Введение 12
1. Обзор литературы 14
1.1.Основные этапы обработки изображений 14
1.2. Сегментация изображений 20
1.2.1 .Понятие сегментации 20
1.2.2. Методы, используемые при сегментации медицинских изображений 22
1.3. Контурный анализ изображений 28
1.4. Программные продукты для постпроцессинговой обработки изображений 34
2.Описание и проектирование выбранной методики 38
2.1. Библиотека CTImageSegmentation 39
2.2. Выделение контуров на сегментированном изображении 41
2.3. Аппроксимация линейными сплайнами 41
3. Разработка и реализация алгоритма локализации области лёгкого 44
3.1. Алгоритм выделения контуров сегментированного изображения 44
3.2. Алгоритма кусочно-линейной аппроксимации контуров 45
3.3. Программная реализация алгоритма локализации области лёгкого 49
4. Анализ полученных результатов 51
4.1. Интерфейс разработанной программы 51
5. Финансовый менеджмент, ресурсоэффективность и ресурсосбережение 65
5.1.Оценка коммерческого потенциала и перспективности проведения научных исследований с позиции ресурсоэффективности и ресурсосбережения 65
5.1.1. Потенциальные потребители результатов исследования 65
5.1.2. Анализ конкурентных технических решений 65
5.1.3. Технология QuaD 68
5.1.4.SWOT-анализ
5.2.Определение возможных альтернатив проведения научных исследований 70
5.3. Планирование научно-исследовательских работ 71
5.3.1. Структура работ в рамках научного исследования 71
5.3.2.Определение трудоемкости выполнения работ 73
5.3.3. Разработка графика проведения научного исследования 73
5.3.4. Бюджет научно-технического исследования 78
5.4.Определение ресурсной (ресурсосберегающей), финансовой, бюджетной, социальной и экономической эффективности исследования 79
6. Социальная ответственность 84
6.1. Техногенная безопасность 85
6.2. Производственная безопасность 85
6.3.Экологическая безопасность 93
6.4. Безопасность в чрезвычайных ситуациях 94
Заключение 96
Список публикаций 97
Список использованных источников 98
Приложение А 102
Приложение Б 111
Приложение В 121

Купить

Реферат
Выпускная квалификационная работа содержит 124 с., 35 рис., 21 табл., 31источник, 3 прил.
Ключевые слова: обработка изображений, сегментация изображений, контурный анализ, аппроксимация контуров изображения, кусочно-линейная аппроксимация.
Объектом исследования является алгоритм аппроксимации контуров изображений, полученных по данным компьютерной томографии.
Цель работы - повышение качества диагностики состояния лёгкого при помощи разработки алгоритмического и программного обеспечения для локализации области лёгкого по данным компьютерной томографии.
Методы проведения работы: исследование путём анализа литературы алгоритмов сегментации изображений и аппроксимации контуров; реализация выбранных методов в виде приложения, позволяющего на компьютерной томограмме выделить границу лёгкого в случае нормы.
Область применения: разработка системы классификации форм и степени развития лёгочных заболеваний на основе характеристик тканей лёгких человека.
Данное исследование носит научный характер и не несет за собой прямой экономической выгоды. Тем не менее, результаты данной работы могут быть применены в дальнейших исследованиях по данной тематике и использованы для разработки медицинского проекта, где увеличение точности постановки диагноза, уменьшение времени приёма пациента и уменьшение неоправданных затрат на лечение больного обуславливает экономический эффект.
Определения
В данной работе применены следующие термины с соответствующими определениями.
Сегмент изображения - участок изображения, в котором содержаться однородные по определенному признаку изображения.
Сегментация изображения - процесс разделения изображения на сегменты.
Контур - это внешние очертания или обвод предмета, а именно граница предмета, которая отделяет объект от фона.
Контурный анализ - процесс, позволяющий нахождение, хранение и описание объектов, представленных в форме внешних контуров.
Аппроксимация контуров - научный метод, состоящий в нахождении функции близкой к заданной.

Введение
Технологии BD-моделирования данных компьютерной томографии (КТ) в настоящее время являются актуальными и всё активнее применяются врачами в медицинской практике, значительно повышая информативность исследований и оптимизируя этап предоперационного планирования.
Сегментированная 3D- визуализация органов человека с координатной привязкой к пациенту значительно облегчает понимание изображения и ускоряет процесс обучения для начинающих хирургов. 3D-представление сегментированных моделей органов человека является неотъемлемой частью всех хирургических симуляторов, которые имитируют хирургические действия на виртуальных моделях.
Для некоторых клинических задач необходимо понимать трёхмерную структуру данных, что является довольно сложной задачей и во многом зависит от опыта самого врача. Качественная обработка изображения является необходимым этапом решения подобных трудностей. Это повышает актуальность задачи эффективной обработки медицинских данных, заключающуюся в создания программного обеспечения для облегчения определения области патологий.
Предметом исследования данной выпускной квалификационной работы является локализация областей лёгкого на снимках компьютерной томографии пациентов с различными видами лёгочных заболеваний, формата DICOM, с применением сегментации и метода линейной аппроксимации контуров.
Целью работы является повышение качества диагностики состояния лёгкого при помощи разработки алгоритмического и программного обеспечения для локализации области лёгкого по данным компьютерной томографии. Для достижения установленной цели были поставлены и решены следующие задачи:
- исследование и выбор наиболее эффективных методов сегментации, аппроксимации;
- проектирование алгоритма, позволяющего выделять область лёгкого на КТ изображениях;
- разработка программного обеспечения локализации области лёгкого;
- тестирование работы системы при различных входных данных, сравнение результатов и обоснование эффективности работы системы в целом.
Особенностью разработки данного приложения является выявление на поперечном срезе тела пациента не только кости, но и области лёгкого. На обработанном программой изображении выделяется локализация лёгкого в норме, что более точно позволяет находить патологии. Изучение различных аналогов, целью которых также является обработка медицинских изображений, показало, что локализация области лёгкого не доработана ни в одной из систем.
Результаты, представленные в данной работе, могут быть использованы для дальнейших исследований в области обработки медицинских данных. В частности, наиболее перспективным направлением является разработка системы классификации форм и степени развития лёгочных заболеваний. Данный процесс будет осуществляться при помощи построения трёхмерной модели лёгких по снимкам компьютерной томографии. Система значительно повысит эффективность диагностики и лечения различных форм заболеваний.
Купить