Зернистость шкурки: Зернистость наждачной бумаги, виды, маркировка, таблицы

Содержание

Шкурка на тканевой основе, зернистость № 6, 800 мм х 30 м, «БАЗ» Россия

Главная
Каталог
Режущий инструмент
Шкурка шлифовальная
Шкурка на тканевой основе в рулонах

Артикул:

Скачать фото

Скачать все архивом

Группа товаров: Ручной инструмент
Ширина, мм: 800
Бренд: RUSSIA
Водостойкость: водостойкая
Длина, м: 30
Зернистость: P 180
Основа: тканевая

Станьте нашим партнером и получите уникальные условия сотрудничества

Стать партнеромВойти в аккаунт

С этим товаром покупают

Перчатки х/б, ПВХ покрытие, «Точка», 10 класс Россия

Перчатки х/б, ПВХ покрытие, «Точка», 7 класс Россия Сибртех

Перчатки трикотажные, ПВХ «Точка», меланж, 6 пар в упаковке, 7 класс Россия

Круг абразивный на ворсовой подложке под «липучку», P 24, 125 мм, 10 шт Matrix

Щетка для УШМ, 125 мм, посадка 22. 2 мм, плоская, латунированная витая проволока Matrix

Щетка для УШМ, 125 мм, посадка 22.2 мм, плоская, латунированная витая проволока Matrix

Перчатки х/б, ПВХ покрытие, «Точка», 10 класс Россия

Очки защитные открытого типа, прозрачные, ударопрочный поликарбонат Россия Сибртех

893555

Наушники защитные, складные, пластмассовые дужки Sparta

Сеткодержатель, 230 х 120 мм, пластиковый с зажимами Matrix

Выбор наждачной бумаги (шкурки) — погонажные изделия из сибирской лиственницы в Санкт-Петербурге

При любом способе обработки деревянной поверхности – механическом, ручном – без абразивного материала не обойтись. От грамотного выбора продукции напрямую зависит результат, качество шлифовки. Если Вам кажется, что задача покупки нужного расходника довольно простая, Вы глубоко заблуждаетесь. Перед походом в магазин следует изучить особенности шкурки, уяснить ряд моментов. К примеру, каковы свойства разных видов наждачной бумаги? Как расшифровывается маркировка? Какая именно шкурка нужна на конкретном этапе обработки дерева? Статья дает ответы на наиболее злободневные вопросы по выбору абразивной бумаги.

Что такое наждачка, как расшифровывается маркировка

«Конструкция» простая, 3-х компонентная. Особенности составных частей определяют возможности наждачной бумаги, специфику применения.

Абразив – мельчайшие частицы твердого вещества. В обозначении продукции на 1-й позиции. При изготовлении шкурки используются зерна стекла, граната, электрокорунда (оксида алюминия), эльбора, карбида кремния и другие. Зернистость наждачной бумаги – важнейшая характеристика продукции – определяется размером частиц (7-я позиция).

Подложка – основа из ткани (рулоны, ленты, некоторые диски), бумаги (листы и шлифовальные диски), к которой приклеивается абразив. Реже встречается наждачка с подложкой на основе полиэфирных материалов. Информация содержится во 2-й позиции буквенно-цифрового обозначения.

Связующее – клеящее вещество, фиксирующее частицы абразива на подложке. Как правило, это синтетическая смола или мездровый клей. Первый вариант считается надежнее, прочнее. Некоторые производители шкурки в качестве связующего компонента используют смеси указанных веществ.

Виды абразивов

Каждый тип шкурки служит для определенной технологической операции: черновой обработки, межслойного шлифования, подготовки к отделке, полировки и т.д.

Карбид кремния. Особенность шкурки – в способности самозатачиваться. В процессе работы частицы абразива раскалываются. Появляются новые режущие элементы, забивание наждачки происходит медленнее. Рекомендация – для деликатной шлифовки дерева.

Электрокорунд. Устойчив к разрушению частиц, характеризуется высокой плотностью. Рекомендация – для первичной (черновой) обработки древесины.

Оксид алюминия (алюмокерамика) . Шкурка с таким абразивом считается универсальной. Исходное вещество подвергается предварительной обработке при высоких температурах. Этим достигается увеличение износостойкости частиц. Рекомендация – для любого этапа шлифовки древесины разных пород.

Гранат. Абразив достаточно «мягкий» в сравнении с другими. Способен самозатачиваться, но не отличается прочностью, изнашивается довольно быстро. Рекомендация – для «финишной» шлифовки дерева.

Как выбирать шкурку по зернистости

От размеров частиц зависит, для какой конкретной технологической операции подходит абразивный материал. Именно на эту характеристику, а не на подложку, связующее, нужно ориентироваться при покупке наждачки для решения определенной задачи.

Сложность выбора – в путанице с маркировкой продукции. На рынке присутствуют изделия с обозначениями по разным стандартам:

ISO 6344 – классификация международная. Соответствует нашему новому ГОСТ Р 52381-2005. CAMI – стандарт американский.

ГОСТ 3647-80 – маркировка в соответствие со старой, еще советской маркировкой.

Таблицы ниже помогут с выбором наждачной бумаги.

Особенности шкурки

Наждачные бумаги (диски) подразделяются на продукцию с засыпкой закрытой или открытой. При обработке дерева этот параметр не менее важен, чем зернистость.

Открытая (полуоткрытая). На фото – слева. Абразивные частицы покрывают не свыше 60% поверхности подложки. Такая насыпка – не сплошная, разреженная – исключает быстрое забивание шкурки. Наждачку целесообразно использовать для обработки хвойных, мягких пород дерева, при машинном шлифовании.

