Сегментація зображень гістологічних об'єктів






    Головна сторінка





Скачати 40.73 Kb.
Дата конвертації25.06.2018
Розмір40.73 Kb.
Типреферат

ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ

Актуальність теми дисертації

Об'єкти на медичних зображеннях володіють великою складністю і многофакторностью, що обумовлює високі вимоги до надійності, точності і достовірності результатів досліджень. Використання обчислювальної техніки і математичних методів в цій галузі дозволяє не тільки прискорити процес обробки матеріалу, а й підвищити точність результатів дослідження.

Розвиток електроніки і шкідливість умов роботи стимулювали підвищену увагу до цифрового аналізу рентгенівських, ультразвукових зображень і зображень ядерно-магнітного резонансу, головним досягненням якого можна вважати появу комп'ютерного томографа. Проте складнощі в отриманні якісних зображень гістологічних об'єктів значно гальмують розвиток цієї галузі.

Автоматизація аналізу гістологічних структур прискорює діагностику захворювання, дозволяє розширити межі наукових пошуків в медицині. Автоматичне вимірювання параметрів гістологічних об'єктів дає можливість уточнити лікування і управління терапевтичними процесами. Так, найбільш перспективним методом ранньої діагностики пухлинних захворювань в даний час є автоматизація цітофотометріческого аналізу спеціально приготованих і забарвлених гістологічних препаратів і поділ їх за принципом норма - патологія.

Однією з головних частин автоматизації вимірювання оптичних і геометричних параметрів є виділення об'єктів на гістологічних препаратах. Це завдання вирішується за допомогою методів і засобів цифрового аналізу зображень.

Основною причиною відсутності автоматизації в гістології є висока варіабельність і слабка контрастність більшості гістологічних структур.

Однак швидкий розвиток цифрової і аналогової техніки останнім часом відкриває нові можливості перед розробниками. Наприклад, збільшення швидкодії обчислювальної техніки дозволяє використовувати складні, критичні до часу алгоритми, а завдяки появі кольорових телевізійних датчиків високого дозволу можна отримувати і обробляти кольорові зображення. Саме нові технічні можливості дозволяють значно розширити коло досліджень, відкривають нові шляхи вирішення завдань, що стосуються аналізу зображень. Дана робота присвячена одній з таких завдань - сегментації об'єктів на зображеннях гістологічних препаратів.

Зв'язок роботи з великими науковими програмами, темами

Дисертаційна робота виконана в лабораторії обробки і розпізнавання зображень Інституту технічної кібернетики НАН Білорусі у співпраці з лабораторією методів морфологічних досліджень МГМИ в рамках тем: Інтелект 17 "Створення теоретичних основ розробки, застосування і розпізнавання зображень з використанням штучного інтелекту" - постанова президії НАН Білорусі № 88 від 23.11.95; "Розробити робочий проект АРМ клінічного морфолога і здати в дослідну експлуатацію в МГМИ" відповідно до "Програми інформатизації Республіки Білорусь на 1991-1995 роки та на період до 2000 року", затвердженої Постановою Ради Міністрів Республіки Білорусь N 444 від 27.11.92; "Розробити платформонезавісимость інструментальні засоби забезпечення віддаленого збору, зберігання і візуалізації біомедичної інформації в НИКС" відповідно до Постанови Ради Міністрів Республіки Білорусь від 22 жовтня 1998 р №1609 "Про розвиток в республіці робіт зі створення єдиної науково-інформаційної комп'ютерної мережі".

Мета і завдання дослідження

Мета роботи - розробити алгоритми сегментації для визначення гістологічних об'єктів на слабоконтрастних кольорових і напівтонових зображеннях для вирішення завдань діагностики захворювань, лікування і управління терапевтичними процедурами.

Для досягнення поставленої мети потрібно було:

- класифікувати зображення гістологічних об'єктів по геометричних, топологічних, оптичних характеристиках;

- розробити алгоритми сегментації волокон і судин;

- розробити алгоритми сегментації клітин;

- розробити методи сегментації кольорових зображень гістологічних об'єктів;

- програмно реалізувати алгоритми сегментації гістологічних об'єктів і перевірити їх на конкретних прикладах.

Об'єкт і предмет дослідження

Дослідження виконані в області сегментації зображень. Предметом дослідження є гістологічні об'єкти на кольорових і напівтонових зображеннях препаратів оптичної мікроскопії.

гіпотеза

Всі зображення гістологічних об'єктів можна класифікувати по їх геометричним і оптичними властивостями і властивостями їх оточення, а для кожного класу об'єктів можна визначити алгоритм сегментації, що дозволяє отримати результат, що задовольняє дослідників гістологічних препаратів.

