Preview

Известия высших учебных заведений России. Радиоэлектроника

Расширенный поиск

Цифровая обработка изображений в экспертно-консультирующей системе для дифференциальной диагностики состояний шейки матки

Полный текст:

Аннотация

Рассмотрены новые методы обработки и анализа изображений для экспертно-консультирующей системы дифференциальной диагностики состояний тканей шейки матки. Предложенный метод обработки кольпоскопических изображений позволяет синтезировать специальное изображение, имитирующее применение зеленого оптического фильтра для визуализации сосудов и обеспечивающее более эффективный анализ сосудистых структур врачом. Отличительной особенностью разработанного метода анализа изображений с целью дифференциальной диагностики является использование совокупности признаков, рассчитанных по изображениям разных типов, и формирование решающих правил, основанных на технологиях "data mining". Многопризнаковый анализ обеспечивает для границы дифференциальной диагностики CIN/CNI чувствительность 87 % и специфичность 75 %. Важной составляющей многопризнакового анализа является анализ изображений, полученных в белом свете. В статье подробно рассмотрены алгоритмы классификации изображений, полученных в белом свете на основе цветовых, яркостных и текстурных признаков.

Об авторах

А. А. Мотыко
Санкт-Петербургский государственный электротехнический университет "ЛЭТИ" им. В. И. Ульянова (Ленина)
Россия


Н. А. Обухова
Санкт-Петербургский государственный электротехнический университет "ЛЭТИ" им. В. И. Ульянова (Ленина)
Россия


Список литературы

1. Han J., Kamber M. Data mining: concepts and tech-niques. 2nd. ed. San Francisco: Morgan Kaufmann, Elsevier Science, 2006. 137 p.

2. Breiman L. Random Forests // J. Machine Learning. 2001. Vol. 45, iss. 1. P. 5-32.

3. Meinshausen N. Quantile Regression Forest // J. Machine Learning Research. 2006. Vol. 7, iss. 6. P. 983-999.

4. Обухова Н. А., Мотыко А. А. Автоматический метод анализа мультиспектральных кольпоскопических изображений для телевизионной системы диагностики рака шейки матки // Изв. вузов России. Радиоэлектроника. 2015. Вып. 6. С. 24-33.

5. Обухова Н. А., Мотыко А. А. Автоматический анализ мультиспектральных изображений шейки матки с целью выявления онкологических изменений // Фотодинамическая терапия и фотодиагностика. Спец. вып. 2015. С. 775.

6. Xiong J. L., Wang J. Gu. Image Segmentation of the Acetowhite region in Cervix Images Based on Chromaticity // Proc. of 9 Intern. Conf. on Information Technology an Applications in Biomedicine (ITAB 2009), Larnaca, Cyprus, 5-7 Nov. 2009. P. 140-144.

7. Комплекс для флуоресцентной диагностики и фотодинамической терапии заболеваний шейки матки / Г. В. Папаян, Н. А. Обухова, А. А. Мотыко, В. Б. Березин, Д. П. Плохих, С. А. Слободенок, U. Kang, S. J. Bae, D. S. Lee, M. W. Jung // Опт. журн. 2015. Т. 82, № 12. С. 47-59.


Для цитирования:


Мотыко А.А., Обухова Н.А. Цифровая обработка изображений в экспертно-консультирующей системе для дифференциальной диагностики состояний шейки матки. Известия высших учебных заведений России. Радиоэлектроника. 2016;(2):42-48.

For citation:


Motyko A.A., Obukhova N.A. Digital Image Processing in Clinical Decision Support System for the Cervix Differential Diagnosis. Journal of the Russian Universities. Radioelectronics. 2016;(2):42-48. (In Russ.)

Просмотров: 36


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 1993-8985 (Print)
ISSN 2658-4794 (Online)