Разработка и исследование алгоритма выращивания регионов для сегментации медицинских данных

Манаков, Роман Отделение информационных технологий (ОИТ)
Бесплатно
В избранное
Работа доступна по лицензии Creative Commons:«Attribution» 4.0

Алгоритм выращивания регионов, в основе которого заложена идея Region Growing, отличающаяся от существующих применением многоразмерных суперпикселей и построением сплайн-контура.

Введение ……………………………………………………………………………………………………… 11
1. Обзор литературы ………………………………………………………………………………….. 14
2. Содержательная и концептуальная постановки задачи ……………………………. 18
3. Математическая модель алгоритма ………………………………………………………… 20

3.1 Предобработка изображений ……………………………………………………………….. 20
3.2 Модель сегментации ……………………………………………………………………………. 21
3.3 Размещение первого суперпикселя ………………………………………………………. 22
3.4 Поиск внешних суперпикселей ……………………………………………………………. 24
3.5 Построение сплайн-контура ………………………………………………………………… 24
3.6 Детектирование границ ……………………………………………………………………….. 28
3.7 Методы принятия коллективных решений …………………………………………… 29

4. Программная реализация ……………………………………………………………………….. 31

4.1 Выбор среды разработки ……………………………………………………………………… 31
4.2 Интерфейс и особенности программной реализации ……………………………. 32

5. Тестирование …………………………………………………………………………………………. 35

5.1 Метрики оценки точности……………………………………………………………………. 35
5.2 Материалы ……………………………………………………………………………………….. 36

6. Результаты……………………………………………………………………………………………….. 38

6.1 Точность алгоритма …………………………………………………………………………….. 38
6.2 Скорость выполнения алгоритма …………………………………………………………. 42

7. Обсуждение результатов ………………………………………………………………………….. 45
8. Финансовый менеджмент, ресурсоэффективность и ресурсосбережение … 49

8.1 Предпроектный анализ ………………………………………………………………………… 49
8.2 SWOT-анализ………………………………………………………………………………………. 52
8.3 Планирование управлением научно-технических проектом …………………. 57
8.4 Бюджет научно-технического исследования ………………………………………… 63
8.5 Реестр рисков ………………………………………………………………………………………. 70
8.6 Общий вывод по разделу……………………………………………………………………… 74

9. Социальная ответственность ………………………………………………………………….. 76

9.1 Повышенный уровень шума на рабочем месте …………………………………….. 78
9.2 Отклонение показателей микроклимата ……………………………………………….. 79
9.3 Недостаточная освещённость рабочей зоны …………………………………………. 81
9.4 Экологическая безопасность………………………………………………………………… 88
9.5 Безопасность в чрезвычайных ситуациях …………………………………………….. 89
9.6 Статические физические перегрузки ……………………………………………………. 91

Заключение …………………………………………………………………………………………………. 96
Список использованных источников ……………………………………………………………. 97
Приложение A …………………………………………………………………………………………… 101
Приложение Б ……………………………………………………………………………………………. 112