Методологія і методи проведеного дослідження

Як теоретичних методів дослідження використовувалися методи цифрової обробки сигналів і зображень, математичного аналізу та математичного моделювання. Для програмної реалізації розроблених алгоритмів використовувалися методи створення програмних систем, методи оптимізації програмних комплексів, програмування на мовах високого рівня.

Наукова новизна отриманих результатів

Розроблено класифікацію гістологічних об'єктів по особливостям їх зображень для визначення способу сегментації. Кожен клас визначає основні об'єкти на гістологічних препаратах та особливості їх подання. Для нього обраний алгоритм сегментації, що дозволяє отримати якісний результат. Основне завдання цієї класифікації - визначити оптимальний шлях від вхідного напівтонового або кольорового зображення до виділеного об'єкта на бінарному зображенні.

Розроблено алгоритм напівтонового утоньшения, основна відмінність якого полягає в тому, що він орієнтований на обробку слабоконтрастних зображень судин і волокон, де товщиною вихідних об'єктів можна знехтувати, так як довжина цих об'єктів набагато перевищує їх ширину. Причому об'єкти можуть бути оточені фоном з постійно мінливими яскравості і колірними характеристиками, який включає в себе зображення об'єктів іншого типу.

Розроблено алгоритм сегментації і відстежування судин і волокон при великих збільшеннях. Основна особливість цього алгоритму - це визначення об'єкта по областям, виділеним в результаті утоньшения всього зображення, яке оброблено оператором виділення кордонів (наприклад, фільтром Собеля), що дозволяє не тільки збільшити швидкість в порівнянні з алгоритмами поточечной трасування, а й отримати більш якісні результати на слабоконтрастних зображеннях.

Розроблено два алгоритму сегментації опуклих об'єктів (клітин, ядер, волокон і судин у подовжньому перетині). Їх основна особливість полягає в тому, що вони орієнтовані на виділення об'єктів, оточених складним по геометричних і оптичним характеристикам тлом. Перший алгоритм базується на методах математичної морфології і орієнтований на об'єкти з нерівномірним фоном, грунтується на визначенні кордонів опуклих фігур; інший - на об'єднанні областей, виділених в результаті утоньшения перепадів яскравості, і дозволяє визначати об'єкти навіть тоді, коли перепади рівнів яскравості об'єктів такі ж, як і у навколишнього їх фону. Відсутність стадій "засівання", зростання і поділу областей призводить до виграшу в швидкості в порівнянні з традиційними алгоритмами зростання областей.

Розроблено систему координат опису кольору, спеціалізована на виконанні операцій математичної морфології на кольорових зображеннях. Використання цієї системи координат дає можливість поліпшити якість одержуваного результату і збільшити швидкість в порівнянні з обробкою в традиційних системах координат.

Економічна і практична значущість отриманих результатів

Використання алгоритмів сегментації гістологічних об'єктів сприяє підвищенню ефективності роботи дослідника і отримання більш якісних і точних результатів вимірювання характеристик гістологічних об'єктів.

Розроблені алгоритми і програмний комплекс, що використовуються в даний час в наукових і діагностичних процесах, є економічно ефективними за рахунок зниження витрат на ручну працю при вимірюванні і класифікації гістологічних об'єктів.

Алгоритми і програмний комплекс аналізу та обробки медичних зображень впроваджені і використовуються в навчальних, наукових та діагностичних процесах двох медичних вузів (Мінськом державному медичному інституті, Гродненському державному медичному інституті) і трьох НДІ (Бел НДІ епідеміології та мікробіології (м.Мінськ), Бел НДІ онкології медичної радіології (м.Мінськ), Інституті біохімії НАН РБ (г.Гродно)) Республіки Білорусь, а також в двох медичних вузах (Саратовської державної медичної академії, Ярославльський г осударственного медичної академії), Інституті фізіології дітей і підлітків РАМН (Москва) і Всеросійському центрі пластичної хірургії ока МПЗП РФ (Уфа) Російської Федерації.

Розроблені методи і алгоритми можуть також включатися в існуючі або розроблювані комерційні системи аналізу та обробки гістологічних об'єктів як загальновживані, так і вузькоспеціалізовані.

Основні положення дисертації, що виносяться на захист:

- класифікація гістологічних об'єктів для визначення методу сегментації зображень гістологічних об'єктів;

- алгоритм напівтонового утоньшения об'єктів на слабоконтрастних зображеннях гістологічних об'єктів;

- алгоритм сегментації і відстежування судин або волокон при великих оптичних збільшеннях;

- алгоритм морфологічної сегментації окремих клітин;

- алгоритм сегментації клітин зі складним фоном, заснований на об'єднанні областей;

- алгоритм визначення клітин на бінарному зображенні, отриманому за допомогою порогової сегментації;

- координати опису кольору, призначені для роботи методів математичної морфології і інших складних напівтонових операцій на зображеннях гістологічних препаратів.

