Зернистость шкурки: Зернистость наждачной бумаги, виды, маркировка, таблицы
Школа инструмента » Маркировка и зернистость наждачной бумаги
Фарида
24 января 2018
Маркировка наждачной бумаги указывает на фракцию и концентрацию абразива. Отечественный ГОСТ 3647-80 определяет количество зерен разного размера на 1 квадратную единицу, но данная классификация считается устаревшей. Сегодня шкурка шлифовальная соответствует международным стандартам ISO, именно это обозначение можно встретить на обратной стороне изделия. Следует отметить, что данные старого ГОСТа и значения международных стандартов перекликаются между собой. Их соответствие можно проследить в таблице.
| Назначение | Маркировка по ГОСТ 3647-80 | Маркировка по ISO-6344 |
Размер зерна, мкм | |
| Крупнозернистые | ||||
| Очень грубые работы | 80-Н | P22 | 800-1000 | |
| 63-Н | P24 | 630-800 | ||
| 50-Н | P36 | 500-630 | ||
| Грубые работы | ||||
| 40-Н | P40 | 400-500 | ||
| 32-Н | P46 | 315-400 | ||
| 25-Н | P60 | 250-315 | ||
| Первичная шлифовка | 20-Н | P80 | 200-250 | |
| 16-Н | P90 | 160-200 | ||
| 12-Н | P100 | 125-160 | ||
| 10-Н | P120 | 100-125 | ||
| Окончательная шлифовка мягких пород дерева, старой краски под покраску | 8-Н | P150 | 80-100 | |
| 6-Н | P180 | 63-80 | ||
| Мелкозернистые | ||||
| Окончательная шлифовка твердых пород дерева, шлифовка между покрытиями | 5-Н,М63 | P240 | 50-63 | |
| 4-Н,М50 | P280 | 40-50 | ||
| Полировка финальных покрытий, шлифовка между покрасками, мокрая шлифовка | М40\Н-3 | 28-40 | ||
| М28\Н-2 | P600 | 20-28 | ||
| Шлифовка металла, пластиков, керамики, мокрая шлифовка | М20\Н-1 | P1000 | 14-20 | |
| Еще более тонкая шлифовка, полировка | М14 | P1200 | 10-14 | |
| М10/Н-0 | P1500 | 7-10 | ||
| М7\Н-01 | P2000 | 5-7 | ||
| М5\Н-00 | P2500 | 3-5 | ||
Основная разница старого и нового стандартов заключается в разном движении номеров в маркировке:
В ГОСТ 3647-80 значения крупности и плотности зерен уменьшаются, что вполне логично;
В новом стандарте ISO 6344 (ГОСТ 52318-2005) номер изделия увеличивается с уменьшением значения в маркировке.
Расшифровка зернистости
Буква «Р» в обозначении указывает на зернистость. Чем больше значение, стоящее за буквой, тем мельче фракция шкурки.
Р400 – известная нулёвка. Р600…Р2500 имеют мелкие фракции и почти гладкую поверхность, их зернистость не так ощутима наощупь. Такую наждачку используют для финишной полировки в промышленности.
В старом ГОСТе дела обстояли иначе. На примере 10-Н: первая цифра означает, что на поверхность изделия нанесен абразив крупностью, соответствующей ситу с ячейкой 100 мкм. Чем меньше показатель, тем меньше размер просева.
Другие обозначения
Виды наждачной бумаги различаются по составу основы и свойствам зерен. Эту информацию также отражают в маркировке изделия.
Литера «Л» указывает на листовую форму выпуска изделия. Рулонная не обозначается никак.
Буквой «М» обозначается водостойкая наждачная бумага.
Изделие с маркировкой «П» предназначено для шлифовки сухих изделий без контакта с влагой.
«1» – абразив для мягких поверхностей, «2» – для жестких.
Теги: наждачная бумага, маркировка
Выбираем наждачную бумагу для определенного вида работ
Если вы когда-либо работали с деревом или металлом, вам вряд ли нужно объяснять, что такое наждачная бумага и как она используется. Если же вы только осваиваете азы обработки этих материалов, то по использованию этого материала, вам могут понадобиться разъяснения. Начиная проект, вы можете увидеть в списке инструментов наждачную бумагу и, скорее всего, этот пункт не вызовет у вас никаких эмоций. По крайней мере до тех пор, пока вы не окажетесь в магазине перед стендом с этой продукцией и не увидите, сколько видов бумаги предлагают производители своим потребителям.
Основные правила выбора наждачной бумаги
Выбирая шлифовальную бумагу для выполнения тех или иных работ, вам придется иметь дело со следующими параметрами этой продукции:
- Вид абразива;
- Зернистость;
- Основа материала.
Не имея опыта работы, сориентироваться в этих трех характеристиках сложно, но реализовав всего 2-3 проекта, вы наверняка научитесь быстро и точно определять вид и параметры бумаги, которая идеально подойдет для выполнения той или иной задачи.
Параметры и область применения
Современные производители наждачной бумаги предлагают продукцию, изготовленную из абразивов 4 видов:
- Керамика. Такой абразив выбирают для самой грубой, черновой обработки поверхности.
- Карбид кремния. Идеален для работы по снятию лакокрасочного покрытия, а также шлифовки изделий из металла, дерева и полимерных материалов.
- Окись алюминия. Чаще всего применяется для обработки древесины, но подходит также и для цветных металлов. Является наиболее стойким к износу материалом.
- Гранат. Применяется для самой тонкой и деликатной шлифовки изделий из дерева, перед их покраской.
