Метод распознавания изображений гистологических препаратов

УДК 004.896(06) Интеллектуальные системы и технологии
О.А. МИШУЛИНА, ВИН ТХЕЙ
Московский инженерно-физический институт (государственный университет)
МЕТОД РАСПОЗНАВАНИЯ ИЗОБРАЖЕНИЙ ГИСТОЛОГИЧЕСКИХ ПРЕПАРАТОВ В ЗАДАЧАХ МЕДИЦИНСКОЙ ДИАГНОСТИКИ
В докладе предлагается новый подход к выбору вектора информативных признаков
для решения задачи классификации изображений гистологических препаратов. Подход
основан на построении секущих прямых линий на изображении и расчете двумерной
таблицы частот для объектов, выделенных вдоль построенных прямых. Приводятся результаты экспериментальных исследований, демонстрирующие эффективность использования предложенного вектора признаков для распознавания изображений.
Изображения, рассматриваемые в данной работе, получены видеосъемкой
через микроскоп гистологических препаратов щитовидной железы человека,
пораженной опухолевой тканью. Для разных типов новообразований изображения гистологических препаратов имеют различные характеристики, по форме объектов и их цветовому наполнению.
Традиционный подход к решению задачи распознавания изображений рассматриваемого типа основан на предварительной сегментации изображения и
расчете статистических показателей выделенных объектов по размерам, форме
и цвету. Далее задача распознавания решается одним из известных методов с
использованием построенного вектора статистических показателей изображения. Этот подход сложен с алгоритмической точки зрения (сегментация изображений) и требует выполнения большого объема вычислений.
В работе предлагается новый подход к выбору вектора информативных
признаков для решения задачи классификации изображений гистологических
препаратов. Подход характеризуется алгоритмической простотой и ограниченным объемом необходимых вычислений. В данной работе рассматриваются
полутоновые изображения, но без труда предлагаемый подход может быть
обобщен на цветные изображения.
Новый подход к построению вектора признаков изображения основан
на теоретическом положении [1], которое состоит в том, что статистическое описание изображения может быть получено в результате статистического анализа функции интенсивности тона множества секущих линий
изображения. Для каждой секущей линии решается алгоритмически простая задача одномерной сегментации и строится таблица частот распределения длин объектов на разных уровнях яркости по всему множеству сеISBN 5-7262-0633-9. НАУЧНАЯ СЕССИЯ МИФИ-2006. Том 3
156
УДК 004.896(06) Интеллектуальные системы и технологии
кущих линий изображения. Сегментация основана на использовании оптимального линейного дискретного дифференциатора одномерных данных.
Обозначим T (i, j ) абсолютную частоту попадания объектов на секущих линиях в интервал i по длине и интервал j по яркости,
i  1, Д , j  1, Я . Допустим, что общее число обнаруженных объектов
равно N0. Тогда матрица Pтек={Pij(тек), i  1, Д , j  1, Я } для анализируемого изображения может использоваться как набор информативных
признаков для задачи распознавания.
Распознавание изображения гистологического препарата производится на
основе набора "эталонных" изображений для разных типов новообразований.
Эталоны получены в результате экспертных заключений специалистов. Статистические свойства эталонных изображений описаны матрицами частот
той же структуры, что и для текущих изображений: Pэт={Pij(эт),
i  1, Д , j  1, Я }.
Различие
Qk между признаками рассматриваемого изображения Pтек и
k
k-ого эталонного изображения Pэт рассчитывается по формуле:
L

Я
2

Qk   Pij ( тек )  P ( эт ) .
i 1 j 1
k
ij
В работе представлены результаты экспериментальных исследований
по чувствительности показателя Qk к различию типов текущего и эталонного изображений и на их основе сделан вывод относительно дискриминантных свойств предложенного критерия.
Список литературы
1. Тихонов В.И. Выбросы случайных процессов. М.: Наука, 1970. 392 с.
2. Денисов Д.А., Низовкин В.А. Сегментация изображения на ЭВМ // Зарубежная радиоэлектроника. 1985. № 10. С. 5–30.
3. Бакут П.А., Колмогоров Г.С. Сегментация изображений: методы выделения границ
областей // Зарубежная радиоэлектроника. 1987. № 10. C. 25 – 47.
4. Rafael C. Gonzalez, Richard E. Woods.,Digital Image Processing. Wesley Publishing
Company, Inc. U.S.A, 1993.
5. http://www.cs.bham.ac.uk/Mirrors/ftp.de.uu.net/EC/clife/www/Q21.htm
ISBN 5-7262-0633-9. НАУЧНАЯ СЕССИЯ МИФИ-2006. Том 3
157