Особистий внесок здобувача

Усі пропоновані алгоритми були розроблені і програмно реалізовані особисто автором. Науковий керівник брав участь у постановці завдань, визначенні можливих шляхів вирішення і їх попередньому аналізі.

Апробація результатів дисертації

Основні результати роботи доповідалися і обговорювалися на конференціях і симпозіумах: науково-технічної конференції з комп'ютерної графіки та анімації (Мінськ, 1993), 8 th International Symposium on Diagnostic Quantitative Pathology. (Amsterdam, The Netherlands, 1994), Третин наукової конференції з розпізнавання та аналізу зображень (Мінськ, 1995), I конгресі Міжнародної асоціації патологоанатомів (м.Москва, 1995), республіканській науковій конференції молодих вчених та студентів "Актуальні проблеми сучасної медицини" ( Мінськ, 1997), System and signals in Intelligent Technologies (Мінськ, 1998), V міжнародній конференції "Комп'ютерний аналіз даних і моделювання" (8-12 червня 1998 року, Мінськ), Fifth International Conference Pattern Recognition and Information Processing PRIP99 (Мінськ, 18 - 20 травня 1999).

опублікування результатів

За матеріалами проведених досліджень опубліковано 12 наукових робіт, в тому числі:

1 стаття в науковому журналі;

3 статті в збірниках наукових праць;

8 доповідей на міжнародних конференціях.

Структура і обсяг дисертації

Дисертація складається зі вступу, чотирьох розділів, висновків, додатку та списку літератури з 152 найменувань. Дисертація викладена на 121 сторінці, включаючи 72 ілюстрації.

У вступі обґрунтовано актуальність теми, коротко викладається стан предметної області, невирішені завдання і дається коротка характеристика роботи.

У першому розділі виконаний аналіз стану предметної області: дано опис гістологічних об'єктів і особливостей їх зображень, огляд існуючих методів систем обробки медичних зображень, а також опис основних напрямків розвитку алгоритмів сегментації об'єктів. За результатами проведеного аналізу можна зробити наступні висновки.

1. Більшість об'єктів на гістологічних препаратах представлені слабоконтрастні зображеннями і характеризуються великою варіабельністю геометричних і оптичних характеристик, у зв'язку з чим при аналізі подібних зображень виникають певні труднощі. Тому для вибору ефективних методів сегментації потрібна додаткова класифікація цих об'єктів.

2. Автоматичний аналіз зображень гістологічних об'єктів слабко освітлений в літературі.

3. Гістологічні об'єкти характеризуються слабкої контрастністю, широким спектром форм і розмірів. Тому їх специфіка вносить певні особливості на етапі сегментації.

4. Можна визначити три основні класи методів сегментації об'єктів на гістологічних зображеннях: порогові, морфологічні, методи нарощування областей. Хоча існує ще ряд приватних методів сегментації, що не відносяться до них.

5. Тема сегментації медичних зображень в даний час є актуальною і дуже важлива в діагностичних і наукових дослідженнях.

На основі результатів аналізу висувається гіпотеза: для кожного класу об'єктів можна визначити алгоритм сегментації, що дозволяє отримати результат, що задовольняє дослідників гістологічних препаратів.

Другий розділ присвячено сегментації гістологічних об'єктів на напівтонових зображеннях.

Глава починається з класифікації гістологічних об'єктів для визначення найбільш ефективного методу сегментації. В ході класифікації визначаються три основні класи об'єктів: майданні (клітини, ядра клітин, судини і волокна в поперечному зрізі), протяжні об'єкти (судини і волокна в поздовжньому зрізі), дрібні контрастні об'єкти (ядерця, клітинні включення, артефакти) (табл. 1 ).

Таблиця 1

Таблиця класифікації гістологічних об'єктів і методів їх сегментації для кожного класу

вид об'єкту

характеристика

зображення

рівномірний фон нерівномірний фон

майданні

Окремо лежать об'єкти одного типу

порогова
сегментація

Методи математичної морфології
об'єкти об'єкти,
супроводжувані
об'єктами іншого типу
порогова
сегментація

Методи об'єднання областей
протяжні об'єкти Довільний
зображення
порогова
сегментація
Морфологічна сегментація, заснована на Утоньшение
Дрібні контрастні об'єкти Довільний
зображення
порогова
сегментація
порогова
сегментація

Використовуючи характеристику протяжних об'єктів, для отримання результату можна застосовувати методи математичної морфології. Для виділення середньої лінії, відповідної протяжним об'єктах, найчастіше застосовується півтонове утоньшение зображення. Тому в дисертації був розроблений алгоритм напівтонового утоньшения, орієнтований на обробку зображень гістологічних препаратів зі складним фоном, у яких на різних ділянках зображення змінюються напівтонові характеристики.

