Введение
1. Обзорно-аналитическая часть
Глава 2. Практическая часть 17
2.1 Материалы и методы для разработки алгоритма сегментации 17
2.2 Ручной подбор пороговых границ 20
2.3 Автоматизация подбора пороговых границ сегментации изображений 24
2.4 Время работы алгоритма 34
Заключение 35
Список использованных источников 36
Создание искусственных систем распознавания образов остаётся сложной теоретической и технической проблемой. Необходимость в таком распознавании возникает в самых разных областях. Оно может использоваться в системах видеонаблюдения, в медицине, в технической диагностике и в других областях. Важность и актуальность рассматриваемой задачи обусловлена, в первую очередь, ростом объемов получаемой информации, необходимостью в качественной, максимально быстрой ее обработке.
В медицине, процесс диагностики большого числа заболеваний включает использование микроскопической техники. С помощью микроскопа диагностируются онкологические, эндокринные или инфекционные заболевания Современные компьютерные технологии позволяют осуществлять автоматизированный анализ различных изображений, в том числе и микроскопических. Это требует, как правило, использование методов и алгоритмов предобработки изображений, их сегментации для выделения на них объектов и дальнейшего изучения данных объектов или их идентификации.
На сегодняшний день известно большое количество алгоритмов сегментации изображений, использующих разные признаки и подходы. Кроме того, при исследовании сегментации изображений возникает задача оценки качества на некоторой заранее определенной выборке.
Однако большинство используемых для этого алгоритмов требует наличия ручной предобработки изображений или наличия априорных знаний об анализируемом изображении, что затрудняет их применение в практическом здравоохранении ввиду недостаточности специальных знаний и навыков у медицинского персонала
Мониторинг бактериовыделения - это важнейшее условие ускорения диагностики туберкулеза и прерывания эпидемической цепочки. Единственным
1. Укомплектованность кадрами лабораторий составляет 63%, в том числе врачами-бактериологами - более 50%. То есть первая проблема кадровая
2. В связи с первой проблемой поликлиники перестают делать этот метод. Это подтверждается тем, что доля больных туберкулезом, выявленных бактериоскопическим метод составляет лишь 0,23% от всех выявленных бактериовыделителей
3. Качество бактериоскопической диагностики. Большая доля ложноотрицательных результатов, которая составляет порядка 12%
Все эти проблемы можно решить путем автоматизации бактериоскопического метода. Как правило, автоматизированный анализ изображений складывается из 3 этапов. Первый - предобработка изображения, второй - сегментация изображения для выделения интересующих объектов и исключения сторонних объектов с изображения, и третий - непосредственно распознавание имеющихся объектов
Таким образом, в первую очередь необходимо решить вопрос сегментации бактериоскопических изображений.
Цель: разработка алгоритма сегментации цифровых изображений микроскопических препаратов мокроты, окрашенной по методу Циля-Нильсена с использованием многослойных нейронных сетей.
Задачи:
1. Разработать способ предварительной обработки изображений микроскопических препаратов мокроты, окрашенной по методу Циля-Нильсена для их последующей сегментации.
2. Разработать алгоритм сегментации изображений микроскопических препаратов мокроты, окрашенной по методу Циля-Нильсена.
Были рассмотрены основные понятия обработки изображений, основные задачи, связанные с обработкой изображений, проанализированы и исследованы основные методы сегментации. В процессе работы были выяснены характеры поведения алгоритмов на различного рода изображениях, отличающихся как по структуре, так и по содержанию. Выявлены основные черты отличия алгоритмов друг от друга, выявлены и продемонстрированы основные недостатки и достоинства каждого из алгоритмов.
Разработанная методика предварительной обработки изображений на основе нейронных сетей позволяет в автоматическом режиме осуществлять подбор индивидуальных значений нижних границ H и S, используемых в последующем для сегментации данных изображений.
Разработанный алгоритм сегментации изображений, основанный на анализе значений цвета пикселей, представленных цветовой моделью HSV, позволяет исключить из изображения объекты, заранее не являющиеся кислотоустойчивыми микобактериями.
Время работы разработанного алгоритма сегментации изображений микроскопических препаратов, окрашенных по методу Циля-Нильсена, позволяет использовать данный алгоритм в системах автоматизированной бактериоскопической диагностики туберкулеза.
Помощь студентам и аспирантам в выполнении работ от наших партнеров
