Методы сегментации новообразований головного мозга

Данное исследование преследует основную задачу поиска оптимального метода сегментации для выявления новообразований головного мозга. Для этого были выбраны основные методы из каждой группы: из стохастических – метод кластерного анализа k-средних, из структурных – морфологический, из смешанных – метод наращивания регионов. Исследование проводилось на основании медицинских изображений головного мозга. Отсегментировав изображения, нужно выявить наилучший результат. Результат должен быть обоснован. В результате исследования эффективным методом оказался метод наращивания регионов. Точность метода доказана благодаря статистическому и дисперсионному анализам. Точность сегментации метода наращивания регионов равна 87%.

Введение ………………………………………………………………………………………………. 11

1 Обзор литературы ……………………………………………………………………………. 14

2 Анализ методов сегментации ……………………………………………………………. 16

a. Морфологический метод сегментации ……………………………………………. 16

b. Сегментация методом кластеризации k-mean ………………………………….. 24

c. Метод наращивания регионов (region growing) ……………………………….. 31

3 Статистический анализ …………………………………………………………………….. 37

3.1 Определение точности …………………………………………………………………… 37

3.2 Чувствительность и специфичность …………………………………………….. 39

3.3 Определение распределения выборки ………………………………………….. 41

3.4 Дисперсионный анализ ……………………………………………………………….. 43

3.5 Линейная регрессия. Построение ROC-кривых. ………………………………. 45

Вывод по разделу ……………………………………………………………………………….. 50

4 Предобработка изображений с целью повышения точности сегментации
4.1 Определение точности для расширенной выборки ………………………… 52

4.2 Улучшение точности ………………………………………………………………….. 56

4.3 Определение точности, чувствительности и специфичности …………. 58

4.4 Определение распределения выборки ………………………………………….. 59

4.5 Дисперсионный анализ расширенной выборки после фильтрации …. 61

Вывод по разделу ……………………………………………………………………………….. 62

5 Финансовый менеджмент, ресурсоэффективность и ресурсосбережение 64

5.1 Организация и планирование работ ………………………………………………… 66

5.1.1 Продолжительность этапов работ ……………………………………………… 67
5.2 Расчет сметы затрат на выполнение проекта ……………………………………. 70

5.2.1 Расчет затрат на материалы ………………………………………………………. 71

5.2.2 Расчет заработной платы ……………………………………………………….. 72

5.2.3 Расчет затрат на социальный налог ……………………………………………. 73

5.2.4 Расчет затрат на электроэнергию ………………………………………………. 73

5.2.5 Расчет прочих расходов ……………………………………………………………. 74

5.2.6 Расчет общей себестоимости разработки …………………………………… 74

5.2.7 Расчет прибыли ……………………………………………………………………….. 75

5.2.8 Расчет НДС ……………………………………………………………………………… 75

5.2.9 Цена разработки НИР……………………………………………………………….. 76

5.3 Оценка экономической эффективности ………………………………………… 76

5.4 Общий вывод по разделу …………………………………………………………….. 76

6. Социальная ответственность …………………………………………………………….. 80

6.1 Правовые и организационные вопросы обеспечения безопасности …… 80

6.2 Производственная безопасность ………………………………………………….. 85

6.3 Экологическая безопасность ……………………………………………………….. 98

6.4 Безопасность в чрезвычайных ситуациях ……………………………………. 100

Вывод по разделу «Социальная ответственность» …………………………………. 102

Заключение …………………………………………………………………………………………. 103

Список публикаций студента ……………………………………………………………….. 104

Список использованных источников …………………………………………………….. 105

Приложение А (Практическое задание)…………………………………………………. 110

Приложение Б ……………………………………………………………………………………… 115

При анализе медицинских изображений полезная информация
содержится не только в самих изображениях. Врачи часто видят историю
пациента, возраст и другие признаки, чтобы прийти к лучшему решению.
Однако в данной работе рассматриваются лишь медицинские изображения в
форматах mat и DICOM.

В ходе выполнения диссертационной работы были изучены методы
сегментации медицинских данных. Для этого был проведен обзор литературы,
поставлены цель и задачи для дальнейшего изучения. Проведен анализ
исследуемых методов и апробация методов на реальных медицинских
изображениях. Исследована и определена точность, чувствительность и
специфичность методов. Исследовано влияние фильтрации и предобработки
исходных данных на точность сегментации. Произведен статистический и
дисперсионный анализы для подтверждения гипотезы о разнице между
исследуемыми методами. Результаты анализа точности сегментации:
наилучший метод – Region Growing = 86,9, после фильтрации – 88,6.

Полученные результаты не являются предельными для точности
сегментации. Рассмотренные в работе алгоритмы сегментации могут быть
применены в более сложных программных продуктах, или как часть
инструментального набора в ПО по анализу и обработке медицинских данных.
СПИСОК ПУБЛИКАЦИЙ СТУДЕНТА

1 К.О. Джо, М.И. Красноусова. SEGMENTATION METHODS OF
THE HEART AND BRAIN ANATOMICAL STRUCTURES. – Научный журнал:
Научные горизонты, 2019.
2 К.О. Джо, М.И. Красноусова. МЕТОДЫ СЕГМЕНТАЦИИ
АНАТОМИЧЕСКИХ СТРУКТУР СЕРДЦА И МОЗГА. – XXII
Международная научно-практическая конференция, 2019.
3 К.О. Джо. МЕТОДЫ СЕГМЕНТАЦИИ АНАТОМИЧЕСКИХ
СТРУКТУР МОЗГА. – XVII Международная научно-практическая
конференция студентов, аспирантов и молодых ученых, 2020.
4 К.О. Джо, О.М. Гергет. Методы сегментации новообразований
головного мозга(ГМ). – Научно-технический журнал: АВТОМАТИЗАЦИЯ И
МОДЕЛИРОВАНИЕ В ПРОЕКТИРОВАНИИ И УПРАВЛЕНИИ, 2020.

1X. H. G. Tsechpenakis, “Medical Image Segmentation,” Adv. Mater.
Res., no. i, pp. 1–35, 2013.
2Сегментация изображений [Электронный ресурс].– URL:
http://neerc.ifmo.ru/wiki/index.php?title=%D0%A1%D0%B5%D0%B3%D0%BC
%D0%B5%D0%BD%D1%82%D0%B0%D1%86%D0%B8%D1%8F_%D0%B8
%D0%B7%D0%BE%D0%B1%D1%80%D0%B0%D0%B6%D0%B5%D0%BD
%D0%B8%D0%B9 (дата обращения: 10.12.2019).
3Frucci, Maria; Sanniti di Baja, Gabriella. From Segmentation to
Binarization of Gray-level Images] (англ.) // Journal of Pattern Recognition
Research] : journal. — 2008. — Vol. 3, no. 1. — P. 1—13.
4Краткое введение в анализ медицинских изображений и глубокое
обучение[Электронныйресурс].–URL:
https://www.machinelearningmastery.ru/brief-intro-to-medical-image-analysis-
and-deep-learning-9d8e5ef358e0/ (дата обращения: 3.02.2020).
5Pal N. R. A review on image segmentation techniques / N. R. Pal, S. K.
Pal // Pattern Recognition. – 1993. – № 9 (26). – P. 1277– 1294.].
6J. G. Park and C. Lee, “Skull stripping based on region growing for
magnetic resonance brain images,” Neuroimage, vol. 47, no. 4, pp. 1394–1407,
2009.
7Пытьев Ю.П., Чуликов А.И. Методы морфологического анализа
изображений. −М.: ФИЗМАТЛИТ, 2010. – 336 с.
8J. Chiverton, K. Wells, E. Lewis, C. Chen, B. Podda, and D. Johnson,
“Statistical morphological skull stripping of adult and infant MRI data,” Comput.
Biol. Med., vol. 37, no. 3, pp. 342–357, 2007.
9S. Roy and P. Maji, “A simple skull stripping algorithm for brain MRI,”
in ICAPR 2015 – 2015 8th International Conference on Advances in Pattern
Recognition, 2015.
10Serra J. Image Analysis and Mathematical Morphology. – NewYork:
Academic, 1982..
11Претт У. Цифровая обработка изображений: B 2 кн. – М.: Мир,
1982. – 790 с.
12Boomgaard R. Mathematical Morphology: Extension Towards
Computer Vision. – Academisch proefscrift. Faculteit der Wiskunde en Informatica
de Universiteit van Amsterdam, 1992. – 155 p.
13Вежневец В., Баринова О. Алгоритмы сегментации изображений:
автоматическаясегментация[Электронныйресурс]–URL:
http://www.cgm.computergraphics.ru.postman.ru/content/view/147(дата
обращения: 12.04.2020).
14Ritter G.X., Wilson J.N. Handbook of Computer Vision Algorithms in
Image Algebra. – CRC Press, Boca Raton, Florida, USA, 1996. – 357 p.
15Classification of cervical cell nuclei using morphological segmentation
and textural feature extraction / R.F. Walker, P. Jackway, B. Lovell et al.// Second
Australian and New Zealand conference on Intelligent information systems. –
Brisbane, 1994. – P. 183-189.
16R.M. Haralick and L.G. Sapiro. “Image Segmentation Techniques”.
Computer Vision, Graphics and Image Processing, 29:100-132, 1985.
17B.S. Morse. “Lecture Segmentation”. Brigham Young University,
2000.
18D.L. Pham, C. Xu and J.L. Prince. “Current Methods in Medical Image
Segmentation”. Annual Review of Biomedical Engineering, 2: 315-337, 2000.
19Логистическая регрессия и ROC-анализ – математический аппарат
[Электронный ресурс] – URL: https://loginom.ru/blog/logistic-regression-roc-auc
(Дата обращения: 20.02.2020г.)
20Базовые операции обработки изображений. 2.5. Оператор Лапласа
[Электронныйресурс].–URL:
https://www.intuit.ru/studies/courses/10621/1105/lecture/17989?page=7(дата
обращения: 12.05.2020).
21Трудовой кодекс Российской Федерации” от 30.12.2001 N 197-ФЗ
(ред.от30.12.2015)//КонсультантПлюс.URL:
http://www.consultant.ru/document/cons_doc_law_34683/?utm_campaign=law_do
c&utm_source=google.adwords&utm_medium=cpc&=utm_content=Labor%20Co
de&gclid=CjwKEAjwgPe4BRCB66GG8PO69QkSJAC4EhHhU-
5yAFZCJfmzkTLNGnrpgHHAYFPhhPzRo-sZGWmqnBoCPynw_wcB .
22Постановление Главного государственного санитарного врача РФ
от 03.06.2003 N 118 (ред. от 21.06.2016) “О введении в действие санитарно-
эпидемиологических правил и нормативов СанПиН 2.2.2/2.4.1340-03” (вместе
с “СанПиН 2.2.2/2.4.1340-03. 2.2.2. Гигиена труда, технологические процессы,
