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!

    Андрей С. Тверской государственный университет 2011, математический...
    4.7 (82 отзыва)
    Учился на мат.факе ТвГУ. Любовь к математике там привили на столько, что я, похоже, никогда не перестану этим заниматься! Сейчас работаю в IT и пытаюсь найти время на... Читать все
    Учился на мат.факе ТвГУ. Любовь к математике там привили на столько, что я, похоже, никогда не перестану этим заниматься! Сейчас работаю в IT и пытаюсь найти время на продолжение диссертационной работы... Всегда готов помочь! ;)
    #Кандидатские #Магистерские
    164 Выполненных работы
    Лидия К.
    4.5 (330 отзывов)
    Образование высшее (2009 год) педагог-психолог (УрГПУ). В 2013 году получено образование магистр психологии. Опыт преподавательской деятельности в области психологии ... Читать все
    Образование высшее (2009 год) педагог-психолог (УрГПУ). В 2013 году получено образование магистр психологии. Опыт преподавательской деятельности в области психологии и педагогики. Написание диссертаций, ВКР, курсовых и иных видов работ.
    #Кандидатские #Магистерские
    592 Выполненных работы
    Александра С.
    5 (91 отзыв)
    Красный диплом референта-аналитика информационных ресурсов, 8 лет преподавания. Опыт написания работ вплоть до докторских диссертаций. Отдельно специализируюсь на повы... Читать все
    Красный диплом референта-аналитика информационных ресурсов, 8 лет преподавания. Опыт написания работ вплоть до докторских диссертаций. Отдельно специализируюсь на повышении уникальности текста и оформлении библиографических ссылок по ГОСТу.
    #Кандидатские #Магистерские
    132 Выполненных работы
    Антон П. преподаватель, доцент
    4.8 (1033 отзыва)
    Занимаюсь написанием студенческих работ (дипломные работы, маг. диссертации). Участник международных конференций (экономика/менеджмент/юриспруденция). Постоянно публик... Читать все
    Занимаюсь написанием студенческих работ (дипломные работы, маг. диссертации). Участник международных конференций (экономика/менеджмент/юриспруденция). Постоянно публикуюсь, имею высокий индекс цитирования. Спикер.
    #Кандидатские #Магистерские
    1386 Выполненных работ
    Дарья П. кандидат наук, доцент
    4.9 (20 отзывов)
    Профессиональный журналист, филолог со стажем более 10 лет. Имею профильную диссертацию по специализации "Радиовещание". Подробно и серьезно разрабатываю темы научных... Читать все
    Профессиональный журналист, филолог со стажем более 10 лет. Имею профильную диссертацию по специализации "Радиовещание". Подробно и серьезно разрабатываю темы научных исследований, связанных с журналистикой, филологией и литературой
    #Кандидатские #Магистерские
    33 Выполненных работы
    Дмитрий К. преподаватель, кандидат наук
    5 (1241 отзыв)
    Окончил КазГУ с красным дипломом в 1985 г., после окончания работал в Институте Ядерной Физики, защитил кандидатскую диссертацию в 1991 г. Работы для студентов выполня... Читать все
    Окончил КазГУ с красным дипломом в 1985 г., после окончания работал в Институте Ядерной Физики, защитил кандидатскую диссертацию в 1991 г. Работы для студентов выполняю уже 30 лет.
    #Кандидатские #Магистерские
    2271 Выполненная работа
    Логик Ф. кандидат наук, доцент
    4.9 (826 отзывов)
    Я - кандидат философских наук, доцент кафедры философии СГЮА. Занимаюсь написанием различного рода работ (научные статьи, курсовые, дипломные работы, магистерские дисс... Читать все
    Я - кандидат философских наук, доцент кафедры философии СГЮА. Занимаюсь написанием различного рода работ (научные статьи, курсовые, дипломные работы, магистерские диссертации, рефераты, контрольные) уже много лет. Качество работ гарантирую.
    #Кандидатские #Магистерские
    1486 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
    Татьяна П.
    4.2 (6 отзывов)
    Помогаю студентам с решением задач по ТОЭ и физике на протяжении 9 лет. Пишу диссертацию на соискание степени кандидата технических наук, имею опыт годовой стажировки ... Читать все
    Помогаю студентам с решением задач по ТОЭ и физике на протяжении 9 лет. Пишу диссертацию на соискание степени кандидата технических наук, имею опыт годовой стажировки в одном из крупнейших университетов Германии.
    #Кандидатские #Магистерские
    9 Выполненных работ

    Другие учебные работы по предмету

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