Дослідження ключових компонентів кольорових зображень гістологічних зрізів. Розробка проблемно-орієнтованих операторів кросинговеру і мутації для еволюційного методу на базі генетичного програмування з мережевою структурою представлення хромосом.
Слід зазначити, що існуючі моделі, алгоритми та розроблені на їх основі інструментальні засоби використовують підстроювання значень параметрів і послідовностей операторів обробки зображень вручну, що, як правило, призводить до зниження якості обробки та сегментації зображень. Для досягнення поставленої мети необхідно вирішити такі основні задачі: - провести аналіз кольорових зображень гістологічних зрізів, виділити їх типові компоненти і визначити особливості, з урахуванням яких виконати математичну постановку задачі обробки кольорових зображень гістологічних зрізів; Для вирішення поставленого завдання запропанована покрокова процедура обробки зображення: , (1) де Mn - проміжне зображення на n-му етапі обробки; - операція обробки зображення (ООЗ); PS - набір значень параметрів ООЗ; n - номер операції обробки зображення (ООЗ), що здійснюється послідовно; i - порядковий номер ООЗ з набору доступних; Nn - набір проміжних зображень, що отримані на попередніх кроках та на базі яких будується зображення Mn: . Функція F2 визначається шляхом порівняння сегментованого зображення Mk із зображенням з навчальної вибірки Gl: , (9) де D - міра відмінності між еталоном Gl і зображенням Mk: . Для вирішення задачі сегментації зображень гістологічних зрізів запропоновано кожен ген представити у вигляді: , (17) де propj - стандартна операція обробки зображення, rpj - вектор вхідних площин, wpj - вектор вихідних площин, paramj - вектор параметрів операції обробки зображення.У дисертаційній роботі подано нове рішення актуальної наукової задачі створення інструментальних засобів обробки зображень гістологічних зрізів, побудованих на основі еволюційних моделей. Створені засоби дозволяють підвищити достовірність виявлення змін внутрішніх органів при онкологічних захворюваннях і прискорити процес обробки препаратів, а також розширюють можливості профілактики і запобігання появі злоякісних новоутворень. Розроблено метод на базі модифікованого генетичного алгоритму, який дозволяє визначати раціональні значення параметрів сегментації кольорових зображень гістологічних зрізів, що підвищує ефективність алгоритму обробки і сегментації зображень гістологічних зрізів порівняно з відомими методами у середньому на 23%. Запропоновано метод на основі генетичного програмування, для якого з урахуванням особливостей обєкту дослідження розроблено мережеву структуру представлення хромосом, що дозволяє розширити можливості і підвищити точність обробки і сегментації зображень гістологічних зрізів у середньому на 17%.
Вывод
кольоровий гістологічний кросинговер мережевий
У дисертаційній роботі подано нове рішення актуальної наукової задачі створення інструментальних засобів обробки зображень гістологічних зрізів, побудованих на основі еволюційних моделей. Створені засоби дозволяють підвищити достовірність виявлення змін внутрішніх органів при онкологічних захворюваннях і прискорити процес обробки препаратів, а також розширюють можливості профілактики і запобігання появі злоякісних новоутворень.
При проведенні досліджень отримані наступні основні результати: 1. На основі аналізу кольорових зображень гістологічних зрізів виділено їх типові компоненти, сформульовано математичну постановку задачі.
2. Розроблено метод на базі модифікованого генетичного алгоритму, який дозволяє визначати раціональні значення параметрів сегментації кольорових зображень гістологічних зрізів, що підвищує ефективність алгоритму обробки і сегментації зображень гістологічних зрізів порівняно з відомими методами у середньому на 23%.
3. Запропоновано метод на основі генетичного програмування, для якого з урахуванням особливостей обєкту дослідження розроблено мережеву структуру представлення хромосом, що дозволяє розширити можливості і підвищити точність обробки і сегментації зображень гістологічних зрізів у середньому на 17%.
4. Розроблено проблемно-орієнтований оператор кросинговера на основі значення коефіцієнта несумісності, що забезпечує збільшення швидкості збіжності еволюційного процесу і підвищення точності сегментації у середньому на 28% та 7% відповідно.
5. Для модифікованого генетичного алгоритму і розробленої еволюційної програми визначено раціональні значення параметрів: потужність популяцій, кількість поколінь, вірогідність кросинговера і мутації, що забезпечують визначення ефективних значень обраних критеріїв.
6. Розроблено інструментальні засоби, які побудовані на основі еволюційних моделей, що ведуть до поліпшення ефективності обробки зображень гістологічних зрізів.
7. Розроблені інструментальні засоби обробки зображень гістологічних зрізів і практичні рекомендації передані у відділення патологічної анатомії Донецького обласного клінічного територіального медичного обєднання і використовуються при діагностиці ракових захворювань. Отримані в роботі результати можуть застосовуватися також для обробки різних зображень без перебудови внутрішньої структури.
8. Результати, отримані в дисертаційній роботі, використані в науково-дослідницьких роботах ДВНЗ “Донецький національний технічний університет” Н-3-07, Д-11-07, а також в навчальному процесі кафедри “Автоматизовані системи управління” ДВНЗ “Донецький національний технічний університет”.
Список литературы
1. Скобцов Ю.А., Мартыненко Т.В., Белявцев А.А. Обработка изображений гистологических срезов и распознавание опухолевых клеток // Зб. наук. пр. ДОННТУ. Серія: Обчислювальна техніка та автоматизація, випуск 74. - Донецьк: ДОННТУ. - 2004. - С. 160-165.
2. Мартыненко Т.В. Сегментация и классификация цветных изображений гистологических срезов // Зб. наук. пр. ДОННТУ. Серія: Обчислювальна техніка та автоматизація, випуск 107. - Донецьк: ДОННТУ. - 2006. - С. 104-110.
3. Скобцов Ю.А., Мартыненко Т.В. Адаптивная сегментация цветных изображений гистологических срезов на основе эволюционных моделей // Моделювання та керування станом еколого-економічних систем регіону, випуск 3. - Національна Академія Наук України. - 2006. - С. 258-266.
4. Скобцов Ю.А., Мартыненко Т.В. Построение эффективных алгоритмов обработки и распознавания изображений гистологических срезов на основе эволюционных моделей // Вестник Херсонского национального технического университета, №4(27). - 2007. - С. 43-48.
5. Скобцов Ю.А., Мартыненко Т.В., Гульков Ю.К., Белявцев А.А. Обработка изображений гистологических срезов и распознавание опухолевых клеток // Матеріали ІІ науково-практичної конференції “ДОНБАС-2020: наука і техніка-виробництву”, - Донецьк: ДОННТУ. - 2004. - С. 566-569.
6. Скобцов Ю.А., Мартыненко Т.В. Адаптивная сегментация цветных изображений гистологических срезов на основе генетических алгоритмов // Інтелектуальні системи прийняття рішень та прикладні аспекти інформаційних технологій: Матеріали міжнародної наукової конференції. Том 1. - Херсон: Видавництво Херсонського морського інституту, 2005. - С. 192-195.
Размещено на .ru
Вы можете ЗАГРУЗИТЬ и ПОВЫСИТЬ уникальность своей работы