Важную роль играет и вид основы, на которую нанесен абразив. Самым простым и недорогим вариантом является обычная бумага. Продукция на основе простой или водостойкой бумаги не растягивается и отлично подходит для наиболее тонкой шлифовки. Недостатком можно считать невысокую стойкость основы к износу. Тканевая основа более долговечна, но при этом материал, изготовленный на ее базе, стоит дороже. Основа из ткани не боится влаги, но имеет склонность к деформации и при работе легко растягивается. Комбинированные основы сочетают в себе преимущества тканевых и бумажных основ, но является наиболее дорогой. Бумага с наклеенной на нее тканью, отлично сопротивляется к износу, не боится намокания и не растягивается. Такую наждачную бумагу используют в профессиональных целях, для обработки больших деревянных или металлических поверхностей. Наиболее прочные и долговечные абразивные материалы производят на основе фибры, но в свободной продаже встретить эту продукцию в листах или рулонах практически невозможно.
Зернистость наждачной бумаги во многом определяет область ее применения. Самый грубый абразив, с маркировкой 12-40, можно использовать для снятия краски или ржавчины. После обработки этим наждаком на поверхности обязательно останутся царапины, поэтому обработку изделия придется продолжить более мелкой шкуркой. Для грубой, черновой шлифовки нужно выбирать бумагу с зерном 40-80. Абразив такого размера поможет убрать глубокие царапины, углубления и другие неровности. Наждачная бумага средней зернистости, которая находится в диапазоне от 80 до 150, служит для удаления самых мелких дефектов. Тонкая бумага имеет зернистость 150-180 и ее используют для финишной шлифовки деревянных изделий перед окраской. В отдельных случаях также есть смысл применить и очень тонкую бумагу, с абразивом 280-240.
Существуют и более тонкие абразивные материалы на гибкой основе.
Полезные советы Обновлено: 30.11.2020 11:02:38
Поставить оценку
Успешно отправлено, Спасибо за оценку!
Нажмите, чтобы поставить оценку
Выявление зернистости на дерматоскопических изображениях злокачественной меланомы с использованием признаков цвета и текстуры
. 2011 март; 35(2):144-7.
doi: 10.
Уильям В Стокер 1 , Марк Вронкевич, Раид Чоудхури, Р. Джо Стэнли, Джин Сюй, Остин Бангерт, Биджая Шреста, Дэвид А. Калькара, Гарольд С. Рабиновиц, Маргарет Оливьеро, Фатима Ахмед, Линдалл А. Перри, Ретт Другге
Принадлежности
принадлежность
- 1 Stoecker and Associates, 1702 E. 10th Street, Rolla, MO 65401-4600, США. [email protected]
- PMID: 21036538
- PMCID: PMC3159567
- DOI: 10.1016/j.compmmedimag.2010.090,005
Бесплатная статья ЧВК
Уильям В.
Стокер и соавт.
Comput Med Imaging Graph.
2011 март
Бесплатная статья ЧВК
. 2011 март; 35(2):144-7.
doi: 10.1016/j.compmmedimag.2010.09.005. Epub 2010 30 октября.
Авторы
Уильям В Стокер 1 , Марк Вронкевич, Раид Чоудхури, Р. Джо Стэнли, Джин Сюй, Остин Бангерт, Биджая Шреста, Дэвид А. Калькара, Гарольд С. Рабиновиц, Маргарет Оливьеро, Фатима Ахмед, Линдалл А. Перри, Ретт Другге
принадлежность
- 1 Stoecker and Associates, 1702 E. 10th Street, Rolla, MO 65401-4600, США. [email protected]
- PMID: 21036538
- PMCID: PMC3159567
- DOI:
10. 1016/j.compmmedimag.2010.09.005
1016/j.compmmedimag.2010.09.005Абстрактный
Зернистость, также называемая перчинкой и множественными сине-серыми точками, определяется как скопление крошечных серо-голубых гранул на дерматоскопических изображениях. Зернистость наиболее тесно связана с диагнозом злокачественной меланомы. В этом исследовании анализируются области зернистости по цвету и текстуре, чтобы отличить зернистость меланомы от аналогичных областей немеланомных поражений кожи. Гранулярные области на дерматоскопических изображениях 74 меланом и 14 меланом in situ были идентифицированы и выбраны вручную. Для 200 изображений дерматоскопии, не относящихся к меланоме, аналогичным образом были выбраны те области, которые наиболее близко напоминали зернистость по цвету и текстуре. Были изучены десять текстурных и двадцать два цветовых показателя. Текстурные меры состояли из среднего и диапазона энергии, инерции, корреляции, обратной разности и энтропии.
Цветовые показатели состояли из абсолютных и относительных средних значений RGB, абсолютных и относительных средних значений цветности RGB, абсолютных и относительных средних значений G/B, средних значений CIE X, Y, Z, X/Y, X/Z и Y/Z, дисперсии R и яркость. Эти показатели были рассчитаны для каждой зернистой области меланомы и сопоставимых областей на немеланомных изображениях. Анализ кривой рабочих характеристик приемника (ROC) показал, что наилучшее разделение изображений меланомы и изображений немеланомы по особенностям зернистой области было получено при сочетании показателей цвета и текстуры. Сравнение результатов ROC показало большее отделение меланомы от доброкачественных поражений при использовании относительного цвета, чем при использовании абсолютного цвета. Статистический анализ показал, что четырьмя наиболее важными показателями зернистости при меланоме являются два показателя цвета и два показателя текстуры, усредненные по пятнам: относительный синий, относительный зеленый, корреляция текстуры и диапазон энергии текстуры.
Лучший набор функций, использующий текстуру и относительные цветовые измерения, достиг точности 96,4% в зависимости от площади под кривой рабочей характеристики приемника.
Copyright © 2010 Elsevier Ltd. Все права защищены.
Цифры
Рисунок 1
Меланома с зернистой областью образца…
Рисунок 1
Меланома с отмеченной зернистой областью образца. Гранулы, похожие на перец, можно увидеть в…
Рисунок 1Меланома с отмеченной зернистой областью образца. Перцеподобные гранулы можно увидеть и в других областях, особенно выше и правее выбранного места.