Современная цифровая медицина является востребованным направлением,
которое в будущем позволит вывести здравоохранение на принципиально новый
уровень развития. Однако, в тоже время внедрение качественных
информационных систем в медицинскую практику нетривиально и требует
решения множества сложнейших задач по обработке медицинской информации.
Одной из таких задач является обработка различного рода графической
информации: результаты исследования МРТ (магнитно-резонансной
томографии), снимки КТ (компьютерной томография), а также ультразвуковые
данные эхокардиографии.
Очевидно, что анализ графической информации начинается с выделения
на изображении интересующей области и определения её границ. Этот процесс
называется сегментацией. Сегментация необходима для локализации
интересующих объектов на изображениях. В контексте медицины это могут быть
различные анатомические структуры, ткани, элементы опорно-двигательной
системы, а также хирургические инструменты, находящиеся внутри тела
человека при проведении малоинвазивных операций. По результату сегментации
можно определить размеры и площадь сегментированных участков, выявить
отклонение от нормы и поставить правильный диагноз.
Таким образом, задача сегментации медицинских изображений
представляется достаточно неординарной и требует применения нестандартных
методов для её решения. В отличие от других областей, где данные чисты и
хорошо структурированы, медицинские данные очень разнородны,
неоднозначны, неполны и сильно зашумлены. Это является главной проблемой,
которая в зачастую приводит к нестабильной работе обычных методов
сегментации. Уже разработаны методы, которые позволяют частично решить
описанные выше проблемы. Работа таких методу сводится к статистическому
анализу суперпикселей. Под суперпикселями понимается группа пикселей,
объединённых по какому-либо признаку. Однако, недостатком таких подходов
является высокая сложность алгоритма, что приводит к большому времени
выполнения. В данной работе предлагается новый подход, основанный на
суперпиксельной обработке, который позволяет увеличить надёжность
алгоритма и повысить его скорость, путём снижения асимптотической
сложности алгоритма.
Целью данной работы, является разработка, реализация и исследование
алгоритма сегментации медицинских данных, в основе которого лежит принцип
выращивания регионов для повышения надёжности и скорости разработанного
метода. Для достижения цели необходимо решить следующий перечень задач:

В ходе выполнения выпускной квалификационной работы был разработан
метод выращивания регионов для сегментации медицинских данных. Сделана
реализация метода и проведено его тестирование. Исследовано поведение
алгоритма и влияние основных параметров: размеры начального и
минимального суперпикселя на скорость и точность сегментации. Исследовано
влияние этих размеров на стабильность работы алгоритма. Произведено
сравнение разработанного алгоритма с классическим алгоритмом выращивания
регионов.
Для этого был проведён анализ литературы, разработана концепция
выращивания региона суперпикселями, выбрана среда для разработки и написан
исходный код алгоритма. Далее проведена отладка и тестирование.
Тестирование разработанного алгоритма показало среднюю точность
94±2% и 93.5±6.7% на двух выборках изображений. Реализация алгоритма
позволила достичь большей устойчивости и стабильности, чем у алгоритма
“Region Growing”. По скорости сегментации классический алгоритм также
значительно уступает.
Достигнутые показатели не являются предельными для данной разработки.
Разработанный алгоритм, в связи с предложенной архитектурой, может быть
модифицирован за счёт:
 применения большего количества методов для детектирования
границ;
 использования новых методов коллективного принятия решений;
 реализация алгоритма с применением параллельных вычислений;
 масштабирование алгоритма для сегментации трёхмерных данных.

Заказать новую

Лучшие эксперты сервиса ждут твоего задания

от 5 000 ₽

Не подошла эта работа?
Закажи новую работу, сделанную по твоим требованиям

    Нажимая на кнопку, я соглашаюсь на обработку персональных данных и с правилами пользования Платформой

    Хочешь уникальную работу?

    Больше 3 000 экспертов уже готовы начать работу над твоим проектом!

