Автоматизированный комплекс для экспресс-диагностики пигментных новообразований кожи тема диссертации и автореферата по ВАК РФ 05.11.17, кандидат наук Римская Елена Николаевна

• Римская Елена Николаевна
• кандидат наук
• 2021

Оглавление диссертации кандидат наук Римская Елена Николаевна

Список принятых сокращений

Введение

Глава 1. Принципы ранней диагностики пигментных новообразований кожи, экспресс - диагностика и возможности автоматизированной цифровой обработки оптических изображений

1.1. Причины развития меланомы кожи

1.2. Современные методы ранней диагностики меланомы кожи

1.2.1. Визуальный осмотр

1.2.2. Дерматоскопия

1.2.3. Конфокальная лазерная сканирующая микроскопия

1.2.4. Термометрия

1.2.5. Высокочастотное ультразвуковое сканирование кожи

1.2.6. Флуоресцентная диагностика

1.2.7. Оптическая когерентная томография

1.2.8. Терагерцовая спектроскопия

1.3. Морфометрия клинических изображений пигментных новообразований кожи

1.4. Выводы к главе

Глава 2. Разработка метода дифференциации пигментных новообразований кожи на основе цифровой обработки оптических изображений

2.1. Регистрация изображений пигментных новообразований кожи

2.2. Предварительная обработка цифровых изображений пигментных новообразований кожи. Оценка качества цифровых изображений

2.3. Распознавание и обработка эталона

2.4. Распознавание пигментных новообразований кожи

2.4.1. Обзор методов выделения контура пигментных новообразований кожи

2.4.2. Тестирование эффективности методов выделения контура на тестовых объектах

2.4.2.1. Тестирование эффективности методов, основанных на операторах выделения краев: метод Робертса и Собела

2.4.2.2. Тестирование эффективности детектора границ Канни

2.4.2.3. Тестирование эффективности метода выращивания областей

2.4.2.4. Тестирование эффективности метода разделения и слияния областей

2.4.2.5. Тестирование эффективности метода водораздела

2.4.2.6. Тестирование эффективности метода Оцу

2.4.3. Создание верифицированной базы данных клинических изображений пигментных новообразований кожи

2.4.4. Тестирование эффективности методов выделения контура на реальных изображениях пигментных новообразований кожи

2.4.5. Разработка автоматизированного метода обнаружения и выделения контура пигментных новообразований кожи

2.5. Определение диаметра и площади пигментных новообразований кожи

2.6. Определение цвета пигментных новообразований кожи

2.7. Определение формы пигментных новообразований кожи

2.8. Определение резкости границы пигментных новообразований кожи

2.9. Определение вероятности малигнизации

2.10. Выводы к главе

Глава 3. Разработка биотехнической системы для экспресс-диагностики

пигментных новообразований кожи

3.1. Структура и назначение биотехнической системы для экспресс-диагностики пигментных новообразований кожи

3.2. Разработка автоматизированного комплекса экспресс-диагностики пигментных новообразований кожи на основе цифровой обработки

оптических изображений

3.2.1. Формирование технических требований к автоматизированному комплексу для экспресс-диагностики пигментных новообразований кожи

3.2.1.1. Требования к регистрации изображений пигментных новообразований кожи

3.2.1.2. Требования к пространственно-цветовому эталону

3.2.1.2.1. Особенности колометрии цвета

3.2.1.2.2. Технологический процесс изготовления эталона

3.2.1.3. Требования к блоку обработки биосигналов

3.3. Выводы к главе

Глава 4. Исследование автоматизированного комплекса для экспресс-диагностики пигментных новообразований кожи

4.1. Макет автоматизированного комплекса

4.2. Апробация автоматизированного комплекса для экспресс-диагностики пигментных новообразований кожи на лабораторных животных

4.3. Апробация автоматизированного комплекса для экспресс-диагностики на реальных изображениях пигментных новообразований кожи

4.4. Разработка мобильного приложения на основе разработанного метода

экспресс-диагностики пигментных новообразований кожи

4.4.1. Апробация мобильного приложения для экспресс-оценки пигментных новообразований кожи

4.5. Выводы к главе

Общие выводы

Заключение

Список литературы

111

СПИСОК ПРИНЯТЫХ СОКРАЩЕНИЙ

ПК - персональный компьютер

БД - база данных

ПНК - пигментные новообразования кожи

МК - меланома кожи

ПО - программное обеспечение

СПО - специальное программное обеспечение

ВЧ УЗИ - высокочастотное ультразвуковое сканирование кожи

КЛСМ - конфокальная лазерная сканирующая микроскопия

ОКТ - оптическая когерентная томография

СКО - среднеквадратическое отклонение

БТС - биотехническая система

УФ - ультрафиолетовое излучение

ИК - инфракрасное излучение

Введение диссертации (часть автореферата) на тему «Автоматизированный комплекс для экспресс-диагностики пигментных новообразований кожи»

ВВЕДЕНИЕ

Актуальность темы. Меланома кожи (далее, МК) является одной из наиболее злокачественных опухолей во всем мире [1], [2]. Заболеваемость МК занимает одно из лидирующих мест среди злокачественных опухолей, выявляемых как в России, так и во всем мире [1], [2]. МК остается основной причиной смерти у пациентов с онкодерматологией [1], [3]-[8]. В России МК занимает второе место по абсолютному приросту заболеваемости среди злокачественных опухолей: в течение последних десяти лет прирост составил 28% [4], [6], [7].

Данные по статистике по пятилетней выживаемости показывают, что лечение МК зависит от стадии развития опухоли: на ранней стадии (МК in situ) пятилетняя выживаемость составляет 100%, на 1-й стадии более 90%, на 2-й более 70%, на 3-й стадии более 40%, а на 4-й стадии пятилетняя выживаемость составляет не более 20% [2]-[7]. Причинами несвоевременного выявления и неблагоприятного исхода заболевания являлось позднее обращение к онкологу или недооценка клинических признаков злокачественной опухоли врачами других специальностей и последующее ошибочное лечение, которое в ряде случаев само оказало стимулирующее влияние на дальнейший злокачественный рост [8], [9].

В многочисленных публикациях продолжаются обсуждения различных инструментальных методов диагностики как лучшего метода выбора исследования ранних признаков озлакочествления пигментных новообразований кожи (далее, ПНК) [5], [8]-[10].

Своевременная и точная диагностика злокачественных новообразований кожи с обязательным гистологическим исследованием удаленных тканей, так называемым «золотым стандартом» диагностики опухолей, обеспечит благоприятный исход лечения заболевания и является главной задачей современной онкодерматологии [10]—[12]. С этой задачей способны справиться высококвалифицированные врачи-онкологи [12]. Однако, пациент, зачастую,

обращается в учреждение первичной медицинской помощи к врачам -дерматологам, косметологам, хирургам, которым может помочь поставить правильный диагноз злокачественной опухоли автоматизированный неинвазивный комплекс онкодиагностической направленности, способный достоверно оценить характер видимых изменений кожи и не зависит от субъективных факторов оценки этих изменений врачом. Следовательно, разработка новых автоматизированных методов ранней неинвазивной экспресс-диагностики МК является актуальной задачей современной медицины [4]—[7], [10]—[12].

