ПРИКАСПИЙСКИЙ ЖУРНАЛ
УПРАВЛЕНИЕ И ВЫСОКИЕ ТЕХНОЛОГИИ
Методы и алгоритмы анализа рентгенограмм грудной клетки, использующие локальные окна в задачах обнаружения патологий
 |
Читать | Малютина И.А., Кузьмин А.А., Шаталова О.В. Методы и алгоритмы анализа рентгенограмм грудной клетки, использующие локальные окна в задачах обнаружения патологий // Прикаспийский журнал: управление и высокие технологии. — 2017. — №3. — Стр. 131-138. |
/131-138.jpg)
Малютина И.А. - аспирант, Юго-Западный государственный университет, 305004, Российская Федерация, г. Курск, ул. Челюскинцев, 19Б, Irina92_2010@mail.ru
Кузьмин А.А. - кандидат технических наук, доцент, Юго-Западный государственный университет, 305004, Российская Федерация, г. Курск, ул. Челюскинцев, 19Б, ku3bmin@gmail.com
Шаталова О.В. - кандидат технических наук, доцент, Юго-Западный государственный университет, 305004, Российская Федерация, г. Курск, ул. Челюскинцев, 19Б, shatРѕlg@mail.ru
Предложены методы и алгоритмы классификации изображений на рентгенограммах грудной клетки, основанные на анализе локальных окон изображения. На первом иерархическом уровне анализа в локальных окнах формируются «слабые» классификаторы, построенные на основе двух подходов к анализу данных. Подход к построению «слабого» классификатора по первому методу основан на анализе амплитудных спектров Фурье в скользящем окне. Рентгеновское изображение последовательно сканируется окнами различного масштаба. В каждом окне определяется амплитудный спектр Фурье, на основе которого строят «слабый» классификатор. Он относит фрагмент изображения, попавшего в скользящее окно, к определенному классу. Второй метод построения «слабого» классификатора основан на использовании дескрипторов, полученных в результате аппроксимации гистограмм яркости в окне анализа. «Слабых» классификаторов, основанных на двух методах анализа, получают столько, сколько масштабов окон анализа было выбрано. На втором иерархическом уровне проведения анализа объединяются решения «слабых» классификаторов в рамках каждого метода анализа первого иерархического уровня путем построения сильного классификатора. Окончательное решение «принимает» финальный классификатор, агрегирующий решения двух сильных классификаторов второго иерархического уровня. Достоинством такого подхода является объединение преимущества методов, основанных на анализе энергетических и структурных свойств локальных окон.
Ключевые слова: рентгенограмма грудной клетки, классификатор, окно анализа, гистограмма яркости, двумерный спектр Фурье, агрегатор решений, алгоритмы, программное обеспечение, chest radiograph, classifier, analysis window, brightness histogram, two-dimensional Fourier sp