所有提交的EM系统将被重定向到网上投稿系统.作者被要求将文章直接提交给网上投稿系统各自的日志。

利用图像分割和形状分析进行医学诊断的经验方法

原辛格1——纳伦德·辛格2
  1. 印度哈里亚纳邦库鲁克谢特拉大学比拉斯布尔市GITM CSE系硕士生
  2. 印度哈里亚纳邦库鲁克谢特拉大学比拉斯布尔市GITM CSE系系主任
有关文章载于Pubmed谷歌学者

更多相关文章请访问国际计算机与通信工程创新研究杂志

摘要

图像是一个数组,或矩阵,正方形像素(图片元素)排列在列和行。图像分割的目标是将像素聚类为突出的图像区域,即对应于单个表面、物体或物体的自然部分的区域。分割可用于物体识别,运动或立体系统内的遮挡边界估计,图像压缩,图像编辑,或图像数据库查找。图像处理在计算机辅助诊断和医疗实践中起着关键作用。形状分析在特征提取和分析中起着重要的作用。本文提出了一种利用图像分割和形状参数检测贫血红细胞的方法。





关键字

分割,均值移位,阈值,贫血。

介绍

图像分割是将图像分割成多个部分的过程。这通常用于识别数字图像中的对象或其他相关信息。它是将图像细分为不同部分的过程。分割的层次取决于对象的需求层次。市场细分有两个目标。第一个目标是将图像分解为进一步分析的部分。分割的第二个目标是改变表示法。图像的像素必须被组织成更高级的单元,这些单元要么更有意义,要么对进一步的分析更有效(或者两者兼而有之)。形状参数是一组不依赖于平移、旋转、大小变化和反射等几何变换的函数值。统计形状分析是对一组形状的几何分析,其中测量统计量以描述相似形状或不同形状组的几何性质。

2文献综述

Dorin Comaniciu等人提出了分析复杂多模态特征空间并在其中勾画任意形状簇的一般非参数技术。该技术的基本计算模块是一种旧的模式识别程序,即均值漂移。在这个过程中,证明了递归平均位移过程对离散数据的底层密度函数的最近稳定点的收敛性。一种图像分割算法被描述为应用程序[11]。Michael Breuß等人对形状分析方法进行了综述。形状分析方法在物体识别、匹配、配准和分析系统中起着重要的作用。形状分析方面的研究在一定程度上受到了对人类视觉形状感知系统的研究的推动。简要介绍了几种视觉形式知觉理论。形状分析方法分为几类。分类是根据形状边界或内部的使用,并根据结果的类型来确定的。 An overview of the most representative methods is presented. D. Karakuş et al, in their paper, detection of size and shape of minerals are considered important for the information about minerals. Different size and shape of same mineral can be effective in classification of them. Therefore it is necessary to know the size and shape of mineral exactly. In this study, using possibilities of image processing techniques in the detection of shape and size of mineral was discussed and a sample study was carried out. According to this successful results can be obtained about size and shape features of minerals by using image processing technique especially in thin section images whose third dimension effect was decreased[8].

3SEGMENTAION

金字塔分割使用颜色合并(在一个比例上,取决于颜色之间的相似性,以便分割图像。这种方法基于最小化图像中的总能量;[2]这里的能量由链接强度定义,链接强度进一步由颜色相似性定义。均值漂移发现颜色-空间(或其他特征)分布随时间的峰值。Mean-shift分割在空间上找到颜色分布的峰值。给定一组维度为(x, y,蓝色,绿色,红色)的多维数据点,mean shift可以通过扫描空间上的一个窗口来找到该空间中密度最高的数据“块”。然而,空间变量(x, y)可能与颜色大小范围(蓝色,绿色,红色)有很大的不同。因此,meanshift需要在不同维度上允许不同的窗口半径。在这种情况下,我们应该有一个半径的空间变量(空间半径)和一个半径的颜色幅度(颜色半径)。随着均值偏移窗口的移动,在数据中收敛于峰值的窗口所遍历的所有点都被该峰值连接或“拥有”。这种所有权,从最密集的山峰向外辐射,形成了图像的分割。 In Mean Shift Filtering() we have an input image src and an output image dst.Both must be 8-bit, three-channel color images of the same width and height. The spatial Radius and color Radius defi ne how the mean-shift algorithm averages color and space together to form a segmentation. For a 640-by-480 color image, it works well to set spatial Radius equal to 2 and color Radius equal to 40. The next parameter of this algorithm is max_level, which describes how many levels of scale pyramid you want used for segmentation. A max_level of 2 or 3 works well for a 640-by-480 color images.
大津的方法用于自动执行基于直方图形状的图像阈值设置,或将灰度图像降为二值图像。该算法假设阈值为[1]的图像包含两类像素或双模态直方图(例如前景和背景),然后计算分离这两类像素或双模态直方图的最佳阈值,使它们的组合扩散(类内方差)最小。

四、问题陈述

形状分析在特征提取和分析中起着重要的作用,提出了一种利用均值漂移技术分割图像,并利用otus方法进行二值化的方法。它利用链码提取图像中物体的轮廓。进一步利用轮廓来评价形状参数。轮廓跟踪有助于形状分析。轮廓跟踪是对数字图像执行的许多预处理技术之一,以提取关于其总体形状的信息。

五、提出的技术和流程

mean-shift算法运行如下。

1.选择搜索窗口:
•初始位置;
•其类型(均匀、多项式、指数或高斯);
•其形状(对称或倾斜,可能旋转,圆形或矩形);
•它的大小(滚动或切断的程度)。
2.计算窗口的(可能是加权的)质心。
3.把窗户放在物体的中心。
4.返回到第2步,直到窗口停止移动(它总是会停止移动)。

六、预期的技术实施和方法

·各种分割技术和形状参数的比例分析。
设计一种新的医学诊断算法。
改进的高效算法在RBC图像上的实现-正常和异常。
将结果与现有技术进行相对研究,并生成详细报告
·对研究计划中规定的假设和目标的接受和信任程度
从实施和取得的成果出发,总结结论和未来的工作

7仿真结果

我们已经通过使用Mean-Shift分割分割了各种图像。所提取参数的集合表示如表1所示。采用分割技术对不同rbc进行形状分析,如图1所示。
轮廓起着重要的作用。一旦给定模式的轮廓被提取出来,它的不同特征将被检查,并被用作稍后用于细胞分类的特征。轮廓像素通常是表示图案的像素总数的一个小子集。因此,当我们在轮廓上而不是在整个图案上运行特征提取算法时,计算量大大减少。目前的方法工作在不同的阶段,首先对图像进行分割,然后进行二值化,然后成功提取轮廓,从而形成参数,我们测试了该方法对RBC细胞的分析和分类。通过这种分类,我们可以很容易地发现血液疾病并进行诊断。有时红细胞的结构变化表明可能的病理状况。本文提出了一种将该技术应用于红细胞图像诊断贫血的新技术。

表格一览

表的图标
表1

数字一览

图1 图2 图3 图4
图1 图2 图3 图4

参考文献














全球科技峰会