<div dir="ltr">The goals of this special issue are to summarize the state-of-the-art in
 both the computerized analysis of skin lesion images, as well as image 
acquisition technologies, providing
 future directions for this exciting subfield of medical image analysis.
 The intended audience includes researchers and practicing clinicians, 
who are increasingly using digital analytic tools.
<br>
<br>
Invasive and in-situ malignant melanoma together comprise one of the 
most rapidly increasing cancers in the world. Invasive melanoma alone 
has an estimated incidence of 87,110 and of 9,730 deaths in the United 
States in 2017. Early diagnosis is critical, as
 melanoma can be effectively treated with simple excision if detected 
early. <br>
<br>
In the past, the primary form of diagnosis for melanoma has been unaided
 clinical examination, which has limited and variable accuracy, leading 
to significant challenges both in the early detection of disease and the
 minimization of unnecessary biospies. In
 recent years, dermoscopy has improved the diagnostic capability of 
trained specialists. However, dermoscopy remains difficult to learn, and
 several studies have demonstrated limits of dermoscopy when proper 
training is not administered. In addition, even with
 sufficient training, analyses remain highly subjective. <br>
<br>
Newer imaging technologies such as infrared imaging, multispectral 
imaging, and confocal microscopy, have recently come to the forefront in
 providing the potential for greater diagnostic accuracy. In addition, 
various research studies have been focused on developing
 algorithms for the automated analysis of skin lesion images. 
Combinations of such technologies have the potential to serve as 
adjuncts to physicians, improving clinical management, especially for 
patients with a high degree of lesion burden.
<br>
<br>
This special issue aims to cover all aspects of skin lesion image analysis. Topics of interest include, but are not limited to:
<br>
<br>
- Novel and emerging imaging technologies <br>
- Image enhancement <br>
- Image registration <br>
- Image segmentation <br>
- Feature extraction <br>
- Image classification <br>
- Hardware systems <br>
<br>
We are particularly interested in studies that make their data sets and software publicly available.
<br>
<br>
Please note that new submissions are required to be at least 70% 
different from any other publications. For detailed manuscript 
preparation/submission instructions, please visit
<a class="gmail-m_4251575921207081369gmail-m_-4062942902087927053gmail-moz-txt-link-freetext" href="https://access.lsus.edu/owa/redir.aspx?SURL=t2evkfs6KVIHI86xj8H26ou5ZMd8wu6tHNtW9rTy0-FTWFI7bNvUCGgAdAB0AHAAOgAvAC8AagBiAGgAaQAuAGUAbQBiAHMALgBvAHIAZwAvAGYAbwByAC0AYQB1AHQAaABvAHIAcwAvAHAAcgBlAHAAYQByAGUALQBhAG4AZAAtAHMAdQBiAG0AaQB0AC0AeQBvAHUAcgAtAG0AYQBuAHUAcwBjAHIAaQBwAHQALwA.&URL=http%3a%2f%2fjbhi.embs.org%2ffor-authors%2fprepare-and-submit-your-manuscript%2f" target="_blank">
http://jbhi.embs.org/for-autho<wbr>rs/prepare-and-submit-your-<wbr>manuscript/</a> <br>
<br>
Guest Editors <br>
<br>
M. Emre Celebi <br>
University of Central Arkansas <br>
ecelebi AT uca DOT edu <br>
<br>
Noel Codella <br>
IBM T. J. Watson Research Center <br>
nccodell AT us DOT ibm DOT com <br>
<br>
Allan Halpern <br>
Memorial Sloan Kettering Cancer Center <br>
halperna AT mskcc DOT org <br>
<br>
Dinggang Shen <br>
University of North Carolina, Chapel Hill <br>
dinggang_shen AT med DOT unc DOT edu <br>
<br>
Important Dates <br>
<br>
Submission of initial manuscripts: October 31, 2017 <br>
Initial notifications: January 1, 2018<br>
Submission of revised manuscripts: March 1, 2018 <br>
Final notifications: April 1, 2018 
</div>