УДК 528.854

ОБЗОР МЕТОДОВ РАСПОЗНАВАНИЯ ОБРАЗОВ, ИСПОЛЬЗУЕМЫХ В МЕДИЦИНСКИХ ДИАГНОСТИЧЕСКИХ СИСТЕМАХ

Шеломенцева Инга Георгиевна
Сибирский федеральный университет
магистрант кафедры "Системы автоматики, автоматизированного управления и проектирования" института космических и информационных технологий

Аннотация
В статье приводится обзор методов распознавания образов в контексте их использования в медицинских диагностических системах, формулируются критерии для их сравнения и выполняется анализ наиболее характерных методов, описанных в русскоязычных источниках за последние 5 лет.

Ключевые слова: медицинские диагностические системы, методы распознавания образов, распознавание образов


OVERVIEW OF METHODS FOR PATTERN RECOGNITION USED IN MEDICAL DIAGNOSTIC SYSTEMS

Shelomentseva Inga Georgievna
Siberian Federal University
Ph.D., associate professor of the department "Automation systems, automated management and design", Institute of Space and Information Technologies

Abstract
The article gives an overview of the methods of pattern recognition in the context of their use in medical diagnostic systems, formulates criteria for their comparison and analyzes the most characteristic methods described in Russian-language sources in the last 5 years.

Библиографическая ссылка на статью:
Шеломенцева И.Г. Обзор методов распознавания образов, используемых в медицинских диагностических системах // Современная техника и технологии. 2017. № 3 [Электронный ресурс]. URL: https://technology.snauka.ru/2017/03/12914 (дата обращения: 13.07.2023).

Введение

В качестве основных проблем, встающих перед исследователями в области распознавания образов в медицине, можно выделить следующие: цветное или бинарное изображение используется для распознавания и каковы способы его получения, какой классификатор ИНС будет оптимальным, какова структура автоматизированной информационной системы распознавания и принципы ее функционирования, какие методы используются для фильтрации и сегментации изображения. Для решения вышеперечисленных вопросов был проанализирован опыт ряда ведущих исследователей в этой области.

Материалы и методы

В процессе исследования использовались такие общие методы научного познания, как метод анализа и метод сравнения. Для обзора методов, представленного в рассмотренных статьях, использовался табличный метод. В процессе анализа было рассмотрено порядка 59 источников, включающих в себя научные статьи, диссертации и авторефераты диссертаций, книги и научно-популярные статьи.

Рассмотрим наиболее характерные с точки зрения поставленных целей научные статьи. Источник [1] описывает алгоритмические решения, позволяющие обнаружить границу сегмента интересующей области при минимальной априорной информации о структуре изображения и высоком уровне помех, и описанию программного продукта, созданного на базе пакета Matlab и искусственных нейронных сетей. В качестве тестовых изображений авторы используют цветные медицинские изображения форменных элементов крови.

В источнике [3] описывается метод обработки цветных медицинских изображений на базе мультифрактального анализа. В статьях [2] и [4] приводятся методологические основы создания автоматизированных компьютерных технологий на примере анализа сложных биомедицинских изображений на базе методов компьютерного анализа яркостной, градиентной и текстурной информации изображения с использованием алгоритмов бинаризация по порогу, морфологической фильтрации, наращивания областей, создания активных контуров и деформированных шаблонов.

Выбор для анализа именно этих научных трудов обусловлен тем, что они отражают основные задачи, методы и материалы будущей медицинской диагностической системы – обработка цветных изображений, принципы функционирования нейронных сетей, CAD системы.

В процессе анализа используемых методов были сформулированы критерии для их сравнения. Первый и основной критерий обработки изображений – результат. Методы, используемые в данном процессе можно разделить на две большие категории: методы, в которых как входными данными, так и результатом являются изображения; методы, где входные данные – изображения, а в результате работы выходными данными выступают признаки и атрибуты, выявленные на базе входных данных.

Вторым критерием сравнения методов определим точку приложения анализа – какой из параметров исходного изображения или его части (например, яркостная, цветовая, градиентная или текстурная информация) берется для последующей обработки.

Третий критерий сравнения – это применяемый алгоритм для обработки. Это может быть обученная нейронная сеть, опорный вектор, дискриминантный анализ, пороговая обработка и т.д.

Таблица 1. Обзор методов, используемых для распознавания медицинских изображений

Метод Результат Точка приложения анализа Алгоритм Ограничения входных параметров
Алгоритм Канни Изображение Разрывность яркости, интенсивность Пороговая обработка
Алгоритм Собеля Изображение Разрывность яркости Вычисление градиентов от функций яркости Полутоновое изображение
Размерность Ренье Число Фрактальная размерность Обученная нейросеть
Метод локальной бинарной

текстуры

Число Локальный бинарный шаблон Геометрическая интерпретация, евклидово расстояние Полутоновое изображение
Метод Харалика Число Текстурные признаки статистики разностей серого тона в двух соседних точках Харалика по квадратному окну Обученная нейросеть Полутоновое изображение

Четвертый критерий сравнения рассматриваемых методов – исходный материал для обработки. В качестве такового определим критерий бинарности – является ли изображение цветным или полутоновым.

Результаты

Результат сравнения выбранных методов приведен в таблице 1. Среди выбранных методов два (алгоритм Собеля и алгоритм Канни) получают в качестве входных данных изображение и выдают в качестве выходных данных измененное изображение [5]. Три оставшихся метода в качестве результатов работы выдают набор вещественных чисел. Точка приложения анализа у всех методов разная – разрывность и интенсивность яркости, фрактальная размерность изображения, бинарный шаблон в виде массива точек и статистические данные. Также разные и алгоритмы обработки областей интересов. Три из пяти методов могут работать только с полутоновыми изображениями, что требует предварительной обработки изображения.

Дискуссия

Построение медицинских диагностических систем опирается на обработку медицинских изображений (цветных или черно-белых, распространенных графических форматов или стандарта dicom, обычных или микроскопических), базовые принципы функционирования CAD систем, выделение классификатора нейронных сетей с предварительной обработкой изображения с применением фильтрации и сегментации.

Анализируя таблицу 1, можно сделать вывод, что набор методов распознавания образов в медицине обширен и разнообразен. Чаще всего, на практике, исследователи строят систему CAD, опираясь не на один метод, а на их совокупность. Значительная часть задач требует для своего решения нетривиальной методологии, оригинальных моделей и алгоритмов: средств анализа сложных и гибридных изображений, распознавания образов и пр.

Поэтому зачастую перед исследователем стоит достаточное сложная задача провести выбор не одного метода из теории распознавания образов, а найти такую их совокупность, которая была бы оптимальна для решения задачи медицинской диагностики.


Библиографический список
  1. Томакова, Р. А., Филист, С. А. Метод обработки и анализа сложноструктурируемых изображений на основе встроенных функций среды MATLAB [Текст] / Р. А. Томакова, С. А. Филист // Вестник ЧитГУ.  2012.  No 1 (80).  С. 3-9
  2. Система автоматизированного компьютерного анализа медицинских изображений [Текст] / Н. Э. Косых [и др.] // Информационные технологии и вычислительные системы, 2011.  № 3.  С. 51-56.
  3. Бондаренко, А. Н. Нейросетевая классификация медицинских изображений на основе спектра размерностей Ренье [Текст] / А. Н. Бондаренко, А. В. Кацук // Сборник научных трудов НГТУ, 2005.  № 1.  С. 1-4
  4. Компьютерный автоматизированный анализ сложных изображений ядерной медицины [Текст] / Н. Э. Косых [и др.] // Вестник ТОГУ.  2016.  1(40).  С. 27-36
  5. Стругайло, В. В. Обзор методов фильтрации и сегментации цифровых изображений / В. В. Стругайло // Наука и образование. 2012.  №5.  С. 270-281


Все статьи автора «Шеломенцева Инга Георгиевна»


© Если вы обнаружили нарушение авторских или смежных прав, пожалуйста, незамедлительно сообщите нам об этом по электронной почте или через форму обратной связи.

Связь с автором (комментарии/рецензии к статье)

Оставить комментарий

Вы должны авторизоваться, чтобы оставить комментарий.

Если Вы еще не зарегистрированы на сайте, то Вам необходимо зарегистрироваться: