Выделение границ на рентгенограммах


Скачать 58.11 Kb.
НазваниеВыделение границ на рентгенограммах
Дата публикации09.03.2013
Размер58.11 Kb.
ТипДокументы
referatdb.ru > Астрономия > Документы
ВЫДЕЛЕНИЕ ГРАНИЦ НА РЕНТГЕНОГРАММАХ

Е. В. Лисица

ВВЕДЕНИЕ

Системы автоматизации диагностики широко применяются в про­мышленном производстве и медицине. В качестве перспективной задачи рассматривается создание систем автодиагностики[1].
До настоящего времени большинство рентгенограмм (далее R-грамм) обрабатываются специалистами визуально, так как существующие сис­темы автоматизации имеют существенные недостатки. Полностью авто­матизировать процесс диагностики не удается по причине низкой надеж­ности, что недопустимо при работе с людьми. При частичной автомати­зации предварительно требуется определить размещение опорных точек на изображениях, что требует дополнительного обучения персонала.

В функционировании системы автоматизации имеется два этапа: на первом этапе выделяются границы на изображении, на втором - решает­ся задача классификации. Выделение границ на изображении - ключевая проблема, так как при корректно выделенных границах задача классифи­кации может быть решена с помощью нейронных сетей [3]. В данной ра­боте рассматриваются как задачи выделения границ объектов, так и за­дачи определения опорных точек на рентгенограммах кисти.

^ НАХОЖДЕНИЕ ГРАНИЦ ОБЪЕКТА НА ИЗОБРАЖЕНИИ

При исследовании изображений R-грамм различают два типа задач:

  • нахождение границ исследуемого объекта (в отличие от
    вспомогательных объектов, например букв, обозначающих левую либо
    правую руку);

  • выделение границ составных частей найденного объекта.

РассмотримпервуюзадачудляDICOM (Digital Imaging and Communi­cations in Medicine) иJPEG (Joint Photographic Experts Group) файлов. Изображение форматов DICOMили JPEGпредставляется в среде MAT-LABв системе RGB-координат, причем каждому пикселю красного, зе­лёного и синего цветов выделяется определённое количество бит [2, 4].

Для нахождения объекта на общем фоне используем метод глобального порогового разделения [2], в котором используется гистограмма яркостей пикселей на изображении (рис. 1, б). Для изображения с хорошо отделимы­ми объектами и фоновым режимом, гистограмма имеет два различных пика.

Впадина между двумя пиками определяется как минимум между двумя максимумами, а соответствующее ему значение интенсивности выбирается как порог, который лучше всего разделяет два типа. После перевода изобра­жения в бинарный вид на нём остаётся только искомый объект и обозна­чающие буквы, если они есть. При удалении букв учитывалось, что они за­нимают меньше двух процентов от всей площади изображения.

Несмотря на простоту метода, результаты работы алгоритма порого­вого разделения нельзя назвать удовлетворительными: из 100 просмот­ренных изображений, верный результат был получен только для 75% из них. Для неверно обработанных изображений характерно следующее: на общем чёрном фоне выделяется подложка, а затем на фоне подложки на­ходиться сам объект, из-за этого на гистограмме порог разделения сме-щается в сторону фона, а не искомого объекта. Таким образом, метод глобального порогового разделения пригоден для изображений, где фон подложки и фон всего изображения совпадают, в этом случае все изо­бражения распознаются корректно.













Рис. 1. Метод глобального порогового разделения:

а-исходное изображение, б-гистограмма изображения, в - искомый объект

^ НАХОЖДЕНИЕ ГРАНИЦ ЧАСТЕЙ ОБЪЕКТА

Имея выделенным объект на самом изображении или заданные его границы, можно переходить ко второй части: нахождение границ частей объекта. Зададимся целью выделить внешние и внутренние границы лу­чевой кости и кости предплечья до точки пересечения этих костей. Пер­вый шаг на этом этапе - нахождение стартовых точек. С одной стороны они могут быть заданы вручную, с другой стороны их можно найти, ис­пользуя изложенный выше метод порогового разделения. В данной ра­боте применялся второй метод: строилась гистограмма яркостей пиксе­лей только для найденного объекта, по ней определялось значение поро­говое значение бинаризации, изображение переводилось в двоичный вид, затем для уменьшения шумов удалялись объекты меньшие 30-ти пиксе­лей. По полученным бинарным изображениям находились стартовые точки - основания внутренних и внешних границ искомых объектов. Хо­тя метод порогового разделения и используется для нахождения опорных точек, его нельзя использовать для выделения всей границы объектов, так как границы, выделенные этим методом, ошибочны в области пере­сечения границ костей. Поэтому в дальнейшем для нахождения границ использовался метод выделения перепадов яркости [2].

Если определить изображение как двумерную функцию, то линии конту­ров могут быть рассмотрены в виде областей, в которых яркость изменяется быстрее всего [4]. Заметим, что рядом с каждым перепадом яркости имеется локальный минимум, определяющий границу объекта (рис. 2).





500


600




Рис. 2. Функция интенсивности пикселей

Границей считалось множество точек, обладающих следующим свой­ством: независимо от того, сколь мала выбранная окрестность этих то­чек, она содержит точки как, лежащие внутри множества, так и вне него. Контуром связанного множества пикселейКбудем называть множество всех пикселей из К, каждый из которых имеет, по крайней мере, одного из 8-ми соседей, не принадлежащего К [2]. Точка, выбранная таким обра­зом, удовлетворяет условию принадлежности к границе изображения. Таким образом, выбираем все четыре точки, принадлежащие внутренним и внешним границам лучевой кости и кости предплечья. Совершая обход вдоль контура до пересечения внутренних границ кости предплечья и лучевой кости, находим границы объектов (рис. 3).

Рассмотренный метод проверен для 10 изображений при выделении 40 границ. Результат правильного выделения составил 97,5 %. На рис. 3 изображен единственный случай недостаточно точного выделения одной из границ костей.

line 242



а

О50 100 150 200 250 300 360 400 450 500

Рис. 3. Выделение границ кости предплечья и лучевой кости: а - исходное изображение, б- границы костей, в - графики границ костей

Для снижения влияния шума на выделенных границах использовалась дополнительная аппроксимация функций с помощью искусственных нейронных сетей (ИНС), что облегчает дальнейший анализ. Для аппрок­симации рассмотрено три вида ИНС: RBF-сети, каскадные ИНС, много­слойные персептроны [3].Прежде чем производить аппроксимацию функции, для уменьшения временных и вычислительных затрат прово­дилась центрирование и нормирование значений. Каскадная ИНС имела два слоя, в первом слое которой было пять нейронов с логарифмической активационной функции, второй слой которой содержал один линейный нейрон. Аналогичная структура была у многослойного персептрона.

Более чувствительной к шумам оказалась RBF-сеть, поэтому её ис­пользование для аппроксимации таких функций нецелесообразно. Ре­зультаты, полученные при аппроксимации каскадной нейронной сетью и многослойным персептроном, различаются незначительно, поэтому в случае верного выделения границ возможно использование, как первой, так и второй сети. Однако это отличие становиться существенным при увеличении ошибки выделения границ, так как в этом случае только каскадная ИНС решает задачу аппроксимации.

ЗАКЛЮЧЕНИЕ

В работе показано, что создание автономной системы диагностики возможно только при высокой однородности изображений. В реальных условиях, когда изображения разнородны, задание опорных точек позво­ляет, как выделить границы самого объекта, так и границы внутренних частей объекта. В случае необходимости исправления ошибок в выделен­ных границах можно использовать аппроксимацию нейронными сетями, которая упрощает дальнейший анализ. Полученные результаты могут быть использованы для создания системы автоматической диагностики.

Литература

  1. Fabio J. Ayres, Rangaraj M. Rangayyan. Characterization of Architectural Distortion in
    Mammograms // ШЕЕEngineering in Medicine and Biology. 2005 January. P. 59-67.

  2. Абламейко С. В. Лагуновский Д. М. Обработка изображений: технология, методы,
    применение. Минск: Амалфея. 2000. С. 142-156.

  3. ВishopC. M. Neural Networks for Pattern Recognition. Oxford. 1997. 477 p.

  4. Дьяконов В., Круглов В. Математические пакеты расширения MATLAB. Специ­
    альный справочник. СПб.: Питер. C. 199-217.

Похожие рефераты:

В. А. Бакарасов функции границ при геоэкологическом проектировании...
Г). На основе концепции географических границ раскрыты основные функции границ птг (маркировочная, барьерно-контактная, резервная,...
Эрик Берн
Примечания: такое выделение слов курсив; *такое выделение слов полужирный; [слова в квадратных скобках] примечание
Боо «Мир без границ» – расширяет границы сотрудничества
С. С. Гецевич, сотрудник благотворительного общественного объединения «Мир без границ»
Решение именем Республики Казахстан
Ргп «нпцзем», Турапекову Ерболу Абдраимовичу, Джатакову Тлеубаю Сейдахметовичу и Рахмонбергенову Онгарбаю Жубаткановичу о признании...
Установление границ земельного участка на местности
Такой срок не должен превышать 15 рабочих дней со дня оплаты работ по установлению границ земельного участка на местности
Методические рекомендации по установлению границ агломерации Общие положения
Целью Рекомендаций является методическое обеспечение, рекомендуемая пошаговую последовательность действий по решению задач определения...
Извещение об установлении границ г п. Подсвилье
Глубокский районный исполнительный комитет обращается к гражданам Глубокского района с просьбой высказать свое мнение об установлении...
Пресс-релиз «Мечты сбываются» в «Мире без границ»
Благотворительное общественное объединение «Мир без границ» при участии Министерства труда и социальной защиты Республики Беларусь...
«Победа. Память. Патриотизм.»
Война… Это было очень трудное время. Советский солдат смотрел прямо в глаза смертельной опасности. Его волей, его кровью добыта победа...
В. А. Бакарасов геоэкологические аспекты изучения границ геотехнических систем
Геоэкологические аспекты изучения границ геотехнических систем (на примере осушительной мелиорации)

Вы можете разместить ссылку на наш сайт:
Школьные материалы


При копировании материала укажите ссылку © 2013
контакты
referatdb.ru
referatdb.ru
Рефераты ДатаБаза