Закрытая (сплошная) засыпка. На фото – справа. Зерна располагаются плотно. Такая шкурка рекомендуется для ручной шлифовки, финишной полировки, обработки древесины твердых пород.

Можно ли продлить срок службы абразивного материала

И теоретически, и практически – ДА. Рабочие свойства расходного материала постепенно утрачиваются. Причин несколько, но забивка абразива оставляет темные участки на дереве, лощит поверхность, деформирует волокна. Как результат, дерево плохо поддается обработке. Пиломатериал слабо поглощает (удерживает на поверхности) специальные составы (масла, антисептики, морилки, краски и т.п.). Избежать этого, продлить жизнь абразивного материала позволяет соблюдение ряда правил.

Обработка дерева ведется поэтапно: грубой шкуркой с постепенным переходом на более мелкий абразив. Рекомендуется пользоваться разной наждачкой, продукцией с 3-мя степенями «жесткости». Для обработанного пиломатериала этап «грубого» ошкуривания можно пропустить.
Для мягких, хвойных (смолистых) пород нужно использовать наждачку с открытой насыпкой. Как вариант – продукция со специальным сухим (стеаратным) покрытием. Оно выполняет функцию смазки, предотвращает быструю забивку абразива.
При механической обработке (к примеру, шлифовальной машинкой) нужно избегать перегрева поверхности деревянного изделия. Высокая температура размягчает связывающий состав, крепление частиц абразива ослабевает, они быстрее изнашиваются.
Срок службы шкурки во многом зависит от правильности ее хранения. Повышенная влажность, минусовые температуры делают расходный материал непригодным к использованию или резко снижают срок службы. Оптимальные условия: влажность 40±10%, температура в диапазоне от +15 до +25 0C.

Чистка шкурки от древесной пыли

Домашним мастерам подойдет несколько способов восстановления работоспособности абразивного материала.

Куском садового шланга. Некоторые умельцы успешно чистят абразив другими подручными средствами, к примеру, плотной резиновой подошвой старой обуви.
Бруском из резины.
Щеткой с жесткими пластиковыми ворсинками.

Мнение экспертов. Для шлифования дерева в домашних условиях Вам понадобится не менее 5 типов абразивного материала.

Подготовка к нанесению отделки – P150, 180, 240.
Финишная или межслойная шлифовка – P280, 400.

Выявление зернистости на дерматоскопических изображениях злокачественной меланомы с использованием признаков цвета и текстуры

. 2011 март; 35(2):144-7.

doi: 10.1016/j.compmmedimag.2010.09.005. Epub 2010 30 октября.

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

Абстрактный

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.

Цифры

Рисунок 1

Меланома с зернистой областью образца…

Рисунок 1

Меланома с отмеченной зернистой областью образца. Гранулы, похожие на перец, можно увидеть в…

Рисунок 1

Меланома 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 ROC

для 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

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.

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 онлайн 2010 окт. б , ^а , ^б , ^б , ^а , ^в , ^в , ^г , ^д и ^f

Информация об авторе Информация об авторских правах и лицензии Отказ от ответственности

Гранулярные области на дерматоскопических изображениях 74 меланом и 14 меланом in situ были идентифицированы и отобраны 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 с обратным распространением, 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 в пикселях = 6.

Порядок окончательных 12 признаков, выбранных в SAS Proc Logistic Stepwise Selection in 13 Steps
Шаг	Измерение, выполненное по выбранным измерениям	8	8	8	)	p-значения, комментарии
1	Средняя энтропия текстуры	Среднее информационное содержание текстуры	<0,0001 Выбрана первая мера, самая высокая Хи-квадрат. score, removed at step 10
2	Relative Blue	Granular area blue minus background blue	<0.0001
3	Relative Green	Granular area green minus фон зеленый	<0.0001
4	Texture Entropy Range	Variation of entropy along the four orientations	0. 0155
5	Texture Correlation Average	Average measure of similarity между пикселями на указанном расстоянии = 6 пикселей	0,0065
6	Диапазон энергии текстуры	Изменение однородности по четырем направлениям.	0.0084
7	Relative Green Chromaticity	Relative G / (Rel. R + Rel. G + Rel. B)	0.0203
8	Texture Correlation Диапазон	Вариация корреляции по четырем направлениям	0,1134
9	Красная дисперсия	Variance in red pixel value	0.0997
10	Texture Entropy Average Removed	Average information content of the texture removed	0. 6378* 1 ^st feature selected is теперь удалено из модели
11	Инерция текстуры Средняя	Средняя контрастность	0,0218
12	Relative Blue Chromaticity	Relative B / (Rel. R + Rel. G + Rel. B)	0.0210
13	Texture Inertia Range	Variation 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.

Зернистость шкурки: Зернистость наждачной бумаги, виды, маркировка, таблицы

Шкурка на тканевой основе, зернистость № 6, 800 мм х 30 м, «БАЗ» Россия

С этим товаром покупают

Похожие товары

Выбор наждачной бумаги (шкурки) — погонажные изделия из сибирской лиственницы в Санкт-Петербурге

Что такое наждачка, как расшифровывается маркировка

Виды абразивов

Как выбирать шкурку по зернистости

Особенности шкурки

Можно ли продлить срок службы абразивного материала

Чистка шкурки от древесной пыли

Выявление зернистости на дерматоскопических изображениях злокачественной меланомы с использованием признаков цвета и текстуры

принадлежность

Авторы

принадлежность

Абстрактный

Цифры

Похожие статьи

Цитируется

Типы публикаций

термины MeSH

Грантовая поддержка

Обнаружение зернистости на дерматоскопических изображениях злокачественной меланомы с использованием признаков цвета и текстуры

Таблица 1

Leave a Reply Отменить ответ