Первичная диагностика МК основана на визуальном осмотре, а результаты других исследований носят уточняющий характер, таких как дерматоскопия [3], [12]-[16], конфокальная лазерная сканирующая микроскопия (далее, КЛСМ) [3], [17]-[22], термометрия [3], [23]-[25], высокочастотное ультразвуковое сканирование кожи (далее, ВЧ УЗИ) [3], [26]-[29], флуоресцентная диагностика [3], [30], [31], оптическая когерентная томография (далее, ОКТ) [3], [32]-[34], ТГц спектроскопия [3], [35]-[39].

Точность метода визуального осмотра существенно зависит от опыта врача (для врача общего профиля чувствительность и специфичность составляет от 30 до 50%, для эксперта - около 90%), его состояния на момент постановки диагноза, поэтому высока вероятность постановки ошибочного диагноза [3], [13], [41]. Чувствительность и специфичность дерматоскопии при диагностике МК очень высоки [3], [12]-[16], однако, применяется этот метод только высококвалифицированными специалистами. Флуоресцентная диагностика применяется при поиске небольших опухолевых очагов на поверхности кожи (чувствительность - 87% и специфичность - 95%) [3], [30], [31]. Чувствительность термометрического метода составляет 90%, а специфичность -80%, так как точность данного метода ограничивается тем, что большинство МК не обладают свойствами гипертермии [3], [23]-[25]. ВЧ УЗИ позволяет легко получить изображения ПНК, определить размеры и границы ПНК, а также визуализировать более глубокие слои кожи [3], [17]. Однако, ВЧ УЗИ не

позволяет отличить МК от других опухолей кожи [3], [26]-[34]. На сегодняшний день метод КЛСМ имеет существенные ограничения в использовании, интерпретация и анализ изображений структур кожи осложняется из-за горизонтально-ориентированных оптических срезов. До сих пор не изучено влияние пигментации на параметры ОКТ-изображения здоровой кожи и МК [34]. Имеющиеся результаты по применению метода ТГц спектроскопии не позволяют говорить об ее эффективности по сравнению с другими методами диагностики МК [3], [9]-[17], [32]-[34], [36]-[39].

Усовершенствование методов цифровой обработки оптических изображений, их обработка в реальном масштабе времени, наличие современных цифровых фотокамер для регистрации изображений на большинстве мобильных устройств, достаточно низкая их стоимость, делают создание новых неинвазивных методов диагностики ПНК на основе цифровой обработки оптических изображений крайне привлекательными и представляются перспективным путем решения проблемы диагностики МК [3], [41]-[44].

Отсутствие единого подхода к выявлению ранних признаков злокачественного перерождения ПНК, поиск новых неинвазивных методов диагностики ПНК на основе цифровой обработки оптических изображений свидетельствуют об актуальности исследования и имеют большую социальную значимость.

В связи с этим были сформулированы цель и задачи диссертационного исследования.

Целью диссертационной работы является разработка автоматизированного комплекса для неинвазивной экспресс-диагностики ПНК на основе цифровой обработки оптических изображений с целью раннего выявления МК.

Для достижения поставленной цели решались следующие задачи:

1. Определить взаимосвязь между комплексом клинических и измеряемых параметров, с помощью которых можно описать ПНК;

2. Разработать метод автоматизированной дифференциации ПНК на основе цифровой обработки оптических изображений;

3. Разработать пространственно-цветовой эталон для калибровки автоматизированного комплекса;

4. Апробировать разработанный метод и макет автоматизированного комплекса со специальным программным обеспечением для экспресс-диагностики ПНК на верифицированной базе данных клинических изображений ПНК;

5. Разработать мобильное приложение для самостоятельной экспресс-оценки состояния кожных покровов человека и раннего выявления признаков МК;

6. Определить эффективность применения предложенного метода автоматизированной дифференциации ПНК.

Научная новизна диссертационной работы:

1. Разработанный автоматизированный метод ранней неинвазивной экспресс-диагностики позволяет решить задачу дифференциации ПНК in vivo в нормальном состоянии и при наличии патологии, классифицировать их на основе выделенных параметров.

2. Использование разработанного метода сегментации, заключающейся в комбинировании методов выращивания областей и уточнения границ, обеспечивает погрешность нахождения контура на цифровом изображении, не превышающую 3%.

3. Разработан и апробирован пространственно-цветовой эталон для калибровки автоматизированного комплекса, обеспечивающий погрешность передачи цветовых характеристик и параметров размеров новообразования менее 3%.

Практическая значимость работы:

1. Разработанный автоматизированный комплекс для экспресс-диагностики ПНК позволяет обнаруживать и выделять на изображениях признаки озлакочествления на ранней стадии развития опухоли с чувствительностью и специфичностью более 90%.

2. Создана уникальная верифицированная база данных цифровых изображений ПНК, сочетающая одновременно образцы с предварительной диагностикой и с постоперационной диагностикой иссеченных биотканей с помощью гистологических исследований для выявления структурных признаков злокачественности ПНК.

3. Использование пространственно-цветового эталона для калибровки автоматизированного комплекса обеспечивает высокую точность передачи цветовых характеристик и определения размеров новообразования, а так же обеспечивает устранение искажений изображения, связанных с отклонением от перпендикулярности оптической оси при регистрации изображения.

4. Разработанное мобильное приложение для самостоятельной экспресс-оценки состояния кожных покровов человека позволяет выявлять признаки МК на ранней стадии и может быть рекомендовано к широкому применению в первичном звене медицинской помощи.

Методология и методы исследований. При решении поставленных задач были использованы методы цифровой обработки и анализа изображений ПНК, методы распознавания контура ПНК, основные положения теории биотехнических систем для разработки автоматизированного комплекса экспресс-диагностики ПНК, методы компьютерного зрения для разработки универсального классификатора цвета, а также методы статистического анализа экспериментальных данных.

Основные научные положения, выносимые на защиту:

1. Разработанный метод экспресс-диагностики ПНК позволяет дифференцировать ПНК in vivo в нормальном состоянии и при наличии патологии с чувствительностью 97%, специфичностью 95% и точностью 96%.

2. Использование разработанного метода сегментации, заключающейся в комбинировании методов выращивания областей и уточнения границ,

обеспечивает погрешность нахождения контура пигментного новообразования кожи на цифровом изображении менее 3%.

3. Использование пространственно-цветового эталона позволяет обеспечить погрешность измерения параметров размеров и цвета ПНК не превышающую 3%.

Степень достоверности и апробация работы.

Достоверность полученных в диссертационной работе результатов и выводов подтверждена численными проверочными экспериментами, а также сравнением экспериментальных результатов с теоретическими расчетами и литературными данными других авторов.

Материалы диссертационной работы использовались в ходе исследований, проводимых в рамках научных проектов при поддержке РФФИ №18-38-00958 и

18-29-02099. За работы, которые являются частью данной диссертации, автору присуждены стипендии Правительства и Президента Российской Федерации, обучающихся по приоритетным направлениям модернизации экономики и технического развития РФ.