Утоньшение зображення здійснюється за чотири проходу, а саме для верхнього, нижнього, правого і лівого краю. За кожен з чотирьох проходів значення пікселя змінюється за умовами:

1) p2 AND p6 ³x AND (p1 AND p4 ³x OR p3 AND p0 ³x OR p0 ³x AND p4 ³x );

2) p6 AND p2 ³x AND (p5 AND p0 ³x OR p7 AND p4 ³x OR p4 ³x AND p0 ³x );

3) p4 AND p0 ³x AND (p3 AND p6 ³x OR p5 AND p2 ³x OR p2 ³x AND p6 ³x );

4) p0 AND p4 ³x AND (p7 AND p2 ³x OR p1 AND p6 ³x OR p6 ³x AND p2 ³x ),

де номери пікселів відповідають рис. 1.

P3 P2 p1
p4 Х p0
p5 P6 p7

Мал. 1 Околиця пікселя X

У роботі пропонуються три варіанти зміни пікселя, який задовольняє вищевказаним умовам:

1. Послідовна обробка напівтонових шарів: послідовне утоньшение кожного полутонового рівня як бінарного зображення від максимального до мінімального.

2. Одночасна обробка напівтонових шарів: змінний піксель зменшується на одиницю (рис. 2).

3. Одночасна обробка з максимізацією значення пікселя: значенням змінюваного пікселя присвоюється значення максимального сусіда з його оточення, напівтонова величина якого не перевищує величину змінного пікселя.

Спосіб зміни пікселя залежить від контрастності зображення. Першим способом досягається ідеальний результат для будь-яких зображень, але він повільний. Третій спосіб - швидкий, але результат коректний тільки для контрастних зображень. Для більшості зображень більш ефективно використовувати другий спосіб (рис. 2).

Бінаризація скелета проводиться за один прохід зображення. Якщо оброблюваний піксель має хоча б одного з чотирьох сусідів (p0, p2, p4, p6) менше його або всіх діагональних восьмісоседей менше його, то значення пікселя прирівнюється до 1, в іншому випадку - до 0:

If (X> p0 OR X> p4 OR X> p2 OR X> P6) OR (X> p1 AND X> p3 AND X> p5 AND X> p7) THEN X = 1 ELSE X = 0.

З огляду на особливості протяжних об'єктів при слабкому оптичному збільшенні, бінарізірованний скелет відповідає виділеним судинах або волокнам.

При великих збільшеннях товщина протяжних об'єктів починає відігравати суттєву роль, тому для цього випадку був розроблений окремий алгоритм сегментації. Особливість алгоритму полягає в наявності двох паралельних гілок: обробка самого зображення і його градієнта. В результаті утоньшения градієнта зображення виходять області для обробки, відповідні або фону, або об'єкту. За відповідності отриманого скелета зображення областям визначаються протяжні об'єкти (рис 3).

Як розвитку цього алгоритму пропонується алгоритм ідентифікації судин або волокон, який використовує області і скелет, отримані за допомогою попереднього алгоритму. Він виконується за допомогою відстеження протяжного об'єкта і класифікації областей на три класи (перетину, розгалуження і продовження), яка проводиться за допомогою аналізу точок перетину скелета з кордонами області.

Вибір методу сегментації для майданних об'єктів залежить від співвідношення фону і напівтонових характеристик об'єктів. Для контрастних зображень найкраще використовувати алгоритми порогової сегментації, але в разі слабоконтрастних зображень вони не дозволяють отримати якісний результат. Якщо фон нерівномірний, а зображення включає окремо що лежать об'єкти одного типу, і, крім того, напівтонова величина для пикселей фону змінюється рівномірно і не робить різких стрибків, хороші результати виходять при застосуванні морфологічної сегментації. В основі розробленого алгоритму лежить півтонове утоньшение морфологічного градієнта, супроводжуване операцією обрізання хвостів на кожну ітерацію, яка дозволяє отримати замкнуті контури, що обмежують області, відповідні об'єктах. Результати, отримані за допомогою цього методу, відповідають виділеним гістологічним об'єктів (рис. 4).

а Б В Г)

Мал. 4.Морфологіческая сегментація клітини нейрона: а) вихідне зображення; б) результат утоньшения полутонового градієнта; в) результат заливання; г) результуюче бінарне зображення клітини

У разі, коли в зображенні об'єктів і фону напівтонова величина пікселів приймає будь-яке значення, для сегментації розроблений алгоритм об'єднання областей (рис 5). Відсутність стадій "засівання", зростання і поділу областей призводить до виграшу в швидкості в порівнянні з традиційними алгоритмами зростання областей.

