Метод согласования направленных текстурных признаков в задачах анализа биомедицинских изображений
Автор: Гайдель Андрей Викторович
Журнал: Компьютерная оптика @computer-optics
Рубрика: Обработка изображений: Восстановление изображений, выявление признаков, распознавание образов
Статья в выпуске: 2 т.39, 2015 года.
Бесплатный доступ
В рамках общей задачи автоматического построения информационных признаков рассматривается конкретная прикладная задача настройки направления вычисления текстурных признаков, предназначенных для последующей диагностики различных заболеваний по цифровым биомедицинским изображениям. В качестве критериев качества признакового пространства рассматриваются достоверность классификации, расстояние Бхатачария, а также серия критериев дискриминантного анализа. В качестве алгоритмов оптимизации используются метод случайного поиска, генетический алгоритм и алгоритм имитации отжига. Предложенный подход обеспечивает снижение оценки вероятности ошибочного распознавания для задачи диагностики рентгеновских изображений костной ткани в два раза (с 0,20 до 0,10), а также для задачи диагностики изображений компьютерной томографии лёгких - на 45 % (с 0,11 до 0,06) в сравнении с использованием обычной процедуры отбора из большого числа разнородных признаков.
Текстурный анализ, построение признаков, дискриминантный анализ, генетический алгоритм, алгоритм имитации отжига
Короткий адрес: https://sciup.org/14059360
IDR: 14059360
A method for adjusting directed texture features in biomedical image analysis problems
As part of the general problem of automatic information feature construction, we considered a particular applied problem of the calculation direction adjustment for the directed texture features intended to diagnose various diseases from digital biomedical images. As feature space quality criteria, we considered the classification accuracy, Bhattacharyya distance and the discriminant analysis criteria. We used random search, a genetic algorithm and simulated annealing as the optimization algorithms. The proposed approach enables a two-fold reduction in the error probability estimation when diagnosing bone tissue X-ray images (from 0.20 to 0.10), also enabling a 45-percent error reduction when diagnosing computed tomography (CT) lung images (from 0.11 to 0.06) in comparison with conventional procedures of selecting from a large number of heterogeneous features.
Список литературы Метод согласования направленных текстурных признаков в задачах анализа биомедицинских изображений
- Rangayyan, R.M. Biomedical image analysis/R.M. Rangayyan. -CRC press, 2004. -1272 p.
- Ильясова, Н.Ю. Информационные технологии анализа изображений в задачах медицинской диагностики/Н.Ю. Ильясова, А.В. Куприянов, А.Г. Храмов. -М.: Радио и связь, 2012. -424 с.
- Глумов, Н.И. Метод отбора информативных признаков на цифровых изображениях/Н.И. Глумов, Е.В. Мясников//Компьютерная оптика. -2007. -Т. 31, № 3. -С. 73-76.
- Гайдель, А.В. Исследование текстурных признаков для диагностики заболеваний костной ткани по рентгеновским изображениям/А.В. Гайдель, С.С. Первушкин//Компьютерная оптика. -2013. -Т. 37, № 1. -С. 113-119.
- Гайдель, А.В. Исследование текстурных признаков для диагностики нефрологических заболеваний по ультразвуковым изображениям/А.В. Гайдель, С.Н. Ларионова, А.Г. Храмов//Вестник Самарского государственного аэрокосмического университета им. академика С.П. Королёва (национального исследовательского университета). -2014. -№ 1(43). -С. 229-237.
- Гайдель, А.В. Возможности текстурного анализа компьютерных томограмм в диагностике хронической обструктивной болезни/А.В. Гайдель, П.М. Зельтер, А.В. Капишников, А.Г. Храмов//Компьютерная оптика. -2014. -Т. 38, № 4. -С. 843-850.
- Neshatian, K. Feature construction and dimension reduction using genetic programming/K. Neshatian, M. Zhang, M. Johnston//Lecture Notes in Computer Science. -2007. -Vol. 4830. -P. 160-170.
- Lillywhite, K. A feature construction method for general object recognition/K. Lillywhite, D.-J. Lee, B. Tippetts, J. Archibald//Pattern Recognition. -2013. -Vol. 46, Issue 12. -P. 3300-3314.
- Мясников, В.В. Анализ методов построения эффективных линейных локальных признаков цифровых сигналов и изображений/В.В. Мясников, А.Ю. Баврина, О.А. Титова//Компьютерная оптика. -2010. -Т. 34, № 3. -С. 374-381.
- Schneider, J.J. Stochastic Optimization/J.J. Schneider, S. Kirkpatrick. -Berlin: Springer, 2006. -568 p.
- Gill, Ph. Practical optimization/Ph. Gill, W. Murray, M. Wright. -Academic Press, 1982. -418 p.
- Емельянов, В.В. Теория и практика эволюционного моделирования/В.В. Емельянов, В.В. Курейчик, В.М. Курейчик. -М.: Физматлит, 2003. -432 с.
- Optimization by simulated annealing/S. Kirkpatrick, C.D. Gelatt-Jr, M.P. Vecchi//Science. -1983. -Vol. 220(4598). -P. 671-680.
- Fukunaga, K. Introduction to statistical pattern recognition/K. Fukunaga. -Academic Press, 1990. -592 p.
- Yang, M. Feature selection and construction for the discrimination of neurodegenerative diseases based on gait analysis/M. Yang, H. Zheng, H. Wang, S. McClean//3rd International Conference on Pervasive Computing Technologies for Healthcare -Pervasive Health 2009. -London, United Kingdom, 1-3 April, 2009. -7 p.
- Ginsburg, S.B. Automated texture-based quantification of centrilobular nodularity and centrilobular emphysema in chest CT images/S.B. Ginsburg, D.A. Lynch, R.P. Bowler, J.D. Schroeder//Academic Radiology. -2012. -Vol. 19(10). -P. 1241-1251.
- Agresti, A. Approximate is Better than "Exact" for Interval Estimation of Binomial Proportions/A. Agresti, B.A. Coull//American Statistician/American Statistical Association. -1998. -Vol. 52(2). -P. 119-126.
- Keeney, R.L. Decisions with Multiple Objectives: Preferences and Value Trade-Offs/R.L. Keeney, H. Raiffa. -Cambridge: Cambridge University Press, 1993. -569 p.