Основные положения диссертации докладывались и обсуждались на следующих конференциях и семинарах: 18-й научно-технической конференции «Медико-технические технологии на страже здоровья» (Россия, Москва, 2016);

19-й научно-технической конференции «Медико-технические технологии на страже здоровья» (Греция, Тасос, 2017); 20-й научно-технической конференции «Медико-технические технологии на страже здоровья» (Италия, Калибрия, 2018); 21-й научно-технической конференции «Медико-технические технологии на страже здоровья» (Греция, Пелопоннес, 2019); V Symposium on optics & biophotonics. Saratov Fall Meeting - 2017 (Russia, Saratov, 2017); VI Symposium on optics & biophotonics. Saratov Fall Meeting - 2018 (Russia, Saratov, 2018); VII Symposium on optics & biophotonics. Saratov Fall Meeting - 2019 (Russia, Saratov, 2019); 12th Russian German Conference on Biomedical Engineering (Russia, Sysdal, 2016); XIV Российско-Германская научно-техническая конференция по биомедицинской инженерии (Россия, Санкт-Петербург, 2019); 12-й

международной научной конференции «Физика и радиоэлектроника в медицине и экологии» - ФРЭМЭ'2016 (Россия, Суздаль, 2016); XIII международная научная конференция «Физика и радиоэлектроника в медицине и экологии» -ФРЭМЭ'2018 (Россия, Суздаль, 2018); III International scientific congress «INNOVATIONS 2017» (Bulgaria, Varna, 2017); 3rd Sechenov international biomedical summit - SIBS 2019 (Russia, Moscow, 2019); 2019 Ural Symposium on Biomedical Engineering, Radioelectronics and Information Technology - USBEREIT (Russia, Yekaterinburg, 2019); SPIE. Photonics Europe 2020 (France, Strasburg, 2020).

Публикации. Основные результаты диссертации опубликованы в 22 статьях в научных журналах, из которых: 7 статей в рецензируемых журналах и изданиях, входящих в Перечень ВАК РФ; 10 статей, индексируемых в Scopus. Общий объем 10.5 п.л.

Объем и структура диссертации. Диссертационная работа состоит из введения, 4 глав с выводами, основных выводов и списка литературы. Основное содержание работы изложено на 123 страницах, содержит 29 рисунков, 30 таблиц. Список литературы включает 129 библиографических источников.

Автор выражает глубокую признательность и благодарность научному руководителю доктору медицинских наук, профессору Николаеву А.П. и директору Института кластерной онкологии им. профессора Л.Л. Левшина УКБ №1 Первого МГМУ им. И.М. Сеченова, академику РАН, доктору медицинских наук, профессору Решетову И.В. за постоянную и всестороннюю помощь.

ГЛАВА 1. ПРИНЦИПЫ РАННЕЙ ДИАГНОСТИКИ ПИГМЕНТНЫХ НОВООБРАЗОВАНИЙ КОЖИ, ЭКСПРЕСС - ДИАГНОСТИКА И ВОЗМОЖНОСТИ АВТОМАТИЗИРОВАННОЙ ЦИФРОВОЙ ОБРАБОТКИ

ОПТИЧЕСКИХ ИЗОБРАЖЕНИЙ

1.1. Причины развития меланомы кожи

Пигментные новообразования кожи распространены достаточно широко и большая часть из них не представляет угрозу здоровью человека [45]-[47].

Доброкачественные пигментные новообразования кожи (родинки, невусы) требуют тщательного наблюдения и доставляют, в основном, косметические неприятности, злокачественные новообразования представляют угрозу для жизни. Среди известных видов невусов на теле человека присутствует в среднем 80% простых невусов, 15% диспластических невусов (являются предшественниками МК) и 5% остальных видов невусов [47], [49]-[51].

Злокачественные пигментные новообразования кожи - новообразования внешней локализации меланоцитарного происхождения.

Для возникновения МК, необходимо сочетание воздействий основных факторов развития МК с условиями внешней среды и внутренней среды организма человека. МК может возникать на неизмененной коже, но и также на месте уже имеющегося пигментного невуса [6], [7], [49], [50], [51], когда под воздействием факторов риска развития МК нормальные клетки и ткани трансформируются в опухолевые. Для этого были проанализированы экзогенные и эндогенные факторы риска развития МК (Таблица 1) [12], [14], [23], [26], [29], [45]-[50]. Основной причиной развития МК (86%) является воздействие ультрафиолетового излучения (далее, УФ) на кожу. Постоянное воздействие УФ излучения приводит к ожогам, генным мутациям, изменениям кровеносных сосудах кожи, а в свою очередь, может вызывать МК [12], [14], [23], [26], [29], [45]-[49].

Причины развития МК

Экзогенные факторы Эндогенные факторы

1. Физические факторы: 1.1. УФ излучение солнца (в том числе, солнечные ожоги и загар) 1.2. Ионизирующая радиация 1.3. Инфракрасное излучение (далее, ИК) 1.4. Электромагнитное излучение 1.5. Флуоресцентное освещение 1.6. Хроническая травматизация кожи 1. Биологические факторы: 1.1. Очень светлая кожа 1.2. Наличие ПНК, пигментных пятен, веснушек 1.3. Наследственность 1.4. Мужской пол 1.5. Иммунодефициты разных видов 1.6. Эндокринные заболевания 1.7. Гормональный фактор

2. Химические факторы: 2.1. Контакт с бензолом, поливинил-хлоридом, пластмассами, пестицидами и радиоактивными материалами 2. Предшественники МК: 2.1. Пигментная ксеродерма кожи 2.2. Меланоз Дюбрейля 2.3. Диспластический невус

3. Биологические факторы: 3.1. Особенности питания 3.2. Кожные заболевания 3.3. Вирусные инфекции 3.4. Лекарственные препараты

В Таблице 2 приведена характеристика факторов, вызывающие изменения параметров ПНК и влияющих на развитие МК [12], [14], [23], [26], [29], [46]-[49], [50]. При первичном повреждении могут возникнуть изменения в ДНК клетки с последующим нарушением ее белковой структуры [47], [49]-[51].

Характеристики факторов, вызывающие изменения параметров пигментных

новообразований кожи

Фактор Значение Время воздействия

УФ-излучение Длина волн 315-280 нм и 280-200 нм Кратковременное, но сильное УФ-излучение или многовременное, но слабое УФ-излучение

Ионизирующая радиация Доза облучения 50-100 мЗв МК может появиться через годы и даже десятилетия даже при низкой дозе облучения и/или при длительном периоде воздействия

Электромагнитное излучение Частота излучения >30-300 кГц -напряженность поля 25 В/м; >0,3-3 МГц - 15 В/м; >3-30 МГц - 10 В/м; >30-300 МГц - 3 В/м; >300МГц-300ГГц - 10 мкВт/см2 Продолжительное по времени влияние чрезмерно усиленного электромагнитного поля (источники излучения с частотами, превышающее одно из указанных значений)

Флуоресцентное освещение Свет с длиной волны около 250 нм Продолжительное по времени влияние

ИК-излучение Длина волн 1,4-3 мкм и 0,48-1 мкм Кратковременное, но сильное ИК-излучение или многовременное, но слабое ИК-излучение

Фактор Значение Время воздействия

Травматизация кожи Глубина пореза от 2-3 мм Многократные повреждения кожи

Химические факторы Предельно допустимая -5 концентрация 5 мг/м , доза излучения должна быть не более 3 мкЗв/ч Многократное, так и однократное повреждение/влияние

Экзогенные биологические факторы Продолжительное по времени влияние

Эндогенные биологические факторы Длины волн УФ-излучения, ИК-излучения, флуоресцентного освещение, доза облучения, частота излучения и т.д. Долгое или сильное однократное воздействие различных факторов среды, повлиявших на изменение генов человека

Предшественники МК Частота заболевания 1:250 000, высокий риск малигнизации Долгое или сильное однократное воздействие экзогенных и эндогенных факторов

При однократном, но сильном воздействии или слабом, но продолжительном воздействии различных факторов риска развития МК изменяются клинические параметры ПНК [46], [47], [49]-[51]. В Таблице 3 приведены клинические параметры ПНК в норме и при патологии [49]-[52].