Об'єднання областей відбувається за наступних умов.

1. Різниця дисперсії для напівтонової величини не повинна перевищувати заданого значення, що визначає відмінності клітини від тканини.

2. Середнє значення напівтонової величини кожної області не повинно виходити за межі, обмежені дисперсією іншій області.

а Б В Г Д)

Рис 5. Сегментація клітин методом об'єднання областей: а) вихідне зображення, б) морфологічний градієнт, в) утоньшение морфологічного градієнта, г) об'єднання областей, д) результуюче бінарне зображення клітин

Причому середнє значення і дисперсія нової області розраховуються за формулами:

де М 1, М 2 - середні значення напівтонових величин для батьківської та сусідньої областей, s 1, s 2 - дисперсії напівтонових величин для батьківської та сусідньої областей, А 1, А 2 - площі батьківської і сусідньої областей, М 12 - середнє значення напівтонової величини для об'єднаної області, s 12 - дисперсія напівтонової величини для об'єднаної області.

Важливою характеристикою клітин, волокон і судин у поперечному перерізі є їх топологічна структура. На цьому грунтується розроблений алгоритм визначення клітин серед бінарних образів, отриманих порогової сегментацією (рис 6).

Алгоритм дозволяє відкоригувати результат, видаливши об'єкти, які не належать клітинам, і побудувати мультіфазную зображення, в якому відбивається ієрархія клітинних структур.

Третя глава присвячена сегментації кольорових зображень гістологічних об'єктів.Для аналізу гістологічних препаратів колір складових компонентів тканини відіграє важливу роль. Фарбування препарату дозволяє виділити ті чи інші клітинні структури. Причому стандартне перетворення кольорового зображення в півтонове призводить до втрати деяких об'єктів різного забарвлення, але однакового рівня яскравості.

Рис 6. Зображення клітин нейронів симпатичних гангліїв і побудоване мультіфазную зображення з ієрархічною структурою клітин

Алгоритми сегментації гістологічних об'єктів активно використовують методи математичної морфології. Яскравість і насиченість можна охарактеризувати як напівтонові величини. Однак для гістологічних зображень кольоровість можна тільки обмежити пороговими значеннями в спектрі. Тому при обробці гістологічних зображень кольоровість не можна вважати напівтонової величиною, незважаючи на те, що вона має такі властивості, як можливість визначення порогових значень за допомогою обчислення градієнта.

Для збереження кольоровості при використанні операцій математичної морфології на кольорових зображеннях гістологічних препаратів була розроблена система опису кольору PHS (рис.7).

Рис 7. Декартові системи RGB і ZYX і системи координат ZYX і PHS

Перетворення в координати PHS з RGB виконується за такими формулами:

Тестування роботи операторів математичної морфології проводилося в чотирьох координатних системах описи кольору PHS, HLS, RGB, YIQ на зображеннях гістологічних препаратів. З результатів тестування видно, що для системи HLS змінена яскравість, в системах RGB і YIQ спотворена кольоровість, а результат обробки в системі PHS найбільш близький до очікуваного результату. Порівняння зображень проводилося за допомогою метрики Хаусдорфа, середньоквадратичної помилки відхилення e 2 і міри схожості зображень. Результати представлені в табл. 2. Характеристики подібності вихідного зображення і обробленого в системі PHS мінімальні і свідчать про більш якісної обробки зображення.

Роботу морфологічних операцій на кольорових гістологічних зображеннях в системі PHS можна оптимізувати, обробляючи вектор відстані кольору та пропорційно йому змінюючи для пікселя значення по координатам RGB (червоного, зеленого, синього променів). Ця оптимізація збільшує швидкодію на етапі перетворення координатних систем.

Використання напівтонової морфології для кольорових зображень дозволяє більш ефективно вирішувати цілий ряд задач сегментації зображень гістологічних об'єктів.

Таблиця 2

Порівняння результатів тестування роботи операцій математичної морфології для кольорових зображень

система
координат

метрика

Хаусдорфа

Ефективне значення помилка
відхилення
Міра подібності зображень
HLS 0,337 0,22755 0,05178
RGB 0,302 0,217798 0,047436
YIQ 0,302 0,235654 0,055533
PHS 0,176 0,138054 0,019059

У четвертому розділі описується система аналізу зображень Bioscan.

Для цієї системи були розроблені і випробувані вищеописані алгоритми. Більшість алгоритмів по автоматичної обробці зображень в цій системі розроблено автором. Наведено програмні і технічні характеристики системи, організація програмного забезпечення і геометричні та оптичні параметри, які можна отримати в результаті вимірювання об'єктів.