Рисунок 2
ROC-кривые для детальных результатов…
Рисунок 2
ROC-кривые для детальных результатов с использованием абсолютного цвета для комбинированного, только цветного и…
фигура 2 Кривые ROC для детальных результатов с использованием абсолютного цвета для комбинированных, только цветных и только текстурных случаев признаков с использованием стандартной нейронной сети с обратным распространением с методологией исключения одного.
Рисунок 3
ROC-кривые для детальных результатов…
Рисунок 3
ROC-кривые для детальных результатов с использованием относительного цвета для комбинированного, только цветного и…
Рисунок 3 Кривые ROCдля детальных результатов с использованием относительного цвета для комбинированных, только цветных и только текстурных случаев признаков с использованием стандартной нейронной сети с обратным распространением с методологией исключения одного.
См. это изображение и информацию об авторских правах в PMC
Похожие статьи
Обнаружение розовых участков меланомы под наблюдением в реальном времени на дерматоскопических изображениях меланомы: важность цветовых оттенков, текстуры и местоположения.
Каур Р., Альбано П.П., Коул Дж.Г., Хагерти Дж., ЛеАндер Р.В., Мосс Р.Х., Стокер В.В. Каур Р. и др. Технология восстановления кожи. 2015 ноябрь;21(4):466-73. doi: 10.1111/srt.12216. Epub 2015 22 марта. Технология восстановления кожи. 2015. PMID: 25809473 Бесплатная статья ЧВК.
Обнаружение базально-клеточной карциномы с помощью измерения цвета и гистограммы полупрозрачных областей.
Стокер В.В., Гупта К., Шреста Б., Вронкевич М., Чоудхури Р., Стэнли Р.Дж., Сюй Дж., Мосс Р.Х., Челеби М.Е., Рабиновиц Х.С., Оливьеро М., Малтерс Дж.М., Колм И. Стокер В.В. и соавт. Технология восстановления кожи. 2009 авг; 15 (3): 283-7. doi: 10.1111/j.1600-0846.2009.00354.x. Технология восстановления кожи. 2009. PMID: 19624424 Бесплатная статья ЧВК.
О роли текстуры и цвета в классификации дерматоскопических изображений.
Маркес Х.С., Барата С., Мендонса Т. Маркес Дж.С. и др. Annu Int Conf IEEE Eng Med Biol Soc. 2012; 2012:4402-5. doi: 10.1109/EMBC.2012.6346942. Annu Int Conf IEEE Eng Med Biol Soc. 2012. PMID: 23366903
Подход, основанный на признаках базовой функции, для распознавания поражений кожи на изображениях дерматологической дерматоскопии.
Stanley RJ, Stoecker WV, Moss RH, Rabinovitz HS, Cognetta AB Jr, Argenziano G, Soyer HP. Стэнли Р.Дж. и др. Технология восстановления кожи. 2008 ноябрь;14(4):425-35. doi: 10.1111/j.1600-0846.2008.00307.x. Технология восстановления кожи. 2008. PMID: 18937777 Бесплатная статья ЧВК.
Обнаружение границ поражения на дерматоскопических изображениях.
Селеби М.Э., Иятоми Х., Шефер Г., Стокер В.В. Селеби М.Е. и др. Comput Med Imaging Graph. 2009 г.33 марта (2): 148-53. doi: 10.1016/j.compmmedimag.2008.11.002. Epub 2009 3 января. Comput Med Imaging Graph. 2009. PMID: 19121917 Бесплатная статья ЧВК. Обзор.
Посмотреть все похожие статьи
Цитируется
Улучшение автоматической диагностики меланомы с использованием сегментации нерегулярных сетей на основе глубокого обучения.
Намбисан А.К., Маурья А., Лама Н., Фан Т., Патель Г., Миллер К., Лама Б., Хагерти Дж., Стэнли Р., Стокер В.В. Намбисан А.К. и др. Раков (Базель). 2023 16 февраля; 15 (4): 1259. doi: 10.3390/раки15041259. Раков (Базель). 2023. PMID: 36831599 Бесплатная статья ЧВК.
Значение регрессии первичной меланомы в отношении местного инфильтрата и исхода.
Келати А., Бальме Б., Шуве Б., Траверс-Глеэн А., Танто Дж., Хару О., Дуру Г., Дебарбье С., Далле С., Томас Л. Келати А. и соавт. Концепция Дерматол Практ. 2022 1 января; 12 (1): e2022034. doi: 10.5826/dpc.1201a34. Электронная коллекция 2022 февраль. Концепция Дерматол Практ. 2022. PMID: 35223178 Бесплатная статья ЧВК.
Сегментация и классификация потребительских и дерматоскопических изображений рака кожи с использованием гибридного текстурного анализа.
Салим А., Бхатти Н., Ашраф А., Зия М., Мехмуд Х. Салим А. и др. J Med Imaging (Беллингем). 2019 июль;6(3):034501. doi: 10.1117/1.JMI.6.3.034501. Epub 2019 6 августа. J Med Imaging (Беллингем). 2019. PMID: 31404402 Бесплатная статья ЧВК.
Визуальный осмотр и дерматоскопия, по отдельности или в комбинации, для диагностики кератиноцитарного рака кожи у взрослых.
Диннес Дж., Дикс Дж.Дж., Чучу Н., Матин Р.Н., Вонг К.И., Олдридж Р.Б., Дурак А., Гулати А., Чан С.А., Джонстон Л., Бэйлисс С.Е., Леонарди-Би Дж., Таквоенги Й., Давенпорт С., О’Салливан С. , Техрани Х., Уильямс Х.К.; Кокрановская группа точности диагностических тестов на рак кожи. Диннес Дж. и соавт. Cochrane Database Syst Rev. 2018 Dec 4;12(12):CD011901. doi: 10.1002/14651858.CD011901.pub2. Кокрановская система баз данных, ред. 2018 г. PMID: 30521688 Бесплатная статья ЧВК.