Клинические параметры ПНК

№ Клинические параметры ПНК Норма Патология

1 Цвет Светло-коричневый, коричневый, голубоватый Темно-коричневый, черный, серый, розово-пурпурный

2 Равномерность пигментации Равномерная окраска Неравномерное изменение окраски

3 Интенсивность пигментации Очень светлая, светлая Очень темная

4 Размеры: диаметр, площадь Менее 5 мм, менее 20 мм2 От 1 мм до 3 см, менее 7,065 см2

5 Граница Четкие ровные границы Нечеткие границы

6 Резкость границы Резкая Нерезкая

7 Форма Круглая, овальная Произвольная

8 Структура: появление пигментной сетки, точек, гранул, неоднородности Равномерная пигментная сеть, черные точки, коричневые или черные гранулы, однородная структура [52] Неравномерная пигментная сеть, бесструктурные зоны, атипичные гранулы и точки, неоднородная структура [52]

9 Температура 1,0 °С 2,5 °С

10 Эхогенность Изохогенная Умеренно пониженная эхогенность

Известно, что первые признаки озлокачествления новообразования кожи имеют значительное сходство с обычным воспалительным процессом. Также известно, что при наличии изменений только в одном из перечисленных параметров ПНК диагноз озлакочествления опухоли может быть ошибочным, но выявление изменений нескольких параметров новообразования с большей долей вероятности позволяют установить правильный диагноз [47], [50], [51].

Начальная картина развития МК обычно протекает следующим образом: ПНК после предшествующей травмы, ожога или без видимых причин начинает увеличиваться горизонтально, изменять окраску, форму, цвет, температуру и т.д., и превращается в опухоль (Рисунок 1.1) [50].

Рисунок 1.1. Изменения ПНК при различных воздействиях

По мере развития злокачественной опухоли нарастает интенсивность изменений параметров ПНК и возрастает их абсолютное число и уже визуального осмотра врачом-онкологом становиться достаточным для установления первичного диагноза МК [47], [49]-[52]. Сравнительная характеристика клинических параметров простого невуса, диспластического невуса, МК и методов их диагностики представлена в Таблице 4.

Таблица 4.

Сравнительная таблица клинических параметров простого, диспластического невусов, МК и методов их диагностики

№ Параметры Простой Диспластиче МК Метод

невус ский невус диагностики

1 Цвет 1)Гомогенны 1)Гетерогенн 1)Гетероге 1)Дерматоскопия

е цвета ость цвета нность 2)Метод

2)Светло- 2)Светло- цвета и визуального

№ Параметры Простой невус Диспластиче ский невус МК Метод диагностики

коричневый, коричневый коричневый, коричневый, темно- коричневый, желто- коричневый асимметрия цвета 2)Темно- коричневы й, черный, серый, синеватый, розо- фиолетовы й осмотра

2 Равномерно сть пигментаци и Равномерная окраска Неравномерн ое изменение окраски Неравноме рное изменение окраски Метод визуального осмотра, дерматоскопия

3 Интенсивно сть пигментаци и Очень светлая, светлая Темная, очень темная Очень темная Метод визуального осмотра

4 Размеры: 1) Диаметр 2) Площадь 1) менее 5 мм 2) менее 20 мм2 1) от 1 мм до 1 см 2)менее 78,5 мм2 1) от 1 мм до 3 см 2)менее 7,065 см2 1)Метод визуального осмотра 2)Метод визуального осмотра

5 Граница 1)Четкие ровные 1)Нечеткие границы 1)Нечеткие границы 1)Метод визуального

№ Параметры Простой Диспластиче МК Метод

невус ский невус диагностики

границы 2)Четкие 2)Нечеткие осмотра,

2)Четкие границы границы дерматоскопия,

границы 3)Границы 3)Границы ТГц

3)Границы невуса опухоли спектроскопия,

невуса ОКТ

2) ВЧ УЗИ

3 )Флуоресцентна

я диагностика

6 Резкость Резкая Нерезкая Нерезкая Метод

границы визуального

осмотра, ТГц

спектроскопия

7 Форма 1)Круглая, 1)Произволь 1)Произвол 1)Метод

овальная ная ьная визуального

2)Веретенооб 2)Веретенооб 2)Веретено осмотра, КЛСМ,

разная форма разная форма образная ТГц

форма спектроскопия,

ОКТ

2) УЗИ

8 Структура: 1)Равномерна 1)Нерегулярн 1)Неравном 1 )Дерматоскопия,

1)Пигментн я пигментная ая ерная КЛСМ

ая сетка сеть пигментная пигментная 2)Дерматоскопия,

2)Точки и 2) Черные сеть, сеть, КЛСМ, ОКТ

гранулы точки, неравномерн неравномер 3)Дерматоскопия,

3)Полосы коричневые ая граница ная граница КЛСМ, ОКТ

4)Неодноро или черные пигментной пигментной 4) УЗИ

№ Параметры Простой невус Диспластиче ский невус МК Метод диагностики

дность гланулы в центре образования 3) Нет полос 4)Однородна я структура [52] сети 2)Гранулы атипичны 3)Возможно обнаружение полос 4)Однородна я структура сети 2)Атипичн ые гранулы и точки 3)Атипичн ые полосы 4)Неодноро дная структура

9 Температур а 1,0 °С 1,0 °С 2,5°С Термометрия

1 Эхогенност Изохогенная Гипоэхогенн Умеренно ВЧ УЗИ

0 ь и умеренно пониженная эхогенность ость или изоэхогеннос ть с гипоэхогенн ыми зонами пониженна я эхогенност ь

Анализ клинических параметров ПНК, методов их выявления и степени значимости для установления диагноза МК позволил определить необходимость использования для разработки автоматизированного метода ранней неинвазивной экспресс-диагностики следующих параметров, а именно:

1. Цвет ПНК

2. Форма ПНК

3. Диаметр ПНК

4. Площадь ПНК

5. Граница ПНК

6. Резкость границы ПНК

1.2. Современные методы ранней диагностики меланомы кожи

Диагностику МК, или новообразований подозрительных на МК, можно разделить на два этапа: на первом этапе проводится первичная диагностика (метод визуального осмотра) [3], [41], [42], [50], а на втором этапе уточняется характер выявленных изменений с помощью современных методов диагностики (дерматоскопия, КЛСМ, термометрия и т.д.) [3], [12]—[39], [50]. Рассмотрим детальнее каждый из методов диагностики.

1.2.1. Визуальный осмотр

При визуальном осмотре врач проводит полный осмотр кожных покровов человека на наличие подозрительных ПНК, которые могут носить злокачественный характер (Рисунок 1.2). Для этого используют один из наиболее известных клинических комплексов - правило ABCD предложенное R. Friedman и соавторами в 1985 г. [3], [11], [41]-[45], [47], [50]-[52]:

A - asymmetry, асимметричность ПНК;

B - border irregularity, неровный край;

C - color, разный цвет структур ПНК;

D - diameter, диаметр ПНК более 6 мм.