В системі аналізу зображень реалізований повний апарат математичної морфології для роботи з кольоровими, напівтоновими і бінарними зображеннями, який є важливою частиною в рішенні багатьох завдань сегментації. Робоча панель системи Bioscan приведена на рис. 8.

Мал. 8. Робоча панель системи Bioscan:

1) меню, 2) панель інструментів, 3) вікно із зображенням, 4) динамічне вікно виклику функцій, 5) редактор підпрограм інтерпретатора

Наведено такі приклади завдань медичної морфології, розв'язуваних системою:

* Дослідження пірамідальних нейронів головного мозку різного ступеня ураження вірусом простого герпесу;

* Визначення щільності радіальних і тангенціальних волокон мозкової тканини;

* Спостереження обміну речовин в клітині з допомогою радиоавтографии (рис. 9).

а Б В)

Мал. 9.Клеткі крові з радіоізотопними мітками а) півтонування; б) результат порогової сегментації для сегментації клітин; в) бінарне зображення радіоізотопних міток, отриманих порогової сегментацією

У додатках наведено акти впровадження результатів дисертаційної роботи.

ВИСНОВОК

Результати, отримані в ході дисертаційного дослідження, можна сформулювати наступним чином.

1. Виділення гістологічних об'єктів на цифрових зображеннях утруднено істотною варіабельністю і слабкої контрастністю. Тому в задачах сегментації для вирішення приватних завдань застосовуються різноманітні методи. Універсальні підходи до вибору алгоритму для сегментації довільного зображення гістологічних об'єктів невідомі. Отже, існує необхідність побудови взаємопов'язаної класифікації гістологічних об'єктів і алгоритмів сегментації, а також розвитку алгоритмів сегментації більш загального і універсального характеру для виділення широкого класу об'єктів.

2. Розроблено класифікацію гістологічних об'єктів для визначення методу сегментації зображень гістологічних об'єктів. В основі класифікації лежать оптичні і геометричні характеристики гістологічних об'єктів, а також оптичні характеристики їх оточення - фону. Для кожного класу об'єктів визначений найбільш оптимальний метод сегментації. Така класифікація визначає універсальний підхід до вибору алгоритму для виділення гістологічних об'єктів певного класу, при цьому зберігаючи високу якість отриманих результатів.

3. Розроблено алгоритм напівтонового утоньшения об'єктів на слабоконтрастних зображеннях гістологічних об'єктів. Основною відмінністю алгоритму є те, що операція утоньшения починає обробляти зображення з точок об'єктів, що мають для свого оточення максимальні характеристики яскравості. Ця особливість дозволяє обробляти і отримувати якісний результат на зображеннях зі складним фоном з мінливими характеристиками яскравості, особливо для зображень гістологічних препаратів.

4. Розроблено алгоритм сегментації і відстежування судин або волокон при великих оптичних збільшеннях. Запропонований алгоритм, заснований на аналізі областей, отриманих за допомогою утоньшения перепадів яскравості, дозволяє отримати якісний результат, придатний для подальшої обробки. Крім того, для даного методу сегментації пропонується метод відстежування, також заснований на аналізі виділених областей. Ці особливості дозволяють підвищити швидкість і якість обробки.

5. Розроблено алгоритм морфологічної сегментації майданних гістологічних об'єктів. Алгоритм виділяє такі об'єкти як клітини, судини і волокна в поперечному перерізі на зображеннях гістологічних препаратів з фоном, характеристики яскравості якого міняються, а текстура не виражена.

6. Розроблено алгоритм сегментації клітин методом об'єднання областей. Він орієнтований на обробку зображень зі складним фоном, у якого змінюються характеристики яскравості і присутня текстура, що складається з помилкових об'єктів і артефактів. Метод об'єднання областей істотно повільніше морфологічної сегментації, але він дозволяє визначати об'єкти навіть тоді, коли перепади рівнів яскравості об'єктів такі ж, як і у навколишнього їх фону. Відсутність стадій "засівання", зростання і поділу областей призводить до виграшу в швидкості в порівнянні з традиційними алгоритмами зростання областей.

7. Пропонується система координат опису кольору, призначена для збереження кольоровості при роботі методів математичної морфології на зображеннях гістологічних препаратів. При поданні зображення в цій системі координат основна частина обробки проходить по одній координатній осі, що відображає напівтонові властивості зображення. Це дозволяє поліпшити якість і прискорити обробку кольорових зображень гістологічних препаратів.

Отримані в дисертаційній роботі результати призначені для реалізації в автоматичних системах аналізу гістологічних препаратів і можуть використовуватися при традиційній обробці і аналізі гістологічних об'єктів.