Дерматоскопия с визуальным осмотром и без него для диагностики меланомы у взрослых.
Диннес Дж., Дикс Дж.Дж., Чучу Н., Ферранте ди Руффано Л., Матин Р.Н., Томсон Д.Р., Вонг К.И., Олдридж Р.Б., Эбботт Р., Фаузи М., Бэйлисс С.Е., Грейндж М.Дж., Таквоинги Й., Давенпорт С., Годфри К., Уолтер FM, Уильямс ХК; Кокрановская группа точности диагностических тестов на рак кожи.
Диннес Дж. и соавт.
Cochrane Database Syst Rev. 2018 Dec 4;12(12):CD011902. doi: 10.1002/14651858.CD011902.pub2.
Кокрановская система баз данных, ред. 2018 г.
PMID: 30521682
Бесплатная статья ЧВК.
Диннес Дж. и соавт.
Cochrane Database Syst Rev. 2018 Dec 4;12(12):CD011902. doi: 10.1002/14651858.CD011902.pub2.
Кокрановская система баз данных, ред. 2018 г.
PMID: 30521682
Бесплатная статья ЧВК.Просмотреть все статьи «Цитируется по»
Типы публикаций
термины MeSH
Грантовая поддержка
- R44 CA060294-02A2/CA/NCI NIH HHS/США
- R44 CA101639/CA/NCI NIH HHS/США
- R44 CA-101639-02A2/CA/NCI NIH HHS/США
Обнаружение зернистости на дерматоскопических изображениях злокачественной меланомы с использованием признаков цвета и текстуры
- Список журналов
- Рукописи авторов HHS
- PMC3159567
Являясь библиотекой, NLM предоставляет доступ к научной литературе.
Включение в базу данных NLM не означает одобрения или согласия с
содержание NLM или Национальных институтов здравоохранения.
Узнайте больше о нашем отказе от ответственности.
Comput Med Imaging Graph. Авторская рукопись; доступно в PMC 2012 1 марта.
Опубликовано в окончательной редакции как:
Comput Med Imaging Graph. 2011 март; 35(2): 144–147.
Опубликовано в Интернете 30 октября 2010 г. doi: 10.1016/j.compmedimag.2010.09.005
PMCID: PMC3159567
NIHMSID: NIHMS249471
PMID: 21036538
, и , и , и , б , а , б , б , а , в , в , г , д и f
Информация об авторе Информация об авторских правах и лицензии Отказ от ответственности
Зернистость, также называемая перчинкой и множественными сине-серыми точками, определяется как скопление крошечных серо-голубых гранул на дерматоскопических изображениях.
Зернистость наиболее тесно связана с диагнозом злокачественной меланомы. В этом исследовании анализируются области зернистости по цвету и текстуре, чтобы отличить зернистость меланомы от аналогичных областей немеланомных поражений кожи.
Гранулярные области на дерматоскопических изображениях 74 меланом и 14 меланом in situ были идентифицированы и выбраны вручную. Для 200 изображений дерматоскопии, не относящихся к меланоме, аналогичным образом были выбраны те области, которые наиболее близко напоминали зернистость по цвету и текстуре. Были изучены десять текстурных и двадцать два цветовых показателя. Текстурные меры состояли из среднего и диапазона энергии, инерции, корреляции, обратной разности и энтропии. Цветовые показатели состояли из абсолютных и относительных средних значений RGB, абсолютных и относительных средних значений цветности RGB, абсолютных и относительных средних значений G/B, средних значений CIE X, Y, Z, X/Y, X/Z и Y/Z, дисперсии R и яркость. Эти показатели были рассчитаны для каждой зернистой области меланомы и сопоставимых областей на немеланомных изображениях.
Анализ кривой рабочих характеристик приемника (ROC) показал, что наилучшее разделение изображений меланомы и изображений немеланомы по особенностям зернистой области достигается при сочетании показателей цвета и текстуры. Сравнение результатов ROC показало большее отделение меланомы от доброкачественных поражений при использовании относительного цвета, чем при использовании абсолютного цвета. Статистический анализ показал, что четырьмя наиболее важными показателями зернистости при меланоме являются два показателя цвета и два показателя текстуры, усредненные по пятнам: относительный синий, относительный зеленый, корреляция текстуры и диапазон энергии текстуры. Лучший набор функций, использующий текстуру и относительные цветовые измерения, достиг точности 96,4% в зависимости от площади под кривой рабочей характеристики приемника.
Ключевые слова: Меланома, анализ изображения, текстура, зернистость, зернистость, дерматоскопия
Контактная дерматоскопия [1] позволяет обнаружить зернистость [1,2], которую можно увидеть на изображениях злокачественной меланомы.
Зернистость описывается по-разному: «гранулы» [3], «пылевидные точки от серо-голубых до черных» [4], «серо-голубые перцеподобные гранулы» [3] и множественные очень маленькие округлые точки серо-голубой цвет [2]. Эта особенность лучше видна при контактной дерматоскопии в неполяризованном свете, чем при дерматоскопии в поляризованном свете [5].
Было обнаружено, что зернистость в значительной степени связана с диагнозом меланомы с чувствительностью 85%, специфичностью 99% и положительной прогностической ценностью 78% [2]. Зернистые участки можно увидеть при нескольких типах кожных поражений, кроме меланомы, включая лихеноидный кератоз. Забаллос и др. др. обнаружили картину зернистости во всех исследованных ими лихеноидных кератозах, однако они описали ее как «диффузную» и «коричневато-серые, красновато-коричневые, голубовато-серые или беловато-серые диффузные гранулы, распределенные по всему поражению» [6]. Пастар и др. описали картину зернистости при регрессирующем себорейном кератозе [7].