Для отслеживания динамики изменений признаков ПНК во времени был введен критерий Е - evolving. При диагностике ПНК наличие у него трех или более признаков свидетельствуют о возможном перерождении ПНК в злокачественное [41]-[45], [47], [50]-[52].

Правило ABCD не может диагностировать МК in situ, которая имеет небольшие размеры, диаметром менее 6 мм [52].

Врач проводит общий осмотр пациента, выясняет историю заболевания, обязательно ощупывает лимфоузлы, расположенные рядом с подозрительным новообразованием на предмет метастазирования опухоли, назначает дополнительные методы обследования для подтверждения и уточнения диагноза [3], [11], [12], [50].

Рисунок 1.2. Визуальный осмотр кожных покровов человека

Точность метода визуального осмотра определяется опытом врача: чувствительность и специфичность врача общего профиля составляет от 30 до 50%, для эксперта - 90%, поэтому высока вероятность ошибки неправильной интерпретации симптомокомплекса врачом с небольшим клиническим опытом [3], [11], [40]-[45], [50]-[52].

1.2.2. Дерматоскопия

Дерматоскопия - это неинвазивный метод визуальной диагностики, позволяет врачу оценить характер патологических процессов в коже и диагностировать на ранних стадиях злокачественное новообразование [3], [12]-[16], [41], [42], [45], [50], [51]. Используемый для этого специальный инструмент - дерматоскоп в 10 раз увеличивает рассматриваемый объект, обеспечивает прозрачность рогового слоя эпидермиса и позволяет врачу рассмотреть особенности ПНК, в том числе, симметричность, границы и неоднородность структуры (Рисунок 1.3) [50]-[54]..

Дерматоскопия состоит из двух этапов: на первом этапе диагностики необходимо подтвердить или исключить меланоцитарную природу ПНК [50]. Для первого этапа используется следующий алгоритм:

1) если были обнаружены, такие признаки как: пигментная сеть, глобулы, однородность, звездная лучистость, параллельный признак - это все характерно для меланоцитарного новообразования;

2) при гомогенной голубой пигментации - голубой невус;

3) наличие милиумоподобных кист, псевдофолликулярных отверстий, специфических сосудов, кленовидных структур, светло-коричневых гребневых структур, то это - себорейный кератоз;

4) в противном случае новообразование следует оценить на наличие больших шаровидных голубых и серых глобул, перламутровых периферических узелков, которые указывают на пигментный базальноклеточный рак;

Список литературы диссертационного исследования кандидат наук Римская Елена Николаевна, 2021 год

СПИСОК ЛИТЕРАТУРЫ

1. Non-melanoma skin cancer incidence and impact of skin cancer screening on incidence / Eisemann N. [et al.] // J. Invest. Dermatol. 2014. V. 134, № 1. P. 43-50.

2. LeBoit P.E., Burg G., Weedon D., Sarasain A. World Health Organization Classification of Tumours. Pathology and Genetics of Skin Tumours. IARC Press: Lyon, 2006. 355 p.

3. Дифференциация пигментных новообразований кожи на основе цифровой обработки оптических изображений / Римская Е.Н. [и др.] // Оптика и спектроскопия. 2019. Т. 126, № 5. С. 584-595.

4. Nikolaou V., Stratigos A. J. Emerging trends in the epidemiology of melanoma // British Journal of Dermatology. 2014. V. 170, № 1. P. 11-19.

5. Early detection of melanoma: reviewing the ABCDEs / Tsao H. [et al.] // Journal of the American Academy of Dermatology. 2015. V. 72, № 4. P. 717-723.

6. Siegel R.L., Miller K.D., Jemal A. Cancer statistics, 2019 // CA Cancer Journal for Clinicians. 2019. V. 69, № 1. P. 7-34.

7. Siegel R. L., Miller K. D., Jemal A. Cancer Statistics, 2018 // CA Cancer Journal for Clinicians. V. 68, № 1. P. 7-30.

8. Projecting Cancer Incidence and Deaths to 2030: The Unexpected Burden of Thyroid, Liver, and Pancreas Cancers in the United State / Rahib L. [et al.] // Cancer Research. 2014. V. 74, № 11. P. 2913-2921.

9. Screening, early detection, education, and trends for melanoma: Current status (2007-2013) and future directions: Part I. Epidemiology, high-risk groups, clinical strategies, and diagnostic technology / Mayer J.E. [et al.] // Journal of the American Academy of Dermatology. 2014. V. 71, № 4. P. 599.e1-599.e12.

10. Feasibility and Efficacy of Patient-Initiated Mobile Teledermoscopy for Short-term Monitoring of Clinically Atypical Nevi / Wu X. [et al.] // JAMA Dermatol. 2015. V. 151, № 5. P. 489.

11. In vivo liquid biopsy using Cytophone platform for photoacoustic detection of circulating tumor cells in patients with melanoma / Galanzha E.I. [et al.] // Science Translational Medicine. 2019. V. 11, № 496. P. eaat5857.

12. Eggermont A., Spatz, A., Robert C. Cutaneous melanoma // The Lancet 2014. V. 383, № 9919. P. 816-827.

13. Demidov L. V., Sokolov D. V, Bulycheva I. V. The incidence of skin melanoma in the Russian Federation and federal districts // Journal of N.N. Blokhin Russian Cancer Research Center RAMS. 2007. V. 18, № 1. P. 36-41.

14. Kittler H., Marghoob A.A., Argenziano G. Standardization of terminology in dermoscopy/dermatoscopy: Results of the third consensus conference of the International Society of Dermoscopy // Journal of the American Academy of Dermatology. 2016. V. 74, № 6. P. 1093-1106.

15. Nodular melanoma: five consecutive cases in a general practice with polarized and non-polarized dermatoscopy and dermatopathology / Rosendahl C. [et al.] // Dermatology Practical and Conceptual. 2014. V. 4, № 2. P. 69-75.

16. The use of dermatoscopy in diagnosis and therapy of nonmelanocytic skin cancer / Deinlein T. [et a!.] // Journal of the German Society of Dermatology. 2016. V. 14, № 2. P. 144-151.

17. Конфокальная лазерная сканирующая микроскопия in vivo в диагностике меланоцитарных новообразований кожи / Кубанова А.А. [и др.] // Вестник дерматологии и венерологии. 2014. № 3. P. 85-94.

18. Rajadhyaksha M., Zavislan J.M. Confocal laser microscope images tissue in vivo // Laser Focus World. 1997. V. 33. P. 119-127.

19. Rajadhyaksha M., Zavislan J.M. Confocal reflectance microscopy of unstained tissue in vivo // Retinoids. 1998. V. 14. P. 26-30.

20. Swindells K., Burnett N. F., Rius-Dia. Reflectance confocal microscopy may differentiate acute allergic and irritant contact dermatitis in vivo // J Am Acad Dermatol. 2004. V. 50. P. 220-228.

21. Nori S., Rius-Diaz F., Cuevas J. Sensitivity and specificity of reflectance-mode confocal microscopy for in vivo diagnosis of basal cell carcinoma: a multicenter study // J Am Acad Dermatol. 2004. V. 51, № 6. P. 923930.

