Методи і засоби опрацювання біомедичних зображень в системах автоматизованої мікроскопії

Abstract

У дисертаційній роботі на основі отриманих теоретичних та експериментальних досліджень розв’язано актуальну наукову задачу побудови методів кількісної оцінки якості сегментації та класифікації біомедичних зображень, які на відміну від існуючих зменшують похибки сегментації та збільшують точність класифікації зображень в системах автоматизованої мікроскопії. У дисертації вперше розроблено метричний метод кількісної оцінки якості сегментації, що базується на використанні метрик Громова-Хаусдорфа та Громова-Фреше, що дозволяє підвищити точність оцінки якості сегментації. Вперше розроблено метод автоматичного вибору алгоритмів сегментації та їх параметрів з використанням бази знань, що дало можливість автоматично вибирати алгоритми сегментації та їх параметри. З метою покращення якості гістологічних і цитологічних зображень вдосконалено метод адаптивного покращення якості зображень на основі правил, підібраних експериментальним шляхом. З метою підвищення точності класифікації біомедичних зображень отримав подальший розвиток нейромережевий метод класифікації гістологічних і цитологічних зображень, на основі комбінації згорткових і субдискретизуючих шарів та їх вхідних параметрів, що дозволило підвищити точність класифікації порівняно із існуючими класифікаторами. Для реалізації та тестування розроблених методів і алгоритмів розроблено гібридну інтелектуальну систему «HIAMS». Система передбачає наявність адаптивних інтерфейсів для різних типів користувачів, наявність механізму спільного доступу до зображень для пришвидшення процесу постановки діагнозу. В диссертационной работе на основе полученных теоретических и экспериментальных исследований решено актуальную научную задачу построения методов количественной оценки качества сегментации и классификации биомедицинских изображений, которые в отличие от существующих уменьшают погрешности сегментации и увеличивают точность классификации изображений в системах автоматизированной микроскопии. В диссертации впервые разработан метрический метод количественной оценки качества сегментации, основанный на использовании метрик Громова- Хаусдорфа и Громова-Фреше, что дает возможность повысить точность оценки качества сегментации. Впервые разработан метод автоматического выбора алгоритмов сегментации и их параметров с использованием базы знаний, что дало возможность автоматически выбирать алгоритмы сегментации и их параметры. С целью улучшения качества гистологических и цитологических изображений усовершенствован метод адаптивного улучшения качества изображений на основе правил, подобранных экспериментальным путем. С целью повышения точности классификации биомедицинских изображений получил дальнейшее развитие нейросетевой метод классификации гистологических и цитологических изображений, на основе комбинации сверточных и субдискретизуючих слоев и их входных параметров, что дало возможность повысить точность классификации по сравнению с существующими классификаторами. Для реализации и тестирования предложенных методов и алгоритмов разработано гибридную интеллектуальную систему «HIAMS». Система предусматривает наличие адаптивных интерфейсов для различных типов пользователей, наличие механизма совместного доступа к изображениям для ускорения процесса постановки диагноза. The dissertation is aimed to solve the scientific problem of constructing the methods for quantitative evaluation of biomedical image segmentation and classification. In the first chapter of the dissertation, the researcher analyzed the existing methods and algorithms of image processing at low, medium and high levels of computer vision. Both the advantages and disadvantages were analyzed and the efficient algorithms for biomedical image processing were developed. The analysis of biomedical images was conducted on the basis of the developed criteria, which allowed analyzing the histological and cytological images of breast pre-cancerous and cancerous conditions. The importance of histological and cytological image processing in automated microscopy systems was confirmed. Automated microscopy systems and their modifications were analyzed, their advantages and disadvantages were highlighted, and the lack of image intellectual processing was revealed. In the second chapter, a metric method for quantitative evaluation of the segmentation quality based on the Gromov-Hausdorff and Gromov-Frechet metrics has been developed, which allows improving the accuracy of segmentation quality evaluation. The method of automatic selection of segmentation algorithms and their parameters using the knowledge base was developed. This helps to improve the quality of cytological and histological image segmentation. To improve the biomedical image quality, an adaptive image processing method has been revised. In the third chapter, the method of histological and cytological image classification in order to improve the accuracy of the biomedical image classification was developed. The method of classification is based on combinations of convolutional and sub-sampling layers and their input parameters. This approach has shown better results than the existing classifiers. The generalized structure of the hybrid intelligent system of automated microscopy that includes alternative channels of image processing has been developed. For the implementation and testing of developed methods and algorithms, the hybrid intelligent system "HIAMS" was developed, which is presented in the fourth chapter. The system assumes the availability of adaptive interfaces for various types of users: a treating doctor, diagnostic doctor, and administrator. As a result of the comparative analysis of automated microscopy systems, it was concluded that the developed system meets all the software requirements and can be successfully used in the modern telemedicine systems.