Это также частая находка при десмопластической меланоме, при этом половина таких поражений обнаруживает эту особенность [8]. Полностью регрессирующая меланома показала области зернистости в 43% исследованных поражений [9].].
Зернистый, похожий на перец внешний вид зернистых областей является видимой формой текстуры. В дерматологической визуализации это исследование расширяет анализ текстуры и цвета для характеристики полупрозрачных областей для распознавания поражений кожи [10]. Десять матричных характеристик совпадения текстур, введенных Хараликом и др. [11], были изучены в этом исследовании для анализа зернистых областей, включая среднее значение энергии, диапазон энергии, среднее значение инерции, диапазон инерции, среднее значение корреляции, диапазон корреляции, обратное среднее разности, обратное значение. диапазон разности, среднее значение энтропии и диапазон энтропии, которые обозначены как T1-T10 соответственно. Среднее значение и диапазон этих мер по четырем направлениям, включая 0°, 45°, 90° и 135° рассчитывались с помощью CVIPtools [12].
Основной целью данного исследования является определение того, можно ли отличить меланому от других поражений кожи путем измерения цвета и текстуры зернистых областей. Выбранные меры представляют собой меры текстуры, определенные выше, и стандартные меры цвета, определенные из зернистых областей, принадлежащих к меланомам, и тех областей немеланом, которые больше всего напоминают зернистые области меланом. Вторая цель этого исследования состоит в том, чтобы определить, какие показатели, среди показателей текстуры, относительного цвета и абсолютных показателей цвета, лучше всего отличают меланому от других поражений кожи.
Набор изображений, использованный для этого исследования, включает контактные неполяризованные дерматоскопические изображения [5] 88 меланом с зернистыми участками и 200 немеланомных поражений из четырех клиник: Skin and Cancer Associates, Plantation, FL, Columbia Dermatology and Skin Cancer. , Колумбия, Миссури, Sheard & Drugge, Стэмфорд, Коннектикут, и Центр дерматологии, Ролла, Миссури, выбраны для дерматоскопического исследования в период с января по ноябрь 2007 г.
неопределенности были биопсии. Все изображения были контактными, неполяризованными дерматоскопическими изображениями, полученными цифровой камерой Sony DSC-W70 с разрешением 7,2 мегапикселя и насадкой для дерматоскопии 3Gen DermLite Fluid (3Gen LLC, Сан-Хуан-Капистрано, Калифорния).
Конкурсный набор из 200 изображений, с которым сравнивали набор меланомы, состоял из различных поражений, обнаруженных в клинике в тот же период, когда были получены изображения меланомы. Эти 200 образований были как злокачественными, так и доброкачественными и включали различные диагнозы: 40 диспластических невусов, 38 базальноклеточных карцином, 21 себорейный кератоз, 53 невуса (в том числе 13 внутрикожных невусов, 12 сложных врожденных невусов, 11 сложных невусов, 7 врожденных невусов, 5 пограничных невусов, 3 акральных невуса, 1 сложный врожденный диспластический невус со шпицоидными чертами и 1 невус Рида), 8 актинических кератозов, 7 лентиго, 6 плоскоклеточных карцином in situ, 5 инвазивных плоскоклеточных карцином, 2 доброкачественные коллизионные опухоли и 1 столкновение опухоли между красным плоским лишаем, подобным кератозу, и плоскоклеточным кератозом in situ, и одной опухолью между базально-клеточной карциномой и себорейным кератозом, 3 гемангиомами, 2 рецидивами невусов, 2 гиперплазиями сальных желез и по одному от каждого из 11 других доброкачественных образований.
Для 88 меланом, в общей сложности 74 инвазивных меланом со средней глубиной по Бреслоу 0,3 мм и 14 меланом in situ, студенты (JX, DC и AB) вручную отметили наиболее типичную зернистую часть всех изображений с приблизительным овальной формы, сглаженной сплайном второго порядка. Дерматолог (WVS) корректировал все отмеченные области по мере необходимости. Инвазивная злокачественная меланома с типичной зернистой областью показана на рис. 200 немеланомных поражений были отмечены вручную с использованием той же процедуры. Области, отмеченные на немеланомных поражениях, были сходны по размеру и максимально приближены к тому же цвету и текстуре, что и зернистые пятна в меланомах. Затем отмеченные области как меланомных, так и немеланомных поражений были проанализированы на предмет цветовых характеристик RGB и цветности, а также различных показателей текстуры на основе матрицы сочетаемости.
Открыть в отдельном окне
Меланома с отмеченным зернистым участком образца. Перцеподобные гранулы можно увидеть и в других областях, особенно выше и правее выбранного места.
Цветовые характеристики, полученные для всех поражений, включали следующие стандартные измерения отмеченных пятен: средние значения красного, зеленого и синего пикселей (R, G, B); средние относительные значения цвета (relR, relG, relB); средняя абсолютная цветность R,G,B, где аналогично определяются цветности красного цвета = R/(R+G+B) и цветность синего и зеленого; средний G/B, средний отнG/отнB; яркость = 0,30R+0,59Г+0,11Б; и дисперсия R. Относительные значения цвета на пятнах определяются как relR = Rspot — Rskin, где Rskin — средний красный цвет небольшой области, окружающей поражение, пропорциональный размеру поражения, а relG и relB определяются аналогичным образом [ 14]. Средние трихроматические значения CIE-XYZ [13] для X, Y, Z и отношения X/Y, X/Z и Y/Z для пятен были рассчитаны Международной комиссией по освещению (CIE) с использованием методов, описанных в [10]. . Три дополнительных рассчитанных новых относительных значения представляли собой среднюю относительную цветность R, G и B, где относительная красная цветность = relR/(relR+relG+relB), а относительная синяя и зеленая цветность определяются аналогичным образом.