22. Ahlgrimm-Siess V., Horn M., Koller S. Monitoring efficacy of cryotherapy for superficial basal cell carcinomas with in vivo reflectance confocal microscopy: a preliminary study // J Dermatol Sci. 2009. V. 53. P. 60-64.

23. Müller J., Hartmann J., Bert C. Infrared camera based thermometry for quality assurance of superficial hyperthermia applicators // Physics in Medicine & Biology. 2016. V. 61, № 7. P. 2646-2664.

24. Petersen B., Philipsena P. A., Wulf H. C. Skin temperature during sunbathing - relevance for skin cancer // Photochemical & Photobiological Sciences. 2014. V. 13, № 8. P. 1123-1125.

25. Application of infrared thermography in computer aided diagnosis / Faust O. [et al.] // Infrared Physics & Technology. 2014. V. 66. P. 160-175.

26. Preoperative mapping of nonmelanoma skin cancer using spatial frequency domain and ultrasound imaging / Rohrbach D.J. [et al.] // Academic Radiology. 2014. V. 21, № 2. P. 263-270.

27. Gropper C.A., Stiller M.J., Shupak J.L. Diagnostic high-resolution ultrasound in dermatology // Int J Dermatol. 1993. V. 32. P. 234—250.

28. Altmeyer P., Hoffmann K., Stucker M. Phenomena of Ultrasound in Dermatology // Springer. 1992. P. 55—79.

29. Alexander H., Miller D.L. Determining skin thickness with pulsed ultrasound // J Invest Dermatol. 1979. V. 72. P. 17—19.

30. Fluorescence in situ hybridization as an ancillary tool in the diagnosis of ambiguous melanocytic neoplasms: a review of 804 cases / North J.P. [et al.] // American Journal of Surgical Pathology. 2014. V. 38, № 6. P. 824-831.

31. Borisova E. G., Angelova L. P., Pavlova E. P. Endogenous and exogenous fluorescence skin cancer diagnostics for clinical applications // IEEE Journal of Selected Topics in Quantum Electronics. 2014. V. 20, № 2. P. 211-222.

32. Diagnostic accuracy of optical coherence tomography in actinic keratosis and basal cell carcinoma / Olsen J. [et al.] // Photodiagnosis and Photodynamic Therapy. 2016. V. 16. P. 44-49.

33. Monte Carlo simulation of optical coherence tomography signal of the skin nevus / Dolganova I.N. [et al.] // Journal of Physics: Conference Series. 2016. V. 673, № 1. P. 012014.

34. Оптическая когерентная томография: зависимость параметров изображения от степени пигментации кожи / Петрова Г.А. [и др.] // Медицинский альманах. 2010. № 2 (11). С. 310 - 313.

35. In vivo terahertz pulsed spectroscopy of dysplastic and non-dysplastic skin nevi / Zaytsev K. I. [et al.] // Journal of Physics: Conference Series. 2016. V. 735, № 1. P. 012076.

36. Terahertz biophotonics as a tool for studies of dielectric and spectral properties of biological tissues and liquids / Smolyanskaya O.A. [et al.] // Progress in Quantum Electronics. 2018. V. 62. P. 1-77.

37. Terahertz photonic crystal waveguides based on sapphire shaped crystals / Zaytsev K.I. [et al.] // IEEE Transactions on Terahertz science and Technology. 2016. V. 6, № 4. P. 576-582.

38. Reflection-mode continuous-wave 0.15 lambda-resolution terahertz solid immersion microscopy of soft biological tissues / Chernomyrdin N.V. [et al.] // Applied Physics Letters. 2018. V. 113. P. 111102.

39. Terahertz solid immersion microscopy for sub-wavelength-resolution imaging of biological objects and tissues / Chernomyrdin N.V. [et al.] // Proc. SPIE 10716. 2018. P. 1071606.

40. Increasing incidence of melanoma among middle-aged adults: an epidemiologic study in Olmsted County, Minnesota / Lowe G.C. [et al.] // Mayo Clinic Proceedings. 2014. V. 89, № 1. P. 52-59.

41. Comaniciu D., Meer P. Mean shift: a robust approach toward feature space analysis // IEEE Transactions on Pattern Analysis and Machine Intelligence. 2002. V. 24, № 5. P. 603-619.

42. Automated melanoma recognition / Ganster H. [et al.] // IEEE Transactions on Medical Imaging. 2001. V. 20, №3. P. 233 - 239.

43. Masood A., Al-Jumaily A.A. Computer Aided Diagnostic Support System for Skin Cancer: A Review of Techniques and Algorithms // International Journal of Biomedical Imaging. 2013. V. 2013. P. 1-22.

44. Isasi A.G., Zapirain B.G., Zorrilla A.M. Melanomas non-invasive diagnosis application based on the ABCD rule and pattern recognition image processing algorithms // Computers in Biology and Medicine. 2011. V. 41, № 9. P. 742-755.

45. Гельфонд М.Л. Дифференциальная диагностика опухолей кожи в практике дерматологов и косметологов // Практическая онкология. Опухоли кожи. 2012. Т. 13, № 2. С. 69-79.

46. Лемехов В.Г. Эпидемиология, факторы риска, скрининг меланомы кожи // Практическая онкология. СПб.: Центр ТОММ, 2000. № 4 . С. 3-11.

47. Клинические признаки различных типов пигментных новообразований кожи для ранней диагностики с целью раннего выявления предраковых изменений кожи / Римская Е.Н. [и др.] // Труды 13-й международной научной конференции «ФРЭМЭ'2018». 2018. C. 94-98.

48. Malignant melanoma and exposure to fluorescent light at work / Beral V. [et al.] // The Lancet. 1982. V. 2, № 8293. P. 290-292.

49. Разработка требований к технической системе метода ранней диагностики пигментных новообразований кожи / Римская Е.Н. [и др.] // Биомедицинская радиоэлектроника. 2017. № 8. С. 63-70.

50. Римская Е.Н., Аполлонова И.А. Разработка требований для автоматизированного комплекса экспресс-диагностики пигментных

новообразований кожи // Современные научные исследования и инновации. 2015. № 6. С. 80-93.

51. Потекаев Н.Н., Шугинина Е.К., Кузьмина Т.С., Арутюнян Л.С. Дерматоскопия в клинической практике. Руководство для врачей. М.: МДВ, 2011. 144 с.

52. Панкратов В.Г., Ревотюк А.А. Дерматоскопия пигментных образований кожи - неинвазивный тест для дифференциальной диагностики меланомы кожи // Медицинские новости. 2011. №4. С. 6-12.

53. Losina E., Walensky R.P., Geller A. Visual Screening for Malignant Melanoma // Arch Dermatol. 2007. V. 143, № 1. P. 21-28.

54. Abramovits W., Stevenson L.C. Changing paradigms in dermatology: new ways to examine the skin using noninvasive imaging methods // Clin Dermatol. 2003. V. 21. P. 353-358.

55. Борсуков А.В., Венидиктова Д.Ю., Ковалев А.А. Возможности применения высокочастотного ультразвукового исследования в диагностике заболеваний кожи // Медицинский алфавит. 2018. Т. 2, № 31. С. 5-8.