Статті в збірниках і журналах

1. Недзьведь А.М., Абламейко С.В. Утоньшение напівтонових зображень шляхом послідовного аналізу бінарних шарів // Цифрова обробка ізображеній.- Мінськ: Інститут технічної кібернетики АНБ 1997.- Вип.1. - С.137-147.

2. морфометрія змін онтогенезу у щурів, викликаних малими дозами іонізуючої радіації. Мельниченко Е.М., Чешко М.М., Берлов М.М. та ін. // Охорона здоров'я Білорусі. - 1997.- №10. - С.19-21.

3. Недзьведь А.М., Абламейко С.В. Півтонове утоньшение кольорового зображення // Цифрова обробка ізображеній.- Мінськ: Інститут технічної кібернетики НАН Білорусі. - 1998.- Вип. 2.- С.41-52.

4. Недзьведь А.М., Абламейко С.В. Сегментація зображень волокон і судин при великому збільшенні // Цифрова обробка ізображеній.- Мінськ: Інститут технічної кібернетики НАН Білорусі. - 1999.- Вип. 3. - С.167-176.

Тези доповідей і матеріали конференцій

5. Недзьведь А.М., Абламейко С.В. Подання кольорових зображень для математичної морфології // Комп'ютерний аналіз даних і моделювання. Зб. науч. статей V міжнар. конф., під ред. проф. С.А.Айвазяна і проф. Ю.С.Харіна. - Мінськ: БДУ. - 1998.- Ч. 4: К-Я. - С. 86-95.

6. Image analysis system for quantitative morphology task. Nalibotsky B., Nedzved A., Rubenchik A., ea // Program and abstract book; 8 th International Symposium on Diagnostic Quantitative Pathology. - Amsterdam, 1994. - P.181-182.

7. Комп'ютерна обробка зображень судин і волокон біологічних препаратів і вимір їх геометричних характеристик. Недзьведь A.М., Ілліч Ю.Г., Карапетян Г.М. та ін .// Тез. доп. третьої науч. конф. по розпізнаванню образів і обробки інформації.
- Мінськ, 1995. - с.110-113.

8. Nedzved A., Ablameyko S. Thinning of gray scale medical images.// System and signals in Intelligent Technologies. Minsk, 1998. - P.236-240.

9. Недзьведь А.М., Абламейко С.В. Сегментація клітин на гістологічних препаратах для світлової мікроскопії // Зб. мат. доп. 5-й міжнар. конф. по розпізнаванню образів і обробці інформації PRIP-99. - Мінськ, 1999. - Ч. 2. - С. 143-148.

10.Апаратна і програмна підтримка системи обробки і аналізу зображень "BIOSCAN-AT". Налібоцкій Б.В., Недзьведь А.М., Рубенчік А.Я. та ін .// Тез. доп. наук.-техн. конф. з комп'ютерної графіки та анімації. - Мінськ, 1993. - С. 65-68.

11. Недзьведь А.М. Особливості системи пірамідальних нейронів головного мозку поля 10 // Тез. доп. республіканської науч. конф. молодих вчених і студентів "Актуальні проблеми сучасної медицини". - Мінськ: МГМИ, 1997. - С.83-89.

12. Сучасні уявлення про морфогенез герпетичної інфекції. Недзьведь М.К., Фрідман М.В., Недзьведь А.М. та ін. // Інфекція і імунітет: Мат. республіканської наук.-практ. конф., присвяченій 75-річчю БелНІІЕМ. - Мінськ, 1999. - С.309-313.


РЕЗЮМЕ

дисертаційної роботи Недзьведя Олександра Михайловича "Сегментація слабоконтрастних зображень гістологічних об'єктів"

Ключові слова: сегментація, медичні зображення, системи аналізу зображень, математична морфологія, колір, гістологічні об'єкти.

Дисертацію присвячено проблемі сегментації об'єктів на зображеннях гістологічних препаратів. Її метою є розробка алгоритмів, що дозволяють виділити гістологічні об'єкти на зображенні препарату, зберігши геометричні і оптичні властивості об'єкта. Запропоновано класифікацію об'єктів для визначення алгоритму сегментації. Розроблено алгоритм напівтонового утоньшения, що враховує особливості зображень гістологічних препаратів. На основі методів математичної морфології розроблені алгоритми сегментації судин і волокон при дрібному і великому оптичних збільшеннях, а також алгоритм ідентифікації судин і волокон при великому збільшенні, що використовує результати алгоритму сегментації. Розроблено алгоритми сегментації майданних об'єктів (клітин, ядер клітин, поперечного перерізу судин і волокон) методами математичної морфології і об'єднання областей, а також алгоритм визначення клітин на бінарному зображенні, отриманому в результаті порогової сегментації. Для виконання сегментації гістологічних об'єктів на кольорових зображеннях розроблена система координат опису кольору PHS. Представлена ​​система аналізу зображень Bioscan, в якій реалізовані вищеописані алгоритми. Отримані в дисертаційній роботі результати призначені для реалізації в автоматичних системах аналізу гістологічних препаратів і можуть використовуватися при традиційній обробці і аналізі гістологічних об'єктів.