Для пятна вычисляются девять абсолютных характеристик цвета, включая дисперсию красного, средний R, средний G, средний B, средний G/B, среднюю цветность R, среднюю цветность G, среднюю цветность B и среднюю яркость. Для пятна вычисляются девять относительных характеристик цвета, включая дисперсию красного цвета, среднее значение relR, среднее значение relG, среднее значение relB, среднее значение relG/отнB, среднюю цветность relR, среднюю цветность relB, среднюю цветность relG и среднюю яркость.
Десять мер текстуры и девять мер цвета, абсолютных или относительных, использовались в качестве входных данных для стандартной нейронной сети обратного распространения, реализованной в Matlab (MathWorks Inc, Natick MA). Использовались различные сетевые архитектуры: десять текстур и девять абсолютных или относительных мер цвета, 19x12x6x1, только десять мер текстуры, 10x6x4x1 и только девять абсолютных или относительных мер цвета, 9x6x4x1 (4 слоя, с 9, 10 или 19 входами, два скрытых слоя).
с 12 и 6 узлами или 6 и 4 узлами в каждом слое и одним выходным узлом). Из-за относительно небольшого набора данных для обучения/генерации набора тестов использовалась методология исключения. Нейронная сеть обучалась до 15 эпох или до тех пор, пока среднеквадратическая ошибка не стала меньше 0,001. Для собранных данных о зернистой области был проведен статистический анализ с использованием программного обеспечения SAS (SAS Corp., Кэри, Северная Каролина) [15].
Диагностическая точность, выраженная площадью под кривой рабочей характеристики приемника (ROC) для обнаружения меланомы с использованием всех 19 показателей текстуры и относительного цвета для зернистых пятен с использованием приведенной выше нейронной сети обратного распространения, составляет 0,964. и покажите результаты ROC для 10 текстурных признаков вместе с абсолютными и относительными цветовыми признаками соответственно. Вертикальная и горизонтальная оси кривых ROC относятся к чувствительности и 1-специфичности, соответственно, для графиков кривой ROC.
Никаких улучшений не наблюдалось при добавлении данных CIE-XYZ.
Открыть в отдельном окне
Кривые ROC для детальных результатов с использованием абсолютного цвета для комбинированных, только цветных и только текстурных признаков с использованием стандартной нейронной сети с обратным распространением с методологией исключения одного.
Открыть в отдельном окне
ROC-кривые для детальных результатов с использованием относительного цвета для комбинированных, только цветных и только текстурных признаков с использованием стандартной нейронной сети с обратным распространением с методологией исключения одного.
Сравнивались результаты диагностики для разных расстояний пикселей текстуры. Используя только 10 мер текстуры, полученных при расстоянии 2, 6 и 10 пикселей, и без мер цвета, площадь под ROC-кривой составила соответственно 0,939, 0,958 и 0,946. Это оптимизированное расстояние в 6 пикселей дает размер текселя 0,06 мм для зернистых областей.
С помощью процедуры пошаговой логистической регрессии SAS Proc Logistic показатели были выбраны в порядке, показанном на рис.
Окончательная модель сохраняет пять цветовых характеристик со значениями p <0,0001 для относительного зеленого и относительного синего над пятнами и шесть характеристик текстуры со значениями p 0,0065 для среднего значения корреляции на расстоянии шести пикселей и 0,0084 для диапазона энергии текстуры. Две характеристики относительной цветности, сохраненные в модели логистической регрессии, относительная зеленая и относительная синяя цветность, являются значимыми с p-значением = 0,02.
Таблица 1
Результаты процедуры логистической регрессии, 288 поражений, SAS Proc Logistic, для 19 измерений с относительный цвет и текстура, расстояние между пикселями = 6.
| Порядок финальных 12 функций, выбранных в SAS Proc Logistic Stepwise Selection in 13 Steps | |||
|---|---|---|---|
| Шаг | Измерение 9034 8 | Описание (все меры приняты для выбранной точки ) | p-значения, комментарии |
| 1 | Средняя энтропия текстуры | Среднее информационное содержание текстуры | <0,0001 Выбрана первая мера, самая высокая Хи-квадрат. оценка, удаленная на этапе 10 |
| 2 | Относительный синий | Зернистая область синего цвета минус синий фон | <0,0001 | 90 349
| 3 | Относительный зеленый | Зеленая зернистость минус фон зеленый | <0,0001 |
| 4 | Диапазон энтропии текстуры | Изменение энтропии по четырем направлениям | 0 . 0155 |
| 5 | Средняя корреляция текстуры | Средняя мера сходства между пикселями на указанном расстоянии = 6 пикселей | 0,0065 |
| 6 | Диапазон энергии текстуры | Изменение однородности по четырем направлениям. | 0,0084 |
| 7 | Относительная зеленая цветность | Относительная G / (отн. R + отн. G + отн. B) | 0,0203 |
| 8 | Корреляция текстуры Диапазон | Вариация корреляции по четырем направлениям | 0,1134 |
| 9 | Красная дисперсия | Разница значений красного пикселя | 0,0997 |
| 10 | Средняя энтропия текстуры Удалено 90 023 | Средняя информативность текстуры удалена | 0. 6378* 1 ст функция выбрана теперь удалено из модели |
| 11 | Инерция текстуры Средняя | Средняя контрастность | 0,0218 |
| 12 | Относительная голубая цветность | Относительная B / (отн. R + отн. G + отн. B) | 0,0210 | 9034 9
| 13 | Диапазон инерции текстуры | Вариация контраста по четырем направлениям | 0,1515 |
Открыть в отдельном окне
p-значение, которое измеряет важность переменной для полной подгонки модели, было низким для среднего значения энтропии текстуры на шаге 1, но на На шаге 10 эта переменная больше не вносила значительного вклада в многомерную модель и была удалена.