56. Develop requirements for automated complex of express diagnostics of pigmented skin lesions / Rimskaya E. [et al.] // Proceedings of the III International scientific congress «INNOVATIONS 2017». 2017. P.147-149.

57. Clinical signs of different types of pigmented skin lesions for early diagnostics for the purpose of early detection of precancerous skin changes / Rimskaya E.N. [et al.] // Proceedings of the Russian German Conference on Biomedical Engineering. 2018. P. 6-7.

58. Диагностика пигментных новообразований на основе анализа клинических изображений / Римская Е.Н. [и др.] // Научно-техническая конференция «Медико-технические технологии на страже здоровья».: Сборник трудов. 2018. С. 40-45.

59. Погрешности измерения параметров размеров, формы и цвета при автоматизированном скрининге пигментных новообразований кожи / Кудрин К.Г., Римская Е.Н., [и др.] // Журнал радиоэлектроники. 2020. № 12.

60. Ранняя диагностика меланомы кожи с применением нескольких изображающих систем / Кудрин К.Г., Римская Е.Н. [и др.] // Оптика и спектроскопия. 2020. Т. 128, № 6. С. 820-831.

61. Hussain C.A., Rao D.V., Masthani S.A. Robust Pre-processing Technique Based on Saliency Detection for Content Based Image Retrieval Systems // Procedia Computer Science. 2016. V. 85. P. 571-580.

62. Differential diagnostics of skin pigmented lesions with the aim of early detection of precancerous changes based on the analysis of clinical images / Rimskaya E.N. [et al.] // AIP Conference Proceedings. 2019. V. 2140, № 1. P. 020055.

63. Особенности разработки автоматизированного комплекса для экспресс-диагностики пигментных новообразований кожи / Римская Е.Н. [и др.] // Биомедицинская радиоэлектроника. 2016. № 7. С. 31-37.

64. Грузман И.С., Киричук В.С., Косых В.П., Перетягин Г.И., Спектор А.А. Цифровая обработка изображений в информационных системах: Учебное пособие.: Изд-во НГТУ, 2000. 168 с.

65. Development and trial of a new method of image enhancement for ultrasonic medical diagnostics / Kulberg N.S. [et al.] // Acoustical Physics. 2009. V. 55, № 4-5. С. 538-546.

66. Gonzalez R.C., Woods R.E. Digital Image Processing. Pearson Prentice Hall, 2004. 344 p.

67. Гонсалес Р., Вудс Р., Эддинс С. Цифровая обработка изображений в среде MATLAB. Москва.: Техносфера, 2006. 616 с.

68. Kudrin K.G., Matorin O.V., Reshetov I.V. Automated screening of pigmentary skin neoplasms // Journal of Physics: Conference Series. 2015. V. 584. P. 012001.

69. Анализ точности измерения основных параметров пигментных новообразований кожи / Римская Е.Н. [и др.] // Научно-техническая конференция «Медико-технические технологии на страже здоровья».: Сборник докладов. 2017. С. 25-27.

70. The Analysis of The Accuracy of Measurement of Main Pigmented Skin Lesions Signs / Rimskaya E. N [et al.] // Proc. 2019 Ural Symp. Biomed. Eng. Radioelectron. Inf. Technol. 2019. P. 52-54.

71. Development of an automated segmentation method for early diagnostics of pigmented skin lesions / Rimskaya E.N. [et al.] // ABSTRACTS BOOK Sechenov International Biomedical Summit 2019 M.: Publishing house of Sechenov University. 2019. P. 29.

72. Abhyankar A., Schuckers. S. Active shape models for effective iris segmentation // Proc. of SPIE. 2006. V. 6202. P. 62020H.

73. Ilea D.E. Color image segmentation using a self-initializing EM algorithm // Proc. 6th International Conference Visualization, Imaging, Image Processing (IASTED). 2006. V. 124. P. 417-424.

74. Nammalwar P. Integration of feature distributions for colour texture segmentation // Proc. 17th International Conference on Pattern Recognition (ICPR). 2004. V. 1. P. 716-719.

75. Sima H. Texture Region Merging with Histogram Feature for Color Image Segmentation // Proc. 9th International Conference on Computational Intelligence and Security (CIS). 2013. P. 224-228.

76. Hu X. Automatic segmentation of high-resolution satellite imagery by integrating texture, intensity, and color features // Photogrammetric Engineering & Remote Sensing. 2005. V. 71, № 12. P. 1399-1406.

77. Hussain C.A., Rao D.V., Masthani S.A. // Procedia Computer Science. 2016. V. 85. P. 571-580.

78. Masood A., Al-Jumaily A.A. Computer Aided Diagnostic Support System for Skin Cancer: A Review of Techniques and Algorithms // International Journal of Biomedical Imaging. 2013. V. 2013. P. 1 - 22.

79. Automatic underwater image preprocessing / Bazeille S. [et al.] // CMM, France. 2006. P. 16-19.

80. A. Gola I., Garcia Z.B., Zorrilla M.A. Melanomas non-invasive diagnosis application based on the ABCD rule and pattern recognition image

processing algorithms // Computers in Biology and Medicine. 2011. V. 41. № 9. P. 742 -755.

81. Quantitative ABCD parameters measured by a multispectral digital skin lesion analysis device for evaluation of suspicious pigmented skin lesions strongly correlate with clinical ABCD observations / Glazer A.M. [et al.] // Dermatology Online Journal. 2017. V. 23, № 8. P. 13030/qt9xx2907s.

82. Гланц С. Медико-биологическая статистика. М.: Мир, 1979. 459

с.

83. Tuchin V.V. Tissue Optics, Light Scattering Methods and Instruments for Medical Diagnostics, Third Edition.: SPIE PRESS BOOK, 2015. 988 p.

84. Родионов С.А. Основы оптики. Конспект лекций. СПб.: СПб ГИТМО (ТУ), 2000. 167 c.

85. Разработка эталона для поверки системы автоматизированной морфометрии клинических изображений новообразований кожи / Римская Е.Н. [и др.] // Оптика и спектроскопия. 2020. Т. 128, № 6. С. 811-819.

86. Новицкий П. В., Зограф И.А. Оценка погрешностей результатов измерений. 2-е изд., перераб. и доп. Ленинград.: Издательство Энергоатомиздат., Ленингр. отделениение, 1991. 304 с.

87. Усиков В.Д. Структурные элементы пластиковых карт. Серия «Производство пластиковых карт». Выпуск 2-й.: Издательские решения, 2018. № 3. 72 c.

88. Разработка тестового объекта для определения цветовых и числовых характеристик новообразований кожи на изображениях / Римская Е.Н. [и др.] // Научно-техническая конференция «Медико-технические технологии на страже здоровья». Сборник докладов. 2019. С. 29-33.

89. Домасев М.В., Гнатюк С.П. Цвет, управление цветом, цветовые расчеты и измерения.: Питер Пресс, 2009. 224 c.

90. Sharma A. Understanding Color Management, Second Edition.: John Wiley & Sons, 2018. 384 p.

91. Mizen M.B. Comparison of technologies for card printing applications // Society for Imaging Science and Technology. 2016. № 5. P. 392-396.

92. Xu Y., Dong X., Cheng J. Design and research of thermal transfer label printer testing system based on virtual instrument technology // Atlantis Press. Proceedings of the 2015 3rd International Conference on Machinery, Materials and Information Technology Applications. 2015. P. 1647-1650.

