Area and Severity Estimation of Psoriasis

Abstract

Psoriasis er en verdensomspennende sykdom som fører til utslett på ulike deler av kroppen. Den varierer i alvorlighetsgrad fra mild til alvorlig, og har negativ påvirkning på de berørte menneskenes livskvalitet. Årsaken til psoriasis er ofte uklar, noe som gjør det vanskelig for leger å gi den mest effektive behandlingen. Det er derfor ønskelig å overvåke utviklingen av psoriasis ved forskjellige behandlinger.

Den mest brukte metoden i dag er å vurdere utslettet ved bruk av Psoriasis Area and Severity Index (PASI). Dette må gjøres av en hudlege eller en person med spesialtrening i vurderingssystemet. Det er derfor en svært subjektiv metode, som bare kan utføres av et begrenset antall mennesker.

Denne oppgaven presenterer og sammenligner tre bildesegmenteringsalgoritmer, for å segmentere et psoriasisk utslett og estimere området. Dette er Simple Linear Iterative Clustering (SLIC) + k-means clustering, Fuzzy c-means (FCM) segmentering og Estimation Maximization (EM) segmentering. Oppgaven foreslår også en metode for å estimere området til utslettet, samt en metode for å bestemme alvorlighetsgraden som mild eller alvorlig.

FCM- og EM-algoritmene viste seg å gi den beste segmenteringen av utslettet, men brukte den lengste tiden på beregningene. Bilder med høy oppløsning må derfor komprimeres for å gjøre denne metoden praktisk gjennomførbar. På den andre siden brukte SLIC + k-means-algoritmen betydelig mindre beregningstid, men klarte bare å segmentere hele utslettet når utslettet var stort og kontinuerlig.

Metoden for å finne det faktiske området for utslettet inkluderer en kjent avstand i bildet. Verdien på denne avstanden brukes til å konvertere det segmenterte utslettet fra området i piksler til en romlig enhet. Denne metoden er avhengig av brukerens presisjon når man måler den kjente avstanden og når man tegner linjen for denne avstanden i bildet.

For å bestemme alvorlighetsgraden ble tekstur- og fargeinformasjon hentet ut fra henholdsvis en Gray Level Co-occurrence Matrix (GLCM) og fargerom. 13 teksturvariabler og tre fargevariabler ble brukt for å klassifisere rødhet (erythema), tykkelse (induration) og avskalling (desquamation) av et psoriasisutslett som mildt eller alvorlig. Av 23 testede bilder ble 22 bedømt riktig.

Begrensninger i resultatene er hovedsakelig relatert til mangel på bilder og informasjon. Bildene er hovedsakelig tatt av lys hud, og utslettene blir bedømt som enten milde eller alvorlige i forhold til rødhet, tykkelse og avskalling. Denne vurderingen er gjort av en hudlege som bruker PASI.

For å verifisere disse resultatene er det derfor behov for ytterligere testing.

Psoriasis is a worldwide disease that leads to rashes on different parts of the body. It ranges in severity from mild to severe and affects the life quality of infected people in a negative way. The cause of psoriasis is often unclear, which makes it hard for doctors to give the most effective treatment. It is therefore desirable to monitor the development of the psoriasis with different treatments.

The most widely used method today is scoring the rash using the Psoriasis Area and Severity Index (PASI). This has to be done by a dermatologist or a person with special training in the scoring system. It is therefore a highly subjective method, that only can be completed by a limited set of people.

This thesis presents and compare three image segmentation algorithms, namely Simple Linear Iterative Clustering (SLIC) + k-means clustering, Fuzzy c-means (FCM) segmentation and Estimation Maximization (EM) segmentation, to segment a psoriatic rash and estimate the area. It also proposes a method to estimate the area of the rash, as well as a method to score the severity as mild or severe.

The FCM and EM algorithms proved to give the best fine segmentation of the rashes, but spent the longest time on computation. Pictures with high resolution will therefore have to be compressed to make this method practically feasible. On the other hand, the SLIC + k-means algorithm used significantly less computation time, but were only able to segment the whole rash when the rash was large and continuous.

The method to find the actual area of the rash includes a known distance in the image. The value of this distance is used to convert the segmented rash from area in pixels to a spatial unit. This method relies on the precision of the user when measuring the known distance and when drawing the line of this distance in the image.

To score the severity, texture and color features were extracted from a Gray Level Co-occurence Matrix (GLCM) and color spaces, respectively. There were used 13 texture features and three color features to score the redness (erythema), thickness (induration) and scaling (desquamation) of a psoriatic rash as mild or severe. Of the 23 tested images, 22 were scored correctly.

Limitations in these results are mainly related to lack of image content and information. The images are mainly of light skin, and the rashes are scored as either mild or severe in relation to erythema, induration and desquamation. This scoring is done by a dermatologist using the PASI score.

To verify these results, further testing is therefore needed.