Рассмотрена проблема диагностики меланомы кожи по цифровым изображениям опухоли. Кратко описаны клинические алгоритмы выявления меланомы кожи. Дан обзор работ, посвящённых автоматизированной оценке асимметрии распределения формы, цвета, площади глобул – важных признаков меланомы. Разработана модель оценки неоднородности распределения характеристик глобул на цифровых изображениях при диагностике новообразований кожи и предложены модели признаков неоднородности указанного распределения. Проведена экспериментальная сравнительная оценка моделей признаков с помощью программной системы, разработанной на языке С++. Определены наиболее информативные признаки неоднородности распределения характеристик глобул. Максимальная (93 %) точность оценки неоднородности распределения характеристик глобул получена для признака «приведённая обратная величина наибольшей частоты появления измеренных площадей глобул». Результаты исследования могут быть полезны при разработке систем поддержки принятия врачебных решений при диагностике меланомы.

1. Каприн А. Д., Старинский В. В., Петрова Г. В. Злокачественные новообразования в России в 2018 году (заболеваемость и смертность). М.: МНИОИ им. П. А. Герцена – филиал ФГБУ «НМИЦ радиологии» Минздрава России, 2019. 250 с.

2. Menzies S. W., Moloney F. J., Byth K. et al., JAMA dermatology, 2013, vol. 149, no. 6, pp. 699–709. https://doi.org/10.1001/jamadermatol.2013.2466

3. Argenziano G., Soyer P., Chimenti S. et al., Journal of the American Academy of Dermatology, 2003, vol. 48, no. 5, pp. 679– 693. https://doi.org/10.1067/mjd.2003.281

4. Argenziano G., Catricalà C., Ardigo M. et al, British Journal of Dermatology, 2011, vol. 164, no. 4, pp. 785–790. https://doi.org/10.1111/j.1365-2133.2010.10194.x

5. Малишевская Н. П., Соколова А. В., Торопова Н. П. Рекомендации по проведению дерматоскопии новообразований кожи, протокол дерматоскопического исследования: Учебное пособие для врачей. Екатеринбург: СВ-96, 2018. 23 с.

6. Tschandl P., Rosendahl C., Kittler H., Journal of the European Academy of Dermatology and Venereology, 2015, vol. 29, no. 1, pp. 120–127. https://doi.org/10.1111/jdv.12483

7. Жучков М. В., Тарасова М. А., Сонин Д. Б. Нодулярные меланомы кожи. Дерматоскопическая диагностика // Вестник дерматологии и венерологии. 2016. №. 6. С. 27–33.  8. Коровин С. И., Литус А. И., Литвиненко Б. В., Кукушкина М. Н., Паливец Ф. Ю. Дерматоскопия меланомы кожи: прикладное значение и перспективы // Клиническая онкология. 2012. №. 4. С. 28–32. 

9. Жучков М. В., Большакова Е. Е., Сонин Д. Б., Жильцова Е. Е., Шилин Р. Р., Исакова М. С., Родионова С. А. Дерматоскопический алгоритм CASH: вопросы применения в клинической практике // Дерматология. Приложение к журналу Consilium Medicum. 2019. №. 1. С. 39–42. https://doi.org/10.26442/24143537.2019.1.190203

10. Xu J., Gupta K., Stoecker W.V. et al., Archives of dermatology, 2009, vol. 145, no. 11, pp. 1245–1251. https://doi.org/10.1001/archdermatol.2009.285

11. Kawahara J., Daneshvar S., Argenziano G., Hamarneh G., IEEE journal of biomedical and health informatics, 2018, vol. 23, no. 2, pp. 538–546. https://doi.org/10.1109/JBHI.2018.2824327

12. Nasir M., Khan M. A., Sharif M., Javed M. Y., Saba T., Ali H., Tariq J., Current Medical Imaging, 2020, vol. 16, no. 7, pp. 794–822. https://doi.org/10.2174/1573405615666191223122401

13. Jiménez A., Serrano C., Acha B., 14th International Conference Image Analysis and Recognition, ICIAR 2017, Montreal, QC, Canada, July 5–7, 2017, Springer, 2017, pp. 486–493. https://doi.org/10.1007/978-3-319-59876-5_54

14. Никитаев В. Г. Экспертные системы в информационноизмерительных комплексах онкологической диагностики // Измерительная техника. 2015. № 6. С. 67–70.

15. Никитаев В. Г. Высокотехнологичные информационноизмерительные комплексы онкологической диагностики: проблемы и ключевые положения методологии построения // Измерительная техника. 2015. № 2. С. 68–70.

16. Никитаев В. Г. Современные принципы измерений в интеллектуальных системах гистологической диагностики онкологических заболеваний // Измерительная техника. 2015. № 4. С. 68–70.

17. Jaworek-Korjakowska J., Tadeusiewicz R., 2013 IEEE International Conference on Image Processing, IEEE, 15–18 September 2013, Melbourne, Australia, 2013, pp. 1456–1460. https://doi.org/10.1109/ICIP.2013.6738299

18. Fabbrocini G., Cacciapuoti S., Salvatores G. De Fata et al., AIMS Bioengineering, 2020, vol. 7, no. 4, pp. 306–320. https://doi.org/10.3934/bioeng.2020025

19. Yoshino S., Tanaka T., Tanaka M., Oka H., Application of morphology for detection of dots in tumor, SICE 2004 Annual Conference, IEEE, 4–6 August 2004, Sapporo, Japan, 2004, vol. 1, pp. 591–594.

20. Chatterjee S., Dey D., Munshi S., Studies on a formidable dot and globule related feature extraction technique for detection of melanoma from dermoscopic images, Proceedings of the computer, communication and electrical technology, 2017, pp. 337–341.

The problem of skin melanoma diagnostics from digital images of the tumor is considered. Clinical algorithms for detecting skin melanoma are briefly described. An overview of the works devoted to the automated assessment of the asymmetry of the distribution of shape, color, area of globules – important signs of melanoma – is given. A model for estimating the heterogeneity of the distribution of the characteristics of globules on digital images in the skin neoplasms diagnosis is developed and models of signs of heterogeneity of this distribution are proposed. The comparative evaluation of the proposed models was carried out experimentally using a software system developed in C++. The most informative features are identified. The greatest accuracy 93 % in estimating the heterogeneity of the distribution of the characteristics of globules was shown by the sign “the reduced inverse of the greatest frequency of occurrence of the measured areas of globules”. The results obtained can be applied in the development of systems to support medical decision-making in the diagnosis of melanoma.