Умеренно высокий уровень успеха в отделении меланомы от немеланомных поражений на основе признаков, извлеченных из зернистых областей, кажется многообещающим для раннего обнаружения злокачественной меланомы и гарантирует стремление к полностью автоматическому обнаружению зернистости. Гранулярность имеет чувствительность к меланоме до 85% и относительный риск меланомы до 1,07 [2]. Наш ROC-анализ показывает, что для оптимального отделения меланомы от конкурирующих диагнозов необходимо использовать измерения как цвета, так и текстуры зернистых пятен и зернистых имитаторов. В окончательной модели, выбранной с помощью логистической регрессии для наилучшего распознавания меланомы, имеется пять признаков цвета и шесть признаков текстуры, что указывает на значительный вклад как цветовых, так и текстурных показателей в этой модели. Наиболее значимыми из всех оставшихся мер были относительный синий и относительный зеленый цвета, с p <0,0001 для обоих показателей. Кривые показывают, что диагностическая точность, измеренная кривыми ROC, немного лучше для относительных цветов, вычитая фоновый цвет кожи из цвета поражения, чем результаты с использованием немодифицированного абсолютного цвета.
В предыдущем исследовании пятен на дерматоскопических изображениях также было обнаружено, что относительный цвет обеспечивает лучшее различение меланомы [16]. Из всех десяти признаков текстуры среднее значение корреляции было наиболее значимым признаком текстуры. Среднее значение корреляции также было наиболее важным признаком текстуры для различения меланомы от доброкачественных поражений с использованием атипичных участков пигментной сети [17].
Наш вывод о важности сочетания характеристик цвета и текстуры для улучшения распознавания дерматоскопических изображений подтверждает другие исследования дерматоскопических изображений пигментных поражений [18,19]. В исследованиях с использованием других типов изображений, включая оптоволоконные [20], раны [21], изображения роговицы [22] и изображения мяса [23], также использовались комбинации характеристик цвета и текстуры. Другие исследования подтверждают превосходное разделение по цвету. Например, одна система поиска изображений на основе текстуры и цвета определила, что веса для цвета выше, чем для текстуры, с весами матрицы красного, зеленого, синего, дисперсии и совпадения соответственно 2,4, 2,0, 2,4, 0,8 и 0,9.
[17], что согласуется с нашим более высоким значением статистики цвета, чем статистики текстуры.
Существенным ограничением исследования является использование ручного выбора зернистых областей. Другим ограничением является относительно небольшое количество поражений в исследовании. Еще одним ограничением исследования является определение относительной цветности. Если изображение имеет сумму относительных цветов relR+relG+relB, указанную в методах, близкую к нулю, знаменатель может стать исчезающе малым, что даст очень большое частное. Замена подписанных величин их абсолютными значениями привела к ухудшению разделения, а определение относительной цветности, данное в приведенных выше методах, было сохранено.
Для будущей работы будет выполнено автоматическое обнаружение зернистых областей с использованием методов автоматической сегментации на основе цвета и текстуры. Кроме того, методы, о которых здесь сообщается, будут применяться к большему набору поражений.
Мы не пытались выбрать все области детализации.
Хотя наличие или отсутствие зернистости (наряду с другими регрессионными структурами) воспроизводимо среди опытных специалистов по дерматоскопии, при значении согласия между наблюдателями к = 0,44, определенном для 85 поражений [1], трудно воспроизводимо определить степень зернистости (1). Мы также не пытались отличить «правильную зернистость» (однородные по размеру, форме и распределению гранулы) от нерегулярной зернистости (гранулы, неоднородные по размеру, форме, распределению и цвету и связанные с белым цветом), которые могут помочь в дифференцировать меланомы от доброкачественных образований [2]. Чтобы лучше дифференцировать зернистость меланомы от зернистости доброкачественных поражений, в будущей работе можно было бы изучить распределение зернистых областей, а также различия в размере, форме и цвете частиц в зернистых областях.
Эти результаты показывают, что зернистость в злокачественных меланомах можно отличить от аналогичных областей в доброкачественных поражениях с помощью измерения цвета и текстуры.
Обнадеживает также обнаружение меланомы с высокой степенью точности и дифференциацией от самых разнообразных поражений, как злокачественных, так и доброкачественных, поскольку большинство исследований сосредоточено на более ограниченной проблеме различения меланомы от доброкачественных пигментных поражений.
Эта публикация стала возможной благодаря номеру гранта SBIR R44 CA-101639.-02A2 Национального института здоровья (NIH). Его содержание является исключительной ответственностью авторов и не обязательно отражает официальную точку зрения NIH.
Отказ от ответственности издателя: Это PDF-файл неотредактированной рукописи, которая была принята к публикации. В качестве услуги нашим клиентам мы предоставляем эту раннюю версию рукописи. Рукопись будет подвергнута редактированию, набору текста и рецензированию полученного доказательства, прежде чем она будет опубликована в ее окончательной цитируемой форме. Обратите внимание, что в процессе производства могут быть обнаружены ошибки, которые могут повлиять на содержание, и все правовые оговорки, применимые к журналу, относятся к нему.
