Архив публикаций

Тезисы

XX-ая конференция

Метод определения объектов для медицинских рентгенографических изображений

Демяненко Я.М., Михайличенко А.А., Чердынцева М.И.

Южный федеральный университет, ф-т математики, механики и компьютерных наук, каф.ПМП, Россия, 344000, Ростов-на-Дону, ул.Мильчакова, 8а, к.210, тел: +7(863)2975114, dem@math.sfedu.ru, maric@math.sfedu.ru

Медицинские изображения, в частности рентгенографические снимки, обладают выраженной спецификой, которая обусловлена наличием стандартов на проведение исследований, а также относительной предсказуемостью взаимного расположения и формы объектов, составляющих сцену данного изображения. Это позволяет использовать узкоспециальные методы обработки изображений, неприменимые для произвольных изображений.

В общем случае вариативность формы и других характеристик распознаваемого класса объектов затрудняет определение. При распознавании медицинских изображений такая вариативность не только затрудняет детектирование объекта в целом, но и сама по себе подлежит распознаванию, а также количественной и качественной оценке. Наиболее важной задачей обработки медицинских изображений является диагностика. В связи с этим, обнаружение и оценка отклонений рассматриваемого объекта от некоей «нормы» являются важнейшими диагностическими критериями.

Входными данными решаемой задачи являются: полутоновое изображение, содержащее рентгенографический снимок, априорные сведения о классе изображения, сведения о принадлежности пациента к определенной группе по полу и возрасту.

В качестве решения задачи авторами предлагается метод, использующий алгоритм Кенни для выделения краев изображения, алгоритм получения непрерывных контуров изображения, модифицированный метод активных контуров для уточнения правильных границ.

Литература

1. J. Shotton J., A. Blake A., R. Cipolla R. Multi-scale categorical object recognition using contour fragments // IEEE Transactions on Pattern Analysis and Machine Intelligence. 30, 7. (2008). P. 1270 – 1281.

2. S. Zheng, Z. Tu, A.L. Yuille. Detecting object boundaries using low-, mid- and high-level information. In proceedings CVPR 2007. (CDROM - paperless proceedings). 18-23 June. 2007.

3. Xiang Bai, Xingwei Yang, Longin Jan Latecki. Detection and recognition of contour parts based on shape similarity. Pattern Recognition. 41. (2008) 2189– 2199.

• открыть в PDF формате (на русском языке) (PDF)