ZBIORY POZIOMICOWE I ALGORYTMY INTELIGENCJI OBLICZENIOWEJ DO ANALIZY OBRAZÓW MEDYCZNYCH W SYSTEMIE E-MEDICUS
Tomasz Rymarczyk
tomasz.rymarczyk@netrix.com.plNetrix 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 poziomicowychBibliografia
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
Autorzy
Tomasz Rymarczyktomasz.rymarczyk@netrix.com.pl
Netrix S.A., Research and Development Centernetr Polska
Statystyki
Abstract views: 187PDF downloads: 48
Licencja
Utwór dostępny jest na licencji Creative Commons Uznanie autorstwa – Na tych samych warunkach 4.0 Miedzynarodowe.
Inne teksty tego samego autora
- Tomasz Rymarczyk, Przemysław Adamkiewicz, TOMOGRAFIA IMPEDANCYJNA DO WYZNACZANIA WILGOTNOŚCI W MODELU WAŁU , Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska: Tom 7 Nr 1 (2017)
- Tomasz Rymarczyk, Paweł Tchórzewski, Jan Sikora, WYKRYWANIE SZCZELIN POWIETRZNYCH W CHODNIKU KOPALNI MIEDZI ZA POMOCĄ ELEKTRYCZNEJ TOMOGRAFII IMPEDANCYJNEJ , Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska: Tom 7 Nr 1 (2017)
- Konrad Kania, Tomasz Rymarczyk, METODY DO ANALIZY DETEKCYJNEJ W SYSTEMIE KONTROLI JAKOŚCI , Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska: Tom 8 Nr 3 (2018)
- Tomasz Rymarczyk, Jan Sikora, ROZPRASZANIE PRZEZ PUSTE PRZESTRZENIE KOŁOWE ZE SZTYWNĄ GRANICĄ: PROSTE I ODWROTNE ZAGADNIENIA DLA OBSZARÓW OTWARTYCH I ZAMKNIĘTYCH , Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska: Tom 12 Nr 4 (2022)