ZBIORY POZIOMICOWE I ALGORYTMY INTELIGENCJI OBLICZENIOWEJ DO ANALIZY OBRAZÓW MEDYCZNYCH W SYSTEMIE E-MEDICUS

Tomasz Rymarczyk

tomasz.rymarczyk@netrix.com.pl
Netrix S.A., Research and Development Centernetr (Polska)

Abstrakt

W artykule zostały zaimplementowane metody do analizy i segmentacji obrazów medycznych przy użyciu algorytmów topologicznych, statystycznych i technik sztucznej inteligencji. Rozwiązanie przedstawia architekturę systemu do gromadzenia i analizy danych. Opracowano algorytmy oparte na metodzie zbiorów poziomicowych (MZP) jako odcinkowo stałą segmentację obrazu. Algorytmy te są potrzebne do identyfikacji dowolnej liczby faz dla problemu segmentacji, która odnosi się do procesu dzielenia cyfrowego obrazu w różnych regionach. Metoda używana jest zwykle do lokalizacji obiektów i brzegów w obrazach. W pracy przedstawiono również algorytm do analizy obrazów medycznych z wykorzystaniem sieci neuronowej MLP.


Słowa kluczowe:

segmentacja, analiza obrazów, metoda zbiorów poziomicowych

Argenziano G., Soyer P.H., De Giorgi V., Piccolo D.: Interactive atlas of dermatoscopy, EDRA 2000.
  Google Scholar

Balla-Arabe S., Gao X.: A Fast and Robust Level Set Method for Image Segmentation Using Fuzzy Clustering and Lattice Boltzmann Method, IEEE Trans Cybern. 43(3), 2013.
  Google Scholar

Braun R. P., Rabinovitz H. S.: Dermoscopy of pigmented skin lesions, J Am Acad Dermatol, 52, 2005, 109-121.
  Google Scholar

Gdula A., Rymarczyk T.: Application Computational Algorithms for Analysis of Dental Image, WD 2015.
  Google Scholar

Jajuga K.: Statystyczna teoria rozpoznawania obrazów, PWN, Warszawa 1990.
  Google Scholar

Johr R.H.: Dermoscopy: Alternative melanocytic algorithms-the ABCD rule of dermatoscopy, Menzies scoring method, and 7-point checklist. Clin. DermC.atol. 2002.
  Google Scholar

Kamińska J., Winciorek G.: Dermatologia cyfrowa, Cornetis 2008.
  Google Scholar

Kurzyński M.: Rozpoznawanie obiektów. Metody statystyczne, Oficyna Wydawnicza Politechniki Wrocławskiej, Wrocław 1997.
  Google Scholar

Li C., Kao C., Gore J.C., Ding Z.: Minimization of Region-Scalable Fitting Energy for Image Segmentation, IEEE Trans. Image Processing, vol. 17 (10), 2008, 1940-1949.
  Google Scholar

Mumford D., Shah J.: Optimal approximation by piecewise smooth functions and associated variational problems. Comm. Pure Appl. Math., 42, 1989, 577–685.
  Google Scholar

Osher S., Fedkiw R.: Level Set Methods and Dynamic Implicit Surfaces, Springer, New York 2003.
  Google Scholar

Osher S., Sethian J.A.: Fronts Propagating with Curvature Dependent Speed: Algorithms Based on Hamilton-Jacobi Formulations. Journal of Computational Physics, 79, 1988, 12–49.
  Google Scholar

Ossowski S.: Sieci neuronowe do przetwarzania informacji, Politechnika Warszawska, Warszawa 2006.
  Google Scholar

Osowski S., Markiewicz T., Kruk M., Kozłowski W.: Metody sztucznej inteligencji do wspomagania diagnostyki patologii tkanek, WAT, Warszawa 2011.
  Google Scholar

Rymarczyk T.: Characterization of the shape of unknown objects by inverse numerical methods, Electrical Review, 7b/2012, 138–140.
  Google Scholar

Rymarczyk T., Osior K.: E-Medicus System for Analysis and Images Segmentation, IIPhWD 2013.
  Google Scholar

Rymarczyk T., Filipowicz S.F., Sikora J., Polakowski K.: A piecewise-constant minimal partition problem in the image reconstruction, Przegląd Elektrotechniczny, 12/2009, 141–143.
  Google Scholar

Sadowski T, Rymarczyk T.: Method for Segmentation Medical Images of Thorax and Detecting Anomalies, WD2014, 2014.
  Google Scholar

Sethian J.A.: Level Set Methods and Fast Marching Methods, Cambridge University Press, 1999.
  Google Scholar

Stąpor K.: Metody klasyfikacji obiektów w wizji komputerowej. Wydawnictwo Naukowe PWN, Warszawa 2011.
  Google Scholar

Stolz W., Braun-Falco O.: Color atlas of dermatoscopy, Blackwell Science, 1994.
  Google Scholar

Vese L. Chan T.: A new multiphase level set framework for image segmentation via the Mumford and Shah model, CAM Report 01-25, UCLA Math. Dept., 2001.
  Google Scholar

Xiong G., Zhou X., Ji L., Bradley P., Perrimon N., Wong S.: Automated Segmentation of Drosophila RNAi Fluorescence Cellular Images using Deformable Models, IEEE Transactions on Circuits and Systems, Vol. 53, No. 11, 2006, 2415–2424.
  Google Scholar


Opublikowane
2017-03-03

Cited By / Share

Rymarczyk, T. . (2017). ZBIORY POZIOMICOWE I ALGORYTMY INTELIGENCJI OBLICZENIOWEJ DO ANALIZY OBRAZÓW MEDYCZNYCH W SYSTEMIE E-MEDICUS. Informatyka, Automatyka, Pomiary W Gospodarce I Ochronie Środowiska, 7(1), 63–67. https://doi.org/10.5604/01.3001.0010.4585

Autorzy

Tomasz Rymarczyk 
tomasz.rymarczyk@netrix.com.pl
Netrix S.A., Research and Development Centernetr Polska

Statystyki

Abstract views: 147
PDF downloads: 39