Методы и алгоритмы морфологического анализа изображений в автоматизированной системе диагностики диабетической ретинопатии

• Автор: Брежнева, Александра Николаевна
• Шифр специальности: 05.11.17
• Научная степень: Кандидатская
• Год защиты: 2012
• Место защиты: Курск
• Количество страниц: 185 с. : ил.

СОДЕРЖАНИЕ
СПИСОК ОБОЗНАЧЕНИЙ И СОКРАЩЕНИЙ
ВВЕДЕНИЕ
ГЛАВА 1. МЕТОДЫ' ПРОЕКТИРОВАНИЯ ИНТЕЛЛЕКТУАЛЬНЫХ ДИАГНОСТИЧЕСКИХ СИСТЕМ, АНАЛИЗИРУЮЩИХ СТРУКТУРУ ИЗОБРАЖЕНИЙ ГЛАЗНОГО ДНА
1.1. Особенности изображений глазного дна, получаемых посредством методики электронного фотографирования глазного дна с помощью ретинофота
1.2. Способы диагностики зрительных патологий
1.3. Программно-аппаратные комплексы, для реализации алгоритмов обработки изображений глазного дна
1.4. Интеллектуальные технологии для классификации объектов и принятия решений
1.5. Цели и задачи исследования
• ГЛАВА 2. ИНТЕЛЛЕКТУАЛЬНЫЕ ОПЕРАТОРЫ ДЛЯ СЕГМЕНТАЦИИ СЛОЖНОСТРУКТУРИРУЕМЫХ ИЗОБРАЖЕНИЙ47
2.1. Исследование градиентных методов при сегментации сложноструктурируемых изображений
2.2. Разработка алгоритма сегментации сложноструктурируемых
изображений

2.3. Синтез морфологического оператора для препарирования изображения в1
2.4. Нечеткая модель формирования бинарного изображения границы сегмента
2.5. Выводы второй главы
ГЛАВА 3. СПОСОБЫ И АЛГОРИТМЫ АВТОМАТИЗИРОВАННОЙ ДИАГНОСТИКИ СОСТОЯНИЯ ГЛАЗНОГО ДНА ПРИ
ДИАБЕТИЧЕСКОЙ РЕТИНОПАТИИ
3.1. Алгоритмы формирования процедур анализа изображения глазного дна на примере диагностики диабетической ретинопатии
3.2. Процедуры препарирования изображения глазного дна для исследования на наличие диабетической ретинопатии
3.3. Процедуры измерения диаметра вен 1 -го, 2-го и 3-го порядков при исследовании изображения глазного дна
3.4. Процедуры проверка изображения глазного дна на наличие экссудатов, отека макулы и кровоизлияния
3.5. Проблема масштабирования
3.6. Программная реализация функций предварительной обработки изображения глазного дна
3.7. Выводы третьей главы
ГЛАВА 4. ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ АНАЛИЗА ИЗОБРАЖЕНИЙ ГЛАЗНОГО ДНА
4.1. Разработка нейросетевых моделей принятия решений по результатам анализа фотографий флюоресцентных ангиограмм глазного дна
4.2. Структура автоматизированной системы анализа изображений глазного дна и алгоритм ее работы
4.3. Экспериментальные исследования качества сегментации изображения глазного дна при различных видах патологий
4.4. Выводы четвертой главы
ЗАКЛЮЧЕНИЕ
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
ПРИЛОЖЕНИЕ
ПРИЛОЖЕНИЕ
СПИСОК ОБОЗНАЧЕНИЙ И СОКРАЩЕНИЙ
АД - артериальное давление
ДЗН - диск зрительного нерва
ДР - диабетическая ретинопатия
ДЭ - диагностическая эффективность
ДС - диагностическая специфичность
ДЧ - диагностическая чувствительность
ИНС - искусственная нейронная сеть
ИО - истина отрицательна
ИП - истина положительна
КИ - коэффициент интенсивности
ЛО - ложь отрицательна
ЛП - ложь положительна
ЛПР - лицо, принимающее решение
НСПР - нейронная сеть прямого распростронения
ОПФ - оконное преобразование Фурье
ПМ - продукционная модель
РБНС радиально-базисная нейронная сеть
СППР - система цоддержки принятия решений
СД - сахарный диабет

Система планиметрических исследований (рис. 1. 12) позволяет производить отслеживание динамики состояния патологических участков на изображениях глазного дна одного пациента.
ФЦО |Пример <ра Дата рождения 101.01.1966 Диагноз [Пример диагноза
117.07.1999 13:04Т36 0Ь Пример для планиметрии 3 117 ОЭП ЭЭ9 13:04:40 ОЙ Пример для планиметрии ;
У=33 51/62 = 0,8454 Х-Є43 У

ІІІІ
Іадать область
Отношение площадей
ОК. | Задать область
Рисунок 1.12 - Графический интерфейс режима планиметрических исследований
По серии изображений пациента, введенных в различное время приема, производится анализ динамики формы и оценка отношения площадей пораженных участков. При вычислении площадей и наложении контуров используется совмещение изображений с помощью аффинного преобразования координат. Параметры этого преобразования определяютсяпри помощи задания трех опорных точек на сравниваемых изображениях глазного дна. Опорные точки и границы областей патологии пользователь отмечает на экране.
1.4. Интеллектуальные технологии для классификации объектов и
принятия решений
Понятие «новая информационная технология» было введено академиком Г.С. Поспеловым и сразу стало широко использоваться, когда речь захо-