DOI: https://doi.org/10.20998/2522-9052.2020.4.15

Застосування фрактальної обробки цифрових мамограм при проектуванні систем підтримки прийняття рішень в медицині

Anatoly Povoroznyuk, Oksana Povoroznyuk, Khaled Shekhna

Анотація


Предметом дослідження є методи цифрової обробки напівтонових медичних зображень з локально зосередженими ознаками. Об'єктом дослідження є процес морфологічного аналізу цифрових мамограм при проектуванні систем підтримки прийняття рішень в медицині. Метою роботи є розробка методів і технологій виявлення діагностично значущих характеристик цифрових мамограм на основі їх морфологічного аналізу з урахуванням фрактальних розмірностей. Завдання дослідження - підвищення якості мамографічних обстежень пацієнток при проектуванні систем підтримки прийняття рішень в медицині шляхом розробки спеціалізованих методів морфологічного аналізу цифрових мамограм (виділення діагностично значущих елементів на тлі перешкод), заснованих на врахуванні особливостей розглянутих зображень у вигляді моделей корисних сигналів, зокрема моделей фрактальної розмірності. Методи досліджень: метод розрахунку фрактальної розмірності двовимірних напівтонових зображень, заданих на дискретній множині, методи об'єктно-орієнтованого програмування, методи статистичного аналізу. В результаті проведення досліджень одержано наступні результати : на основі аналізу відомих методів цифрової обробки зображень показана обмежена сфера їх застосування при обробці мамограм і обгрунтована актуальність розробки спеціалізованих методів морфологічного аналізу, засновані на врахуванні особливостей розглянутих зображень у вигляді моделей корисних сигналів, зокрема моделей фрактальної розмірності. Розроблено метод і алгоритм реалізації морфологічного аналізу цифрових мамограм з урахуванням їх фрактальної розмірності . Виконана програмна реалізація методу за допомогою математичного макета MatLab і тестування на реальних маммограммах. Виконана обробка мамограм без явних патологій і таких, які мають патологічні структури різних типів (пухлини, внутрішньопротокові утворення і мікрокальцинати). Була розрахована фрактальная розмірність всього зображення і виділених фрагментів. Висновки. Результати дослідження показали, що фрактальна розмірність всього зображення не дає статистично значущих результатів про наявність чи відсутність патологій, але якщо робити розрахунки фрактальної розмірності на виділених фрагментах, то результати сильно відрізняються. Можна простежити закономірність, що чим більше явних патологій на фрагменті, тим більше фрактальная розмірність. Подальші дослідження спрямовані на розробку методу класифікації цифрових мамограм з урахуванням їх фрактальних розмірностей.


Ключові слова


система підтримки прийняття рішень; медичне зображення; морфологічний аналіз; мамограма; фрактальна розмірність

Повний текст:

PDF (English)

Посилання


Avrunin, O.Gh. and Bodjansjkyj, Je.V. (2018), Modern intellectual technologies of functional medical diagnostics: monograph, KhNURE, Kharkiv, 236 p. (in Ukrainian).

Povoroznyuk, A. I. (2011), Decision support systems in medical diagnostics. Synthesis of structured models and decision rules, LAP LAMBERT Academic Publishing GmbH & Co. KG, Saarbrücken Germany, 314 p. (in Russian).

Povoroznyuk, A.I., Povoroznyuk, O.A. and Mumladze, G. R. (2019), “Development of a functional model of the stages of diagnostic and therapeutic measures in decision support systems in medicine”, Control, navigation and communication systems, Issue 2 (54), PNTU, Poltava, pp.144-148 (in Russian).

Povoroznyuk, A.I. and Filatova, A.E. (2019), “Formalization of the problem of the matched morphological filtering of biomedical signals and images”, Information Technology in Medical Diagnostics II: Proc. of the International Scientific, Internet Conf. «Computer Graphics and Image Processing» and the XLVIIIth International Scientific and Practical Conf. «Application of Lasers in Medicine and Biology», CRC Press, London, UK, pp. 155-162.

Guo, Q., Ruiz, V., Shao, J. and Guo, F. (2005), “A novel approach to mass abnormality detection in mammographic images”, Proceedings of the IASTED International Conference on Biomedical Engineering, Innsbruck, pp. 180-185.

Povoroznyuk, A.I., Filatova, A.E. and Kozak, L.M. (2017), “Grayscale morphological filter based on local statistics”, The International Society for Optical Engineering, Vol. 10445, pp. 205-214.

Povoroznyuk, A.I., Filatova, A.E. and Shehna, Kh. (2019), “Development of Method of Matched Morphological Filtering of Biomedical Signals and Images”, Automatic Control and Computer Sciences, Vol. 53, No. 3, pp. 253-262.

Rubis, A.Yu., Lebedev, M.A., Vizil'ter, Yu.V. and Vyglov, O.V. (2016), “Morphological filtering of images based on cross-contrast”, Computer optics, Vol. 40, No. 1, pp. 73–79 (in Russian).

Yu.V. Vizilter, V.S. Gorbatsevich, A.YU. Rubis, O.V. Vygolov (2015) “Comparison of images by shape using diffuse morphology and diffuse correlation”, Computer optics, Vol. 39, No. 2, pp. 265–274 (in Russian).

Ajay Kumar, Bisoi and Jibitesh, Mishra (2001), “On calculation of fractal dimension of images”, Pattern Recognition Letters, Vol. 22, Issues 6-7, pp. 631-637.

Ampilova, N.В., Soloviev, I.Р. and Shupletsov, Yu.V. (2014), “On Fractal, Statistical and Morphological Methods of Digital Image Analysis in Medical Research”, Computer Science. Telecommunications and Control Systems, St. Petersburg State Polytechnical University Journal, No. 1 (188), pp. 51-61.

Povoroznyuk, A.I. and Shekhna, K.H. (2018), “Fractal processing of digital medical images in the design of decision support systems in medicine”, Information technology and computer modeling; materials of articles of the International scientific-practical conference, Ivano-Frankivsk, May 14-19, Ivano-Frankivsk, Mr. Goliney OM, pp. 77-80 (in Ukrainian).

Dyakonov, V.P. (2012), MATLAB. Complete tutorial, DMK-Press, Moscow, 768 p. (in Russian).




Copyright (c) 2021 Anatoly Povoroznyuk, Oksana Povoroznyuk, Khaled Shekhna