Аннотация 2
ВВЕДЕНИЕ 4
Глава 1 Анализ способов дифференциации патологий на растровых изображениях рентгенограмм 6
1.1 Обзор существующих методов лучевой диагностики 6
1.2 Ручной метод оценки изображения 11
1.3 Автоматизированное распознавание изображений 12
1.4 Формализация требований и постановка задач к разрабатываемому программному обеспечению 14
Глава 2 Разработка алгоритма дифференциации патологий на растровых изображениях рентгенограмм 16
2.1 Разработка общего алгоритма приложения 16
2.2 Алгоритм выделения признаков 20
2.3 Анализ и сравнение методов машинного обучения 24
2.4 Машина опорных векторов 27
2.5 Выделение границ легочного рисунка на изображении 30
Глава 3 Практическая реализация алгоритма 34
3.1 Оценка работы классификатора 34
3.2 Программная реализация алгоритма 38
3.3 Программная реализация выделения легких 40
3.4 Тестирование 43
ЗАКЛЮЧЕНИЕ 45
СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ 46
ПРИЛОЖЕНИЕ А 48
ПРИЛОЖЕНИЕ Б 52
Стремительное развитие новых технологий и инструментальных средств диагностической визуализации обусловлено современными потребностями человечества в появлении новых систем и методов, расширяющих возможности клинического мониторинга и улучшающих качество жизни людей.
Значительное повышение технического уровня развития современных не инвазивных диагностических систем за счет совершенствования аппаратной реализации и технологий производства делает системы диагностической визуализации незаменимыми в повседневной клинической практике. При этом наряду с прогрессом развития инструментальных средств, весьма существенную роль в настоящее время начинают играть компьютерные методы обработки графической информации. Современные методики компьютерной обработки медицинских изображений обеспечивают большие возможности при работе с ними. Это актуализирует проблемы автоматизации медицинские исследования, связанные с обнаружением заболеваний легких. Существует множество болезней, которые можно обнаружить в легких, и почти для всех из них, основным средством диагностики является флюорографический снимок. В основном для определения такой страшной болезни как туберкулеза [2]. Идея данной работы состоит в том, что бы с помощью использования методов машинного обучения, разработать алгоритм отбора патологии при массовых рентгеновских профилактических обследованиях в условиях всеобщей диспансеризации.
Цель выпускной квалификационной работы: разработать приложение для классификации входных изображений на два класса норма или патология.
Объект выпускной квалификационной работы: изучение методов разработки программного обеспечения с использованием языка программирования Matlab.
Предмет исследования выпускной квалификационной работы: изучение методов разработки программного обеспечения для разработки приложение классификации входных изображений на два класса норма или патология.
Во введении обосновывается актуальность выбранной темы, ставится цель и определяется примерный план действий для реализации задуманного.
В первой главе описываются существующие методы лучевой диагностики, выделяются их плюсы и минусы. Описывается ручной анализ рентгенографических снимков, и приводятся основные понятия и термины. Описывается способ автоматизации анализа снимков.
Во второй главе описывается процесс разработки алгоритма для автоматизации анализа рентгенографических снимков.
В третье главе показывается реализация алгоритма, тестирование и оценка работы классификатора.
В заключении подводятся итоги исследования, формируются окончательные выводы по рассматриваемой теме.
Целью выпускной квалификационной работы являлась разработка приложения для классификации входных изображений. Создание данного приложения позволяет классифицировать изображения на два класса: норма или патология. На основе анализа состояния вопроса установлено, что автоматизация анализа рентгенографических снимков возможна за счет применения в них алгоритмов машинного обучения.
Были рассмотрены теоретические аспекты и математические методы выделения особых признаков на изображении. Проведено сравнение методов машинного обучения и выбор наиболее подходящего для нашей задачи, в нашем случае таким методом оказался метод опорных векторов. Произведена оценка работы классификатора.
Был разработан алгоритм для выделения легких на рентгенографических снимках, с помощью морфологических операций над изображением.
Была проведена апробация на реальной задаче, которая показала, что использование такого подхода эффективно, и оно позволит ускорить работу медицинского персонала.
Дальнейшее направление исследования будет направлено на совершенствование достигнутого результата, то есть на повышение точности классификации изображений по двум классам: норма и патология.
