[Skin Cancer Detection using Machine Learning Techniques (2020)](https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=9198489)

上記の論文では通常の皮膚とメラノーマの皮膚をGLCMやHOG等の特徴量を使って分類を行う研究を行っている．
328枚の通常画像と627枚のメラノーマ画像を10分割交差検証で二項分類した精度評価


ABCD...ASYMMETRY, BORDER, COLOUR, DIAMETER
今回の研究ではあまり関連性が無さそうなので後ほど調べる

HOG…Histogram of Oriented Gradients

$f_u(u,v) = I(u+1,v) - I(u-1,v)$
$f_v(u,v) = I(u,v+1) - I(u,v-1)$
$m(u,v) = \sqrt{f_u^2 + f_v^2}$
$\theta(u,v) = arctan\frac{f_v}{f_u}$

$I$はグレースケール画像，$u,v$は画像上の座標
上記式より画像の輝度勾配をヒストグラム化する手法

LBPと同様に拡張性もあり，拡大に対応したPyramid HOG等が存在する．

上記論文のように，GLCMとLBPとHOGを併用してみることも考慮しようと思った

先週の会議で聞いたことを参考にし，特に足の角質症状が大きい患者の画像について収集を行っている．

足裏の画像では，検知したい皮膚症状を決めるのと，症状の出る範囲が大きいため調べる領域も一定箇所とするよりは全体を見ていく方が良さそう？
足裏は手のひらと違って形状が尖っていないので全体を見ていき検出するのも良さそう？

足裏で皮剥けが発生する領域は広め

次のような箇所で皮剥けが発生していて，こちらを検知できると良い

通常の皮膚

高齢者特有の乾燥して皮膚模様が浮いて見える皮膚
（乾燥ではあるが，薬剤の影響はそこまで強くない）

乾燥して皮剥けが発生している皮膚
（これを検知した方が良さそう）
 

肌の症状の変化を検知することを大事にする