Введение к работе
Актуальность темы. Прогресс, достигнутый в последние десятилетия в развитии программно-аппаратных средств представления и обработки информации на базе современных достижений технологий в области микроминиатюризации электронных устройств и вычислительной техники, ставит вопрос о широком применении названных средств в различных сферах человеческой деятельности, в том числе в таких, которые до сих пор слабо поддавались процессу автоматизации из-за возникающих трудноразрешимых проблем. К таким проблемам относятся задачи автоматической обработки визуальной информации в медико-биологических исследованиях, включающих клиническую морфологию человека, гистохимию, электронную микроскопию, рентгеновскую денситометрию, молекулярную биологию и др., где фактический материал, как по объему информации, которую требуется обработать, систематизировать и интерпретировать, так и по содержанию, далеко превышает физические возможности человека.
Особенно остро эти проблемы затрагивают область автоматического анализа биомедицинских изображений на основе аппаратно-программных комплексов (АПК), создание которых становится возможным только на стыке различных наук и областей знаний, таких, как биология, медицина, математика, информатика, электроника. Отличительной стороной автоматической обработки и представления биомедицинских изображений является необходимость предварительного анализа, сжатого описания, определения ориентации, координат, геометрических характеристик и других параметров сегментов полисегментарных изображений на различных фонах, с последующей классификацией объектов сегментированных изображений.
Указанная особенность представления исходной информации привела к необходимости применения для решения задачи распознавания полисегментарных образов и их классификации нейронных сетей (НС), характерными признаками которых являются универсальность, способность к обучению и, что очень важно для решаемой задачи, создание условий для параллельной обработки большого объема цифровой или аналоговой информации в условиях априорной неопределённости о типе, положении и ориентации объекта на рецепторном поле (поле зрения видео датчика).
Актуальность темы диссертационной работы определяется дальнейшим ростом потребности в автоматической обработке визуальной медико-биологической информации на основе развития методико-
алгоритмической базы и совершенствования программно-аппаратных средств.
Цель диссертационной работы состоит в исследовании существующего и разработка нового методического, алгоритмического, программного обеспечения и систем распознавания и классификации полисегментарных изображений для решения задач медико-биологического применения на базе современных технических средств в интересах объективизации диагностики и повышения производительности труда медицинского персонала.
Для достижения поставленной цели в диссертации сформулированы и решены следующие задачи:
анализ и теоретическое обоснование решения задачи сегментации и фрагментации биомедицинских изображений с использованием архитектуры НС;
разработка методов анализа и синтеза признаковых комплексов сегментов, фрагментов и объектов полисегментарных биомедицинских изображений с учётом особенностей применения нейросетевого классификатора;
разработка адаптивных методов считывания информации с рецепторного поля и формирования комплекса признаков, инвариантных к преобразованиям полисегментарных изображений на базе НС;
разработка автоматизированной системы обработки биомедицинских изображений с использованием архитектуры НС;
разработка методик обработки, опознавания и классификации полисегментарных гистологических, рентгенологических, ультразвуковых изображений на базе разработанных методов и алгоритмов опознавания и классификации биомедицинских изображений с учётом современных требований к формированию автоматизированного рабочего места врача.
Методы исследования. В работе использованы методология системного анализа и искусственного интеллекта, в том числе теории НС, математический аппарат теории вероятностей, теории случайных процессов, математической статистики, методы машинного моделирования, планирования эксперимента и обработки экспериментальных данных. Экспериментальные исследования выполнены с использованием методов имитационного моделирования на основе стандартных и вновь разработанных пакетов прикладных программ на автоматизированных рабочих местах врачей.
Научные положения, выносимые на защиту. 1. Метод описания полисегментарных изображений на основе комплекса признаков с целью решения задач дискриминации полисегментарных
изображений на базе нейросетевого классификатора, позволяющие детерминировать семантически значимые сегменты, фрагменты и объекты биомедицинских изображений, используя минимум априорных знаний об анализируемых изображений. 2. Методы предварительной обработки полисегментарных биомедицинских изображений применительно к нейросетевой дискриминации полисегментарных изображений, что дает возможность выделить признаковые комплексы синтезированных изображений в условиях снижения уровня априорной информации об исходных объектах исследования. Новые научные результаты, подтверждающие эти положения:
предложены и теоретически обоснованы методы описания и предварительного анализа полисегментарных биомедицинских изображений на базе нейросетевого классификатора, позволяющие выделять и анализировать комплексы признаков синтезированных полисегментарньгх изображений при существенном снижении уровня априорной информации по сравнению с известными методами;
предложен и исследован адаптивный принцип радиально-кругового считывания информации и формирования комплекса признаков, инвариантных к преобразованиям исходного изображения;
разработан метод иерархической обработки, опознавания и классификации полисегментарных биомедицинских изображений на базе нейросетевой дискриминации сегментов, фрагментов и объектов полисегментарньгх изображений;
разработан метод нейросетевой фрагментации полифрагментарных биомедицинских изображений, который обладает большей помехоустойчивостью по сравнению с известными методами аналогичного применения.
Практическую ценность работы составляют:
метод описания полисегментарных биомедицинских изображений в пространстве признаков для решения задачи нейросетевой дискриминации;
метод синтеза и анализа признаковых комплексов (пространства признаков) полисегментарных биомедицинских изображений применительно к нейросетевому классификатору;
методики автоматизированной обработки полисегментарных гистологических, рентгенологических и ультразвуковых изображений;
разработанная на основе теоретических исследований автоматизированная система обработки изображений (АСОИЗ) "Нейронное зрение".
Внедрение результатов. Методы обработки полисегментарных медицинских изображений на базе нейросетевой дискриминации и методы анализа признаковых комплексов синтезированных полисегментарных изображений составили основу для создания АСОИЗ "Нейронное зрение". Созданная система существенно расширяет возможности исследователей при использовании ее в цитологии, гематологии, гистологии, рентгенологии и др. научных направлениях, связанных с анализом изображений, и значительно экономит трудозатраты при выполнении потока стандартных операций над изображениями.
АСОИЗ «Нейронное зрение» находится в эксплуатации на трех отделениях РосНИИ ТО им. Р.Р.Вредена, в Городской инфекционной больнице №30 им. СП.Боткина, в Сакнкт-Петербургской Государственной медицинской академии им. И.И.Мечникова, в Медицинской Ассоциации «Меди».
Апробация работы. Результаты работы докладывались и обсуждались на конференции по АСОИЗ (ЛЭТИ им. В.И.Ульянова (Ленина), 1991), на обществе патологоанатомов (1995), на семинарах кафедры БМЭ и ОС СПб ТЭТУ (1998), опубликованы в трудах Международной научной конференции «Интеллектуальные системы и информационные технологии управления» ИСИТУ-2000-Б&1ТС (г. Псков, 2000). АСОИЗ "Нейронное зрение" экспонировалась на международных выставках "Больница-92", "Больница-93", на выставках-конкурсах в 1-ом Медицинском Институте в 1992,1993 годах. По результатам выставки 1992 года имеется диплом за лучшее программное внедрение в области медицины в 1992 г.
Публикации. По теме диссертации опубликовано 16 научных работ, в том числе 9 статей, 3 доклада, 1 методическое пособие, 2 тезисов докладов и 1 авторское свидетельство на изобретение.
Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы, включающего 81 наименование, и одного приложения. Основная часть работы изложена на 124 страницах машинописного текста. Работа содержит 25 рисунков и 7 таблиц.