дисертацийнай ПРАЦІ Недзьведзя Аляксандра Мiхайлавiча "Сегментация слабакантрастних вiдарисаў гiсталагiчних аб ¢ ектаў"

Ключавия слова: сегментация, медицинск Iя в iдариси, з iстеми анал iзу в iдариса ў, математичная марфалог Iя, колір, г iсталаг iчния аб ¢ єкти.

Дисертацийная Працюю присвечана праблєми сегментациi аб ¢ ектаў на вiдарисах гiсталагiчних препаратаў. Яе Мета з ¢ яўляецца распрацоўка алгаритмаў, дазваляючих вилучиць гiсталагiчния аб ¢ єкти на вiдарисе препарата, захаваўши геаметричния i аптичния ўласцiвасцi аб ¢ єкта. Прапанавана класiфiкация аб ¢ ектаў для визначення алгаритму сегментациi. Распрацавани алгаритм паўтонавага патанчення, якi ўлiчвае асаблiвасцi вiдарисаў гiсталагiчних препаратаў. На падставе метадаў математичнай марфалогii распрацавани алгаритми сегментациi сасудаўi валокнаў плиг дробовим i буйним аптичним павелiченнi. На падставе алгаритмаў сегментациi распрацавани алгаритм iдентифiкациi сасудаўi валокнаў плиг буйним павелiченнi. Распрацавани алгаритми сегментациi плошчавих аб ¢ ектаў (клетак, ядзер клетак, папярочнага сячення сасудаўi валокнаў) метадамi математичнай марфалогiii аб ¢ яднання абласцей, а таксамо алгаритм визначення клетак на бiнарним вiдарисе, атриманим у винiку парогавай сегментациi. Для виканання сегментациi гiсталагiчних аб'ектаў на калярових вiдарисах распрацавана сiстема каардинат апiсання відтінку PHS. Прадстаўлена сiстема аналiзу вiдарисаўBioscan, у якой реалiзавани вишейапiсания алгаритми. Атримания ў дисертацийнай ПРАЦІ винiкi призначани для реалiзациiў аўтаматичних сiстемах аналiзу гiсталагiчних препаратаўi могуць викаристоўвацца плиг традицийнай апрацоўци i аналiз гiсталагiчних аб'ектаў.


SUMMARY

Dissertation of Nedzved Alexander

"Segmentation of low contrast images of histology objects"

Key words: segmentation, medical images, image analysis systems, mathematical morphology, color, histology objects.

Dissertation is devoted to the problem of object segmentation on histology preparations images. The purpose of research is the elaboration ofimage segmentation algorithms, allowing to must determine histology objects on preparation images, and preserving objects 'geometrical and optical properties. Object classification is proposed for determination of segmentation algorithm. Algorithm of gray thinning was developed for histology images. Algorithm of fibre and vessel segmentation in small and major magnifications has been worked out on the basis of mathematical morphology methods. Algorithm identification of vessels and fibres, that use results of segmentation, was developed. The algorithms of segmentation of the square objects (cells, nuclei, cross-section of fibres and vessels) were developed by the mathematical morphology and merging region methods. The system of coordinates PHS of color description was collaborated for segmentation of histology objects on color images. Image analysis system Bioscan is described. This system uses the algorithms that have been developed in this dissertation. Results of research can be uses for realization on automatic histology image analysis systems and for processing and analyzing histology objects.


Підписано до друку 3.02.2000. Формат паперу 60x84 1/16.

Офсетний друк. Обсяг 1 д.а. Тираж 100 прим. Зак. №9

_________________________________________

Надруковано на різографі Інституту технічної кібернетики

НАН Білорусі. 220012, Мінськ, Сурганова, 6


  • Звязок роботи з великими науковими програмами, темами
  • Мета і завдання дослідження
  • Обєкт і предмет дослідження
  • Методологія і методи проведеного дослідження
  • Наукова новизна отриманих результатів
  • Економічна і практична значущість отриманих результатів
  • Основні положення дисертації, що виносяться на захист
  • Особистий внесок здобувача
  • Апробація результатів дисертації
  • Структура і обсяг дисертації
  • AND p6 ³x OR
  • Статті в збірниках і журналах
  • Тези доповідей і матеріали конференцій

  • Скачати 40.73 Kb.