Согласованные полиномиальные признаки для анализа полутоновых 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.40, 2016 года.
Бесплатный доступ
В работе в общем виде вводятся полиномиальные признаки, представляющие собой многочлены на множестве отсчётов изображения. Показывается, что при наложении естественных ограничений предложенные полиномиальные признаки обращаются в линейные комбинации отсчётов автокорреляционной функции изображения. Предлагается ряд подходов к согласованию этих признаков с текстурными свойствами изображений из обучающей выборки. С помощью вычислительных экспериментов на трёх наборах реальных диагностических изображений демонстрируется эффективность рассмотренных признаков, выражающаяся в снижении вероятности ошибочного распознавания рентгеновских изображений костной ткани с 0,10 до 0,06 по сравнению с ранее изученными методами.
Текстурный анализ, дискриминантный анализ, построение признаков, отбор признаков, компьютерная диагностика, полиномиальные признаки
Короткий адрес: https://sciup.org/14059458
IDR: 14059458 | DOI: 10.18287/2412-6179-2016-40-2-232-239
Matched polynomial features for the analysis of grayscale biomedical images
We considered the general form of polynomial features represented as polynomials in the image pixels domain. We showed that under natural constraints these polynomial features turned to linear combinations of the image autocovariance function readings. We proposed a number of approaches for matching the features under study with texture properties of images from a training sample. During computational experiments on three sets of real diagnostic images we demonstrated the efficiency of the proposed features, which involved the decrease of the recognition error probability of X-ray bone tissue images from 0.10 down to 0.06 in comparison with the previously studied methods.
Список литературы Согласованные полиномиальные признаки для анализа полутоновых биомедицинских изображений
- Методы компьютерной обработки изображений/М.В. Гашников, Н.И. Глумов, Н.Ю. Ильясова, В.В. Мясников, С.Б. Попов, В.В. Сергеев, В.А. Сойфер, А.Г. Храмов, А.В. Чернов, В.М. Чернов, М.А. Чичёва, В.А. Фурсов; под ред. В.А. Сойфера. -2-е изд., испр. -М.: Физматлит, 2003. -784 с.
- Fukunaga, K. Introduction to statistical pattern recognition/K. Fukunaga. -San Diego: Academic Press, 1990. -592 p.
- Ильясова, Н.Ю. Формирование признаков для повышения качества медицинской диагностики на основе методов дискриминантного анализа/Н.Ю. Ильясова, А.В. Куприянов, Р.А. Парингер//Компьютерная оптика. -2014. -Т. 38, № 4. -С. 851-855.
- 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.
- 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’09, London, United Kingdom, 1-3 April, 2009. -7 p.
- Peng, Y. A novel feature selection approach for biomedical data classification/Y. Peng, Z. Wu, J. Jiang//Journal of Biomedical Informatics. -2010. -Vol. 43(1). -P. 15-23.
- 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.
- Fan, W. Generalized and heuristic-free feature construction for improved accuracy/W. Fan, E. Zhong, J. Peng, O. Verscheure, K. Zhang, J. Ren, R. Yan, Q. Yang//Proceedings of the 10th SIAM International Conference on Data Mining, Columbus, OH, United States, 29 April -1 May 2010. -P. 629-640.
- Lillywhite, K. A feature construction method for general object recognition/K. Lillywhite, D.-J. Lee, B. Tippetts, J. Archibald//Pattern Recognition. -2013. -Vol. 46, № 12. -P. 3300-3314.
- Myasnikov V.V. Constructing efficient linear local features in image processing and analysis problems/V.V. Myasnikov//Automation and Remote Control. -2010. -Vol. 71(3). -P. 514-527.
- 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.
- Гайдель, А.В. Метод согласования направленных текстурных признаков в задачах анализа биомедицинских изображений/А.В. Гайдель//Компьютерная оптика. -2015. -Т. 39, № 2. -С. 287-293
- Raymond, X.S. Elementary Introduction to the Theory of Pseudodifferential Operators/X.S. Raymond. -Boca Raton: CRC Press, 1991. -120 p.
- Agresti, A. Approximate is Better than "Exact" for Interval Estimation of Binomial Proportions/A. Agresti, B.A. Coull//American Statistician. -1998. -Vol. 52(2). -P. 119-126.
- 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.