93. Study of a thermal print head for multi-level tone printing / Hirotoshi T. [et al.] // Society for Imaging Science and Technology. 2000. № 4. P. 775-778.

94. Walters C.D. Thermal-transfer printing: a better way to print library labels // American Library Association. 2004. V. 23, № 1. P. 30-36.

95. Yoshi O., Takara I., Hirotoshi T. Expanding Applications on the Thermal Transfer Printing // 2003 International Conference on Digital Printing Technologies. Society for Imaging Science and Technology. 2003. № 4. P. 383386.

96. Performances of thermal transfer printing and their improvement by model calculations / Drees F. [et al.] // IEEE. Proceedings. VLSI and Computer Peripherals. COMPEURO 89. 1989. P. 40-42.

97. The numerical classification and grading standards of daylily (Hemerocallis) flower color / Cui H. [et al.]// PLoS ONE. 2019. V. 14, № 6. P. e0216460.

98. Thermal dissolution ink transfer for full-color printing / Onishi H. [et al.] // IEEE Transactions on Electron Devices. 1993. V. 40, № 1. P. 69-74.

99. Udi C. The Fundamentals of HP Indigo's Digital Offset Color Printing Process and How It Rivals Mechanical Offset Printing // Society for Imaging Science and Technology. 2002. № 5. P. 125-129.

100. Sahni O. Color printing technologies // Proc. SPIE 1458. 1991. V. 1458. P. 4.

101. Telfer S.J., Vetterling W.T. A New, Full-Color Direct Thermal Imaging System // 2005 International Conference on Digital Printing

Technologies. Society for Imaging Science and Technology. 2005. № 4. P. 181184.

102. Grove S.M. Thermal modelling of tape laying with continuous carbon fibre-reinforced thermoplastic // Composites. Elsevier. 1988. V. 19, № 5. P. 367375.

103. Modeling of heat transfer in thermoplastic composite tape lay-up manufacturing / Tumkor S. [et al.] // International Communications in Heat and Mass Transfer. Elsevier. 2001. V. 28, № 1. P. 49-58.

104. Interfacial adhesion and shear behaviors of aramid fiber/polyamide 6 composites under different thermal treatments / Li H [et al.] // Polymer Testing. Elsevier. 2020. V. 81. P. 106209.

105. Rimskaya E.N., Apollonova I.A. Method of automated express diagnostics of pigmented skin lesions // Proceedings of the 12th Russian-German Conference on Biomedical Engineering. Suzdal.: VISU, 2016. P. 161-164.

106. Римская Е.Н., Аполлонова И.А. Особенности разработки метода экспресс-диагностики пигментных новообразований кожи.: Труды 12-й международной научной конференции «ФРЭМЭ'2016» 2018. С. 273-277.

107. Проверка работоспособности автоматизированного комплекса для экспресс-диагностики пигментных новообразований кожи на лабораторных животных / Римская Е.Н [и др.] // Научно-техническая конференция «Медико-технические технологии на страже здоровья».: Сборник докладов. 2016. С. 22-25.

108. Kudrin K. G., Matorin O. V., Reshetov I. V. Features of Melanoma Automated Screening of a Head and Neck Area // 5th World Congress of IFHNOS and the AHNS 2014 Annual Meeting. Century of Progress in Head and Neck cancer. Abstract book. V. P0077. P. 173.

109. Update on mobile applications in dermatology / Patel S. [et al.] // Dermatology Online Journal. 2015. V. 21, № 2. P. 13030/qt1zc343js.

110. Mobile system for measuring the parameters of pigmental nonformation of the skin / Rimskaya E.N. [et al.] // ABSTRACTS BOOK Sechenov

International Biomedical Summit 2019. M.: Publishing house of Sechenov University, 2019. P. 28.

111. Development of software for the express diagnostics of skin pigmented lesions based on the analysis of clinical images / Deshin I.A., Rimskaya E.N. [et al.] // AIP Conference Proceedings. 2019. V. 2140, № 1. P. 020017.

112. Early melanoma diagnosis with mobile imaging / Do T.-T. [et al.] // Proc. 36th Ann. Int. Conf. IEEE Eng. Med. Biol. Soc. 2014. P. 6752-6757.

113. A methodological approach to the classification of dermoscopy images / Emre M. [et al.] // Compo Med. Imag. and Graph. 2007. V. 31, № 6. P. 362-373.

114. Automated skin lesion assessment using mobile technologies and cloud platforms / Doukas C. [et al.] // 2012 Annual International Conference of the IEEE Engineering in Medicine and Biology Society. 2012. P. 2444-2447.

115. Liu H., Lei Y. Toward integrating feature selection algorithms for classification and clustering // IEEE Transactions on Knowledge and Data Engineering. 2005. V. 17, № 4. P. 491-502.

116. Maglogiannis I., Doukas C.N. Overview of advanced computer vision systems for skin lesions characterization // IEEE Transactions on Information Technology in Biomedicine. 2009. V. 13, № 5. P. 721-733.

117. Nobuyuki. O. A threshold selection method from gray-level histograms // Automatica. 1975. V. 11, № 285-296. P. 23-27.

118. Ramlakhan K., Shang Y. A mobile automated skin lesion classification system // ICTAI. 2011. P. 138-141.

119. Implementation of the 7-point checklist for melanoma detection on smart handheld devices in Engineering in Medicine and Biology Society / Wadhawan T. [et al.] // 2011 Annual International Conference of the IEEE Engineering in Medicine and Biology Society. 2011. P. 3180-3183.

120. Segmentation of skin cancer images / Xu L. [et al.] // Image Vision Comput. 1999. V. 17, № 1. P. 65-74.

121. Interactive multimodal visual search on mobile device / Li H. [et al.] // IEEE Trans. Multimedia. 2013. V. 15, № 3. P. 594-607.

122. Comaniciu D., Meer P. Mean shift analysis and applications // IEEE International Conference on Computer Vision. 1999. V. 2. P. 1197-1203.

123. Diagnostic inaccuracy of smartphone applications for melanoma detection / Wolf J.A. [et al.] // JAMA Dermatol. 2013. V. 149, № 4. P. 422-426.

124. Chapter 12: From dermoscopy to mobile teledermatology in Dermoscopy Image Analysis / Rosado L. [et al.]// CRC Press. 2015. P. 385-418.

125. Segmentation of dermoscopy images using wavelet networks / Sadri A.R. [et al.] // IEEE Trans. Biomed. Eng. 2013. V. 60,. № 4. P. 1134-1141.

126. Menzies S. W., Ingvar C., McCarthy W. H. A sensitivity and specificity analysis of the surface microscopy features of invasive melanoma // Melanoma Res. 1996. V. 6, № 1. P. 55-62.

127. Automated melanoma recognition / Ganster H. [et al.] // IEEE Transactions on Medical Imaging. 2001. V. 20, № 3. P. 233-239.

128. Ramlakhan K., Shang Y. A mobile automated skin lesion classification system // 2011 IEEE 23rd International Conference on Tools with Artificial Intelligence. 2011. P. 138-141.

129. Mobile system for early diagnosis of the parameters of pigmented skin lesions / Rimskaya E. N. [et al.] // Proceedings of SPIE Volume 11363. Tissue Optics and Photonics. 2020. P. 1136306.