Melanoomaoireiden analyysiohjelmisto

Abstract

Työn tilaaja oli Oulun seudun ammattikorkeakoulun Tekniikan yksikkö. Työssä tarkoituksena oli testata Ihomittari-projektiin aiemmin toteutettuja analyysialgo-ritmeja, jotka analysoivat luomia käyttäen VARO-muistisäännön mukaisia pa-rametreja, jotka ovat halkaisija, symmetria, värin tasaisuus ja reunojen säännöl-lisyys sekä pidempiaikaisessa seurannassa luomen kasvu. Tavoitteena oli saada kunkin algoritmin luotettavuudesta niitä vastaavat korrelaatiokertoimet, sensitiivisyys- ja spesifisyysprosentit ja optimaaliset raja-arvot algoritmeille.

Työssä käytetty kuvamateriaali pyrittiin saamaan ensisijaisesti SOTE:n ja OYS:n kautta, mutta lopulta päädyttiin käyttämään Internetistä saatua kuvama-teriaalia. Kuvamateriaali käytiin läpi mittaamalla niistä halkaisijan ja kasvun ar-vot ja luokittamalla ne värin, symmetrian ja reunojen suhteen. Testaus toteutet-tiin kahdessa vaiheessa, joista ensimmäisessä kuvamateriaali käytiin algoritmeilla läpi yhdellä raja-arvolla. Toisessa vaiheessa algoritmien tulostus laajennettiin kattamaan useita eri raja-arvoja, jotka asetettiin ensimmäisen vai-heen testien perusteella sopivin välein. Testien tekemisen jälkeen saadut tulokset käsiteltiin tekemällä siihen tarkoitettu ohjelma, jonka jälkeen käsitellyt tulokset koostettiin tekemällä siihenkin ohjelma ja tulostamalla ne lopullisiin työssä esitettyihin tulostaulukoihin.

Halkaisijan ja kasvun seuraamisesta saatujen tulosten perusteella algoritmit ovat erittäin luotettavia, kunhan luomi segmentoidaan oikein. Kummankin korrelaatiokertoimet olivat erittäin lähellä arvoa 1. Värin tasaisuuden, symmetrian tunnistuksen ja reunojen säännöllisyyden kohdalla käytettyjen luokitusten perusteella niistä saatujen sensitiivisyys- ja spesifisyysarvojen mukaan värin ja symmetrian tunnistukset toimivat hyvin, mutta kyseiset algoritmit kaipaavat vielä jatkokehitystä erityisesti spesifisyyden suhteen. Niiden sensitiivisyys/spesifisyys tulokset olivat 93 %/72 % värille ja 89 %/63 % symmetrialle. Reunojen säännöllisyyden tulokset sen sijaan olivat odotetusti algoritmin yksinkertaisuudesta johtuen välttäviä sekä vaikeammin korjattavissa algoritmin jatkokehityksellä. Johtopäätöksenä olikin, että koko algoritmi tulisi tehdä täysin uusiksi. Reunan säännöllisyyden tulos oli 56 %/78 %, joista spesifisyyden arvo johtui enemmän algoritmin yleisestä toimimattomuudesta kuin sen kyvystä erottaa säännölliset reunat epäsäännöllisistä.