    Ольга Б. кандидат наук, доцент
    4.8 (373 отзыва)
    Работаю на сайте четвертый год. Действующий преподаватель вуза. Основные направления: микробиология, биология и медицина. Написано несколько кандидатских, магистерских... Читать все
    Работаю на сайте четвертый год. Действующий преподаватель вуза. Основные направления: микробиология, биология и медицина. Написано несколько кандидатских, магистерских диссертаций, дипломных и курсовых работ. Слежу за новинками в медицине.
    #Кандидатские #Магистерские
    566 Выполненных работ
    Татьяна Б.
    4.6 (92 отзыва)
    Добрый день, работаю в сфере написания студенческих работ более 7 лет. Всегда довожу своих студентов до защиты с хорошими и отличными баллами (дипломы, магистерские ди... Читать все
    Добрый день, работаю в сфере написания студенческих работ более 7 лет. Всегда довожу своих студентов до защиты с хорошими и отличными баллами (дипломы, магистерские диссертации, курсовые работы средний балл - 4,5). Всегда на связи!
    #Кандидатские #Магистерские
    138 Выполненных работ
    Рима С.
    5 (18 отзывов)
    Берусь за решение юридических задач, за написание серьезных научных статей, магистерских диссертаций и дипломных работ. Окончила Кемеровский государственный универси... Читать все
    Берусь за решение юридических задач, за написание серьезных научных статей, магистерских диссертаций и дипломных работ. Окончила Кемеровский государственный университет, являюсь бакалавром, магистром юриспруденции (с отличием)
    #Кандидатские #Магистерские
    38 Выполненных работ
    Евгения Р.
    5 (188 отзывов)
    Мой опыт в написании работ - 9 лет. Я специализируюсь на написании курсовых работ, ВКР и магистерских диссертаций, также пишу научные статьи, провожу исследования и со... Читать все
    Мой опыт в написании работ - 9 лет. Я специализируюсь на написании курсовых работ, ВКР и магистерских диссертаций, также пишу научные статьи, провожу исследования и создаю красивые презентации. Сопровождаю работы до сдачи, на связи 24/7 ?
    #Кандидатские #Магистерские
    359 Выполненных работ
    Елена С. Таганрогский институт управления и экономики Таганрогский...
    4.4 (93 отзыва)
    Высшее юридическое образование, красный диплом. Более 5 лет стажа работы в суде общей юрисдикции, большой стаж в написании студенческих работ. Специализируюсь на напис... Читать все
    Высшее юридическое образование, красный диплом. Более 5 лет стажа работы в суде общей юрисдикции, большой стаж в написании студенческих работ. Специализируюсь на написании курсовых и дипломных работ, а также диссертационных исследований.
    #Кандидатские #Магистерские
    158 Выполненных работ
    Екатерина П. студент
    5 (18 отзывов)
    Работы пишу исключительно сама на основании действующих нормативных правовых актов, монографий, канд. и докт. диссертаций, авторефератов, научных статей. Дополнительно... Читать все
    Работы пишу исключительно сама на основании действующих нормативных правовых актов, монографий, канд. и докт. диссертаций, авторефератов, научных статей. Дополнительно занимаюсь английским языком, уровень владения - Upper-Intermediate.
    #Кандидатские #Магистерские
    39 Выполненных работ
    Татьяна С. кандидат наук
    4.9 (298 отзывов)
    Большой опыт работы. Кандидаты химических, биологических, технических, экономических, юридических, философских наук. Участие в НИОКР, Только актуальная литература (пос... Читать все
    Большой опыт работы. Кандидаты химических, биологических, технических, экономических, юридических, философских наук. Участие в НИОКР, Только актуальная литература (поставки напрямую с издательств), доступ к библиотеке диссертаций РГБ
    #Кандидатские #Магистерские
    551 Выполненная работа
    Сергей Е. МГУ 2012, физический, выпускник, кандидат наук
    4.9 (5 отзывов)
    Имеется большой опыт написания творческих работ на различных порталах от эссе до кандидатских диссертаций, решения задач и выполнения лабораторных работ по любым напра... Читать все
    Имеется большой опыт написания творческих работ на различных порталах от эссе до кандидатских диссертаций, решения задач и выполнения лабораторных работ по любым направлениям физики, математики, химии и других естественных наук.
    #Кандидатские #Магистерские
    5 Выполненных работ
    Оксана М. Восточноукраинский национальный университет, студент 4 - ...
    4.9 (37 отзывов)
    Возможно выполнение работ по правоведению и политологии. Имею высшее образование менеджера ВЭД и правоведа, защитила кандидатскую и докторскую диссертации по политоло... Читать все
    Возможно выполнение работ по правоведению и политологии. Имею высшее образование менеджера ВЭД и правоведа, защитила кандидатскую и докторскую диссертации по политологии.
    #Кандидатские #Магистерские
    68 Выполненных работ

    Другие учебные работы по предмету

    Кооперативные игры на гиперграфах
    📅 2019год
    🏢 Санкт-Петербургский государственный университет