1. Argenziano G, Soyer HP, Chimenti S, Talamini R, Corona R, Sera F, et al. Дерматоскопия пигментных поражений кожи: результаты консенсусной встречи через Интернет. J Am Acad Дерматол. 2003; 48: 679–693. [PubMed] [Google Scholar]
2. Braun RP, Gaide O, Oliviero M, Kopf AW, French LE, Saurat JH, Rabinovitz HS. Значение множественных сине-серых точек (зернистость) для дерматоскопической диагностики меланомы. Бр Дж Дерматол. 2007; 157:907. [PubMed] [Google Scholar]
3. Zalaudek I, Argenziano G, Ferrara G, Soyer HP, Corona R, Sera F, et al. Клинически неоднозначные меланоцитарные поражения кожи с признаками регресса: дерматоскопическое патологоанатомическое исследование. Британский журнал дерматологии. 2004; 150:64. [PubMed] [Академия Google]
4. Massi D, De Giorgi V, Carli P, Santucci M. Диагностическое значение синего оттенка при дерматоскопии меланоцитарных поражений: дерматоскопическое патологическое исследование. Am J Дерматопатол. 2001; 23:463. [PubMed] [Google Scholar]
5.
Benvenuto-Andrade C, Dusza SW, Agero AL, Scope A, Rajadhyaksha M, Halpern AC, Marghoob AA. Различия между дерматоскопией в поляризованном свете и иммерсионной контактной дерматоскопией для оценки поражений кожи. Арка Дерматол. 2007; 143:329. [PubMed] [Академия Google]
6. Zaballos P, Blazquez S, Puig E, Salsench J, Vives JM, Malvehy J. Дерматоскопическая картина промежуточной стадии себорейного кератоза, регрессирующего до лихеноидного кератоза: отчет о 24 случаях. Британский журнал дерматологии. 2007; 157: 266–272. [PubMed] [Google Scholar]
7. Pastar Z, Lipozencic J, Rados J, Stajminger G. Регрессирующий себорейный кератоз — клинически и дерматоскопически имитирующий регрессирующую меланому. Акта Дерматовенерол Хорват. 2007;15(1):24–26. [PubMed] [Академия Google]
8. Dabarbieux S, Ronger-Salve S, Dalle S, Balme B, Thomas L. Дерматоскопия десмопластической меланомы: отчет о шести случаях. Британский журнал дерматологии. 2008; 159: 360–363. [PubMed] [Google Scholar]
9.
Бори Н., Далле С., Дебарье С., Бальм Б., Ронгер-Сальве С., Томас Л. Дерматоскопия полностью регрессивной меланомы кожи. Британский журнал дерматологии. 2008; 158: 224–229. [PubMed] [Google Scholar]
10. Stoecker WV, Gupta K, Shrestha B, Wronkiewiecz M, Chowdhury R, Stanley RJ, Xu J, Moss RH, Celebi ME, Rabinovitz HS, Oliviero M, Malters JM, Kolm I. Обнаружение базально-клеточной карциномы с помощью измерения цвета и гистограммы полупрозрачных областей. Скин Рес и Технол. 2009 г.;15(3):283–287. [Бесплатная статья PMC] [PubMed] [Google Scholar]
11. Харалик Р.М., Шанмугам К., Динштейн И. Текстурные признаки для классификации изображений. Транзакции IEEE по системам, человеку и кибернетике. 1973;3(6):610–621. [Google Scholar]
12. Umbaugh S. [по состоянию на 27 сентября 2009 г.]; CVIPtools, программный пакет для исследования компьютерного зрения и обработки изображений. Доступно на http://www.ee.siue.edu/CVIPtools.
13. Международная комиссия по расследованию дел.
Кембридж, Великобритания: Издательство Кембриджского университета; 1931. [Google Scholar]
14. Умбо С.Э., Мосс Р.Х., Стокер В.В. Автоматическая цветовая сегментация изображений с применением для выявления пестрой окраски опухолей кожи. IEEE Eng Med Biol. 1989;8(4):43–52. [PubMed] [Google Scholar]
15. Дилорио Ф., Харди К.А. Быстрый старт для анализа данных с помощью SAS. North Scituate Mass: Duxbury Press; 1995. [Google Scholar]
16. Stoecker WV, Gupta K, Stanley RJ, Moss RH, Shrestha B. Обнаружение асимметричных пятен (асимметричных бесструктурных областей) на дерматоскопических изображениях злокачественной меланомы с использованием относительного цвета. Технология восстановления кожи. 2005;11(3):179–184. [Бесплатная статья PMC] [PubMed] [Google Scholar]
17. Shrestha B, Bishop J, Kam K, et al. Выявление атипичных особенностей текстуры при ранней злокачественной меланоме. Технология восстановления кожи. 2010;16(1):60–65. [Бесплатная статья PMC] [PubMed] [Google Scholar]
18.
Burroni M, Dell’Eva G, Corona R, Sera F, Bono R, Sbano P, Andreassi L, Rubegni P. Интер- и интравариабельность пигментированных поражения кожи: могут ли на правило ABCD влиять характеристики хозяина? Технология восстановления кожи. 2004; 10(3):193–19.9. [PubMed] [Google Scholar]
19. Wollina U, Burroni M, Torricelli R, Gilardi S, Dell’Eva G, Helm C, Bardey W. Цифровая дерматоскопия в клинической практике: трехцентровый анализ. Технология восстановления кожи. 2007;13(2):133–142. [PubMed] [Google Scholar]
20. Munzenmayer C, Winter C, Rupp S, Kage A, Wittenberg T. Компьютерная диагностика на основе текстуры для фиброскопических изображений. Conf Proc IEEE Eng Med Biol Soc. 2009: 3735–3738. [PubMed] [Google Scholar]
21. Папазоглу Э.С., Зубков Л., Мао X, Нейдрауер М., Ранну Н., Вайнгартен М.С. Анализ изображений хронических ран для определения площади поверхности. Восстановление ран. 2010;18(4):349–358. [PubMed] [Google Scholar]
22. Zhou L, Liu Y, Liu L, Zhuo L, Liang M, Yang F, Ren L, Zhu S.