|
Twitter
|
Facebook
|
Google+
|
VKontakte
|
LinkedIn
|
Viadeo
|
English
|
Français
|
Español
|
العربية
|
 
International Journal of Innovation and Applied Studies
ISSN: 2028-9324     CODEN: IJIABO     OCLC Number: 828807274     ZDB-ID: 2703985-7
 
 
Wednesday 20 March 2019

About IJIAS

News

Submission

Downloads

Archives

Custom Search

Contact

Connect with IJIAS

  Now IJIAS is indexed in EBSCO, ResearchGate, ProQuest, Chemical Abstracts Service, Index Copernicus, IET Inspec Direct, Ulrichs Web, Google Scholar, CAS Abstracts, J-Gate, UDL Library, CiteSeerX, WorldCat, Scirus, Research Bible and getCited, etc.  
 
 
 

Early differential diagnosis of papule-like Buruli ulcer and tuberculoid leprosy based on characterization of textures in macroscopic images of the stratum corneum of black skin by a new model associated with wavelet coefficients


[ Diagnostic différentiel précoce de l‘ulcère de Buruli sous forme de papule et de la lèpre tuberculoïde basé sur la caractérisation de textures dans les images macroscopiques de la couche cornée de la peau noire par un nouveau modèle associé aux coefficients d’ondelettes ]

Volume 23, Issue 4, July 2018, Pages 667–675

 Early differential diagnosis of papule-like Buruli ulcer and tuberculoid leprosy based on characterization of textures in macroscopic images of the stratum corneum of black skin by a new model associated with wavelet coefficients

A. Azoma1, K.M. Assogba2, A. Vianou3, and H. Adegbidi4

1 Laboratoire d’Electrotechnique, de Télécommunications et d’Informatique Appliquée (LETIA), Ecole Polytechnique d’Abomey-Calavi (EPAC) 01 BP 2009, Benin
2 Laboratoire d’Electrotechnique, de Télécommunications et d’Informatique Appliquée (LETIA), Ecole Polytechnique d’Abomey-Calavi (EPAC) 01 BP 2009, Benin
3 Ecole Doctorale des Sciences de l’Ingénieur (ED-SI), Université d’Abomey-Calavi, Benin
4 Faculté des Sciences de la Santé (FSS), Université d’Abomey-Calavi 01 BP 526, Benin

Original language: French

Received 23 July 2018

Copyright © 2018 ISSR Journals. This is an open access article distributed under the Creative Commons Attribution License, which permits unrestricted use, distribution, and reproduction in any medium, provided the original work is properly cited.

Abstract


Buruli ulcer and tuberculoid leprosy are two skin diseases affecting virtually the same areas of the body. In the early state on black skin, the skin affected by these diseases has not only few specificities but especially a low contrast with healthy skin. Which makes any diagnosis difficult. However, these diseases, which are belatedly detected or badly treated, cause aesthetic bodily damage and also major handicaps. The present work therefore focuses on this early diagnosis and is based on the characterization of the textures of these affections in the macroscopic images of the black skin. For this purpose, a baseline of these two diseases certified by dermatologists is set up. Then with MATLAB R2015a, we extract the textures in the digital images of the certified affections and the affection to be identified by the Haar wavelet transform. The histograms of the obtained detail images are approximated by a family of non-zero mean Asymmetric Gaussian Distributions (AGGD). The Gaussian distribution that best fits the histogram for each image is determined after the Kolmogorov-Smirnov fit test. The parameters of this Gaussian Distribution are the characteristics of the textures for each condition. Finally, based on these characteristics, the Jeffreys divergence is calculated and allows to identify Buruli ulcer and tuberculoid leprosy. Applied to multiple disease images, the non-zero mean AGGD model provided an identification rate of 90% versus 66.66% for the existing zero average AGGD model.

Author Keywords: Characterization of textures, macroscopic images of black skin, wavelet transform, divergence of Jeffreys.


Abstract: (french)


L’ulcère de Buruli et la lèpre tuberculoïde sont deux maladies cutanées affectant pratiquement les mêmes endroits du corps. A l’état précoce sur la peau noire, la peau affectée par ces maladies présente non seulement peu de spécificités mais surtout un faible contraste avec la peau saine. Ce qui rend délicat tout diagnostic. Or ces maladies tardivement détectées ou mal soignées provoquent des dommages corporels esthétiques et aussi d’handicaps majeurs. Le présent travail porte donc sur ce diagnostic précoce et est basé sur la caractérisation des textures de ces affections dans les images macroscopique de la peau noire. A cet effet, une base de référence de ces deux affections certifiées par des dermatologues est mise en place. Ensuite avec MATLAB R2015a, nous extrayons les textures dans les images numériques des affections certifiées et de l’affection à identifier par la transformée en ondelettes de Haar. Les histogrammes des images de détails obtenues sont approximés par une famille de Distributions Gaussiennes Généralisées Asymétriques (AGGD) à moyenne non nulle. La distribution Gaussienne qui s’ajuste le mieux à l’histogramme, pour chaque image, est déterminée à l’issue du test d’adéquation de Kolmogorov-Smirnov. Les paramètres de cette Distribution Gaussienne constituent les caractéristiques des textures pour chaque affection. Enfin sur la base de ces caractéristiques, la divergence de Jeffreys est calculée et permet d’identifier l’ulcère de Buruli et la lèpre tuberculoïde. Appliqué sur plusieurs images d’affections, le modèle AGGD à moyenne non nulle a fourni un taux de d’identification de76% contre 63,53% pour le modèle AGGD à moyenne nulle existant.

Author Keywords: Caractérisation de textures, images macroscopiques de la peau noire, transformée en ondelettes, divergence de Jeffreys.


How to Cite this Article


A. Azoma, K.M. Assogba, A. Vianou, and H. Adegbidi, “Early differential diagnosis of papule-like Buruli ulcer and tuberculoid leprosy based on characterization of textures in macroscopic images of the stratum corneum of black skin by a new model associated with wavelet coefficients,” International Journal of Innovation and Applied Studies, vol. 23, no. 4, pp. 667–675, July 2018.