe dinearly melanoma,atypical nevi, and common nevi. J Am Acad Dermatol 2000; 43: 467–76
12. Ercal F, Chawla A, Stoecker WV, et al. Neural network diagnosis of malignant melanomas from colour images. IEEE Trans Biomed Eng 1994, 41: 837-845
13. Seidenari S, Pellacani G, Giannetti A. Digital videodermoscopy and image analysis with automatic classification for detection of thin melanomas.MelanomaRes1999,9:163–171
14. Farina B, Bartoli C, Bono A, et al.. Multispectral imaging approach in the diagnosis of cutaneous melanoma: potentiality and limits. Phys Med Biol 2000, 45: 1243–1254
15. Bauer P, Cristofolini P, Bol S, et al. Digital epiluminescence microscopy: usefulness in the differential diagnosis of cutaneous pigmentary lesions. A statistical comparis on between visual and computer inspection. Melanoma Res 2000, 10: 345–349
16. Menzies S, Bischof L, Talbot H et al. The Performance of Solar Scan. Arch Dermatol. 2005, 1388–1396
© Dr. Laimonas Jazukevičius