сырье, материалы, оборудование, рабочий инструмент. 2.4. Гигиена детей и
подростков.Гигиеническиетребованиякперсональнымэлектронно-
вычислительныммашинамиорганизацииработы.Санитарно-
эпидемиологические правила и нормативы”, утв. Главным государственным
санитарным врачом РФ 30.05.2003) (Зарегистрировано в Минюсте России
10.06.2003N4673)//КонсультантПлюс.URL:
http://www.consultant.ru/document/cons_doc_LAW_42836/
23Охрана труда. Основы безопасности жизнедеятельности //
www.Grandars.ru. 2018. // Электронный фонд правовой и нормативно-
технической документации. URL: http://www.grandars.ru/shkola/bezopasnost-
zhiznedeyatelnosti/ohrana-truda.html.
24ГОСТ Р 12.1.019-2009 Система стандартов безопасности труда
(ССБТ). Электробезопасность. Общие требования и номенклатура видов
защиты.//Электронныйфондправовойинормативно-технической
документации. URL: http://docs.cntd.ru/document/1200080203
25СП 52.13330.2011 Естественное и искусственное освещение.
Актуализированная редакция СНиП 23-05-95*. // Электронный фонд правовой
инормативно-техническойдокументации.URL:
http://docs.cntd.ru/document/1200084092
26СанПиН2.2.2/2.4.1340-03Гигиеническиетребованияк
персональным электронно-вычислительным машинам и организации работы.
// Электронный фонд правовой и нормативно-технической документации.
URL: http://docs.cntd.ru/document/901865498
27ГОСТ 12.2.032-78 Система стандартов безопасности труда
(ССБТ). Рабочее место при выполнении работ сидя. Общие эргономические
требования. // Электронный фонд правовой и нормативно-технической
документации. URL: http://docs.cntd.ru/document/1200003913
28СанПиН 2.2.4.548-96 Гигиенические требования к микроклимату
производственных помещений. // Электронный фонд правовой и нормативно-
технической документации. URL: http://docs.cntd.ru/document/901704046
29СанПиН2.2.1/2.1.1.1278-03Гигиеническиетребованияк
естественному, искусственному и совмещенному освещению жилых и
общественных зданий. // Электронный фонд правовой и нормативно-
технической документации. URL: http://docs.cntd.ru/document/901859404
30ГОСТ 12.1.045-84 Система стандартов безопасности труда
(ССБТ). Электростатические поля. Допустимые уровни на рабочих местах и
требования к проведению контроля. // Электронный фонд правовой и
нормативно-техническойдокументации.URL:
http://docs.cntd.ru/document/9051575
31ГОСТ 12.1.038-82 Система стандартов безопасности труда
(ССБТ). Электробезопасность. Предельно допустимые значения напряжений
прикосновения и токов (с Изменением N 1). // Электронный фонд правовой и
нормативно-техническойдокументации.URL:
http://docs.cntd.ru/document/5200313
32Ефремова О. С. Требования охраны труда при работе на
персональных электронно-вычислительных машинах. – 2-е изд., перераб. и
доп. – М. : Издательство «Альфа-Пресс», 2008. – 176 с.
33Назаренко О. Б. Безопасность жизнедеятельности: учебное
пособие / О. Б. Назаренко, Ю. А. Амелькович; Томский политехнический
университет. – 3-е изд., перераб. и доп. – Томск: Изд-во Томского
политехнического университета, 2013. – 178 с.
34ГОСТ 12.0.004-2015 Система стандартов безопасности труда
(ССБТ). Организация обучения безопасности труда. Общие положения. //
Электронный фонд правовой и нормативно-технической документации. URL:
http://docs.cntd.ru/document/1200136072
35ГОСТ 12.1.004-91 Система стандартов безопасности труда
(ССБТ). Пожарная безопасность. Общие требования (с Изменением N 1). //
Электронный фонд правовой и нормативно-технической документации. URL:
http://docs.cntd.ru/document/9051953
36ГОСТ 12.1.010-76 Система стандартов безопасности труда
(ССБТ). Взрывобезопасность. Общие требования (с Изменением N 1). //
Электронный фонд правовой и нормативно-технической документации. URL:
http://docs.cntd.ru/document/5200270
37Федеральный закон “О пожарной безопасности” от 21.12.1994 N
69-ФЗ(последняяредакция).//КонсультантПлюс.URL:
http://www.consultant.ru/document/cons_doc_LAW_5438/