Методы и алгоритмы морфологического анализа изображений в автоматизированной системе диагностики диабетической ретинопатии
Диссертация
Разработан метод сегментации сложноструктурируемых изображений, предназначенный для автоматизированной системы морфологич еского анализа изображений глазного дна, построенный на основе градиентной обработки исходного черно-белого изображения, в котором процесс получения бинарного изображения, отражающего морфо л огическую структуру исходного изображения, разбит на три последовательных этапа… Читать ещё >
Список литературы
- Айвазян, С.А. Прикладная статистика. Основы эконометрики: учебник для вузов: В 2 т. Т. 2. Основы эконометрики. / С. А. Айвазян. 2-е изд., испр. М.: ЮНИТИ-ДАНА, 2001. 432 с,
- Айвазян, С.А. Прикладная статистика. Основы эконометрики: учебник для вузов. В 2 т. Т. 1. Теория вероятностей и прикладная статистика / С. А. Айвазян, B.C. М^итрян. 2-е изд., испр. М: ЮНИТИ-ДАНА, 2001. 656 с.
- Аксёнов, C.B. Повышение качества распознавания сцен нейронной сетью «Неокогнитрон» / C.B. Аксёнов, В. Б. Новосельцев // Известия Томского политехнического университета. 2006. Т. 309. № 7. С.87−91.
- Ахметшин, A.M. Сегментация низкоконтрастных изображений с применением иерархической модели Марковского случайного поля / A.M. Ахметшин, А. Е. Федоренко // Искусственный интеллект 2002. № 4. С.414−421.
- Ахметшина, Л.Г. Адаптивная инверсная фильтрация низкоконjтрастных изображений -на основе комбинации методов автоморфного отображения и нейросетевого синтеза. / Л. Г. Ахметшина, A. M Ахметшин. // Искусственный интеллект. 2006. № 4. С. 264−274.
- Башков, Е.А. Статистическая кластеризация для выделения регионов изображений / Е. А. Башков, OJI. Вовк // Зб1рник праць V М1жнародно'1 науково! конференцп «1нтелектуальний анал! з шформацп». -«Просв1та», Kiiib. 2005. С. 50−59.
- Бейли Н. Математика в биологии и медицине / Н. Бейли // М.: Мир. 1970.
- Беляев, И. А. Применение принципов формального моделирования для классификации медицинских изображений / И. А. Беляев, С. В. Ку-черявский // Барнаул МКО. Т2. 2007. С. 355−361.
- Брежнева, А.Н. Спектральный анализ сегментов изображения глазного дна для количественной оценки сосудистой патологии / А. Н. Брежнева, P.A. Томакова, С.А. Филист// Биомедицинская радиоэлектроника. 2009. № 6. С. 15−18.
- Вежневец, А. Выделение связных областей в цветных и полутоновых изображениях / А. Вежневец//' On-Line журнал Графика и мультимедиа. 2003.
- Вежневец, А. Методы сегментации изображений: автоматическая сегментация / А. Вежневец, О. Бари нова // Режим доступа: http ://cgm.computergraphics.ru/content/view/147.
- Вершовский, Е.А. Предварительная обработка изображений методами интеллектуального анализа многомерных данных. / Е. А. Вершовский //'Известия Южного федерального университета. Технические науки. 2008. Т. 79. № 2.
- Гай, Е. В. Адаптивный алгоритм сегментации изображений / В. Е, Гай, А. Л. Жизняков // Муромский институт (филиал) Владимирского государственного университета им. А.Г. и Н. Г. Столетовых. Инфокоммуникаци-онные технологии. Т.6, № 4. 2008. С. 96−101.
- Гимелъфарб Г. Л., Гиббсовские случайные поля как вероятностные модели изображений на нижнем уровне вычислительного зрения. / Г. Л. Гимелъфарб, A.B. Залесный //Методы обработки сигналов и полей: Межвузовский сборник научных трудов. Ульяновск. 1995.
- Гиренко, A.B. Методы коррел я ционн о го обнаружения объектов. / A.B. Гиренко, В. В. Ляшенко, Машталир и др. // Харьков. АО «БизнесИн-форм». 1996. 112 с.
- Гонсалес, Р. Цифровая обработка изображений в среде Matlab / Р. Гонсалес, Р. Вудс, С. Эддинс. М.: Техносфера, 2006. 616 с.
- Гороховатский, В.А. Корреляционные методы распознавания изображений путем голосования систем фрагментов/ В. А. Гороховатский,
- Е.О. Передрий//Радиоэлектроника. Информатика. Управление. № 1. 2009. j
- Давыдов, A.B. Цифровая обработка сигналов: Тематические лекции / A.B. Давыдов //Екатеринбург: УГГУ, ИГиГ, кафедра геоинформатики. -2007−2010. Режим доступа: http://www.prodav.narod.ru/dsp/index.html.
- Дегтярев, C.B. Оптико-электронное устройство для диагностики тромбоза глубоких вен голени / C.B. Дегтярев, С. Ю. Мирошниченко // Вестник новых медицинских технологий. Тульский государственный университет. 2006. Т. 13, № 2. С. 156−157.
- Джуманов, О.И. Адаптивная нейросетевая система визуализацииизображений, распознавания и классификации микрообъектов / О.И. Джумаjнов // Проблемы информатики. 2009. С. 63 72.
- Диаморф объектив современное программное обеспечение для автоматической морфометрии и подсчета объектов на цифровых изображениях. Режим доступа: http://www.diamorph.ru/aboutprog.http.
- Дмитриев, A.B. Распознавание дерматоглифических признаков на основе нейронных сетей / A.B. Дмитриев, А. Н. Ветров // Медицинские информационные системы МИС-2006. Таганрогский государственный радиотехнический университет. Таганрог. 2006. С. 162−167.
- Дюк, В. Обработка данных на ПК в примерах / В. Дюк. -СПб: Питер, 1997. 240 с.
- Ермоленко, A.B. Алгоритм поиска примитивов на фотографиях с применением нейронных сетей/ A.B. Ермоленко, A.A. Козличенков // Часть 2. Нейроинформатика. 2010.
- Жилин, В.В. Теоретические основы компьютерных технологий обработки многомерных данных: учебное пособие / В. В. Жилин, A.A. Кузьмин, С. А. Филист и др.- Курск, гос. Сельскохозяйственная академия. Курск, 2008.
- Жук, C.B. Обзор современных методов сегментации растровых изображений / С. В Жук // Известия Волгоградского государственного технического университета: Межвуз. сб. научн. ст. / ВолгГТУ. Волгоград, 2009. № 6. С. 115−118.
- Журавель. И.М. Краткий курс теории обработки изображений. /•'JL-' Л. «X, А X ж1. И. М. Журавель // М.: 2004.
- Ильясова, НЛО. Метод выделения центральных линий кровеносных сосудов / Н. Ю. Ильясова, А. О. Корепанов, П. М. Чикулаев // Компьютерная оптика 2006. № 29. С. 146−150,
- Ильясова, Н.Ю. Экспертная компьютерная система диагностики глазных заболеваний по изображениям глазного дна / Н. Ю. Ильясова, A.B. У стинов, В. Г. Баранов // Компьютерная оптика. 1999. № 19. С. 202−209.
- Кацнельсон JI.А., Лысенко B.C., Балишанская Т. И. Клинический атлас патологии глазного дна Издательство: ГЭОТАР-Медиа, 2008. 120 с.
- Кацнельсон, Л.А. Клинические формы диабетической ретинопатии/ Л. А. Кацнельсон // Вестник офтальмологии, 1989. № 5. — С. 43−47.
- Кварнстром, М. Алгоритмы анализа изображения для распознавания контура дрожжевых клеток Электронный ресурс. / М. Кварнстром// Пер. с англ.-' Батлук Н. С. Режим доступа: http://masters.donntu.edu.ua/2009/kita/batluk library/imageanalysis ru. pdf
- Ковтун, И.В. Текстурная сегментация изображений на основании Марковских случайных полей / И. В. Ковтун // УСиМ. 2003. № 4. С. 46−55.
- Корепанов, А.О. Обнаружение границ радужной оболочки с использованием преобразования Хоу / А. О. Корепанов // Вестник СГАУ.2008. С. 235−240
- Коскас, Г. Комплексная диагностика патологии глазного дна / Г. Коскас, Ф. Коскас, А. Зурдан. М.: Практическая медицина. 2007. — 469 с.
- Красовская, И. Г. Метод распознавания патологических форм эритроцитов по их векторному изображению / И. Г. Красовская: // Радиоэлектроника и компьютерные системы. 2009. № 4 (38). Украина. С. 106- 107.
- Куприянов, A.B. Оценивание диагностических параметров сосудов на изображениях глазного дна в области диска зрительного нерва / A.B. Куприянов, Ильясова Н. Ю., Ананьин М. А. //Компьютерная оптика. 2006. № 29. С. 141−145.
- Луценко, М.Т. Автоматизированная система распознавания объектов на микроскопических изображениях биологических образцов. / М. Т. Луценко, Н. В. Ульянычев, Н. П. Семичевская // Бюллетень физиологии и патологии дыхания. 1999. № 3.
- Мариничев, К. Алгоритмы выделения параметрических кривых на основе преобразование Хафа./ К. Мариничев, В. Вежневец // Компьютерная графика и мультимедиа. 2006. № 4 (1)
- Мартынкина, Л.П. Информативность эксiipecc-латекс-тестов при использовании видеоцифровой регистрации / Л. П. Мартынкина, Т. А. Старовойтова, H.A. Стериополо и др. // Клинико-лабораториый консилиум. Со -П. 2009. № 6. С.56−62.
- Матюнин, С.А. Моделирование состояния эндотелиальныхjклеток по их фотоизображению / С. А. Матюнин, Н. С. Селиверстова // Компьютерная оптика. 2002. Т. 24. С. 173−177.
- Медовый, B.C. Автоматизированные цитофотометрические тесты мазков крови для общей клиники и скрининговых обследований населения / B.C. Медовый, В. А. Балабуткин, Н. В. Верденская // Клин, лабор. диагностика. 1997. № 10. С. 6−8.
- Медовый, B.C. Исследование и разработка программного обеспечения автоматической микроскопии биоматериалов: автореф. дис.. д-р.техн. Наук / B.C. Медовый // Москва. 2010. с. 20.j
- Михайлов, В.Н. Автоматизированный офтальмологический комплекс Атлант-Retina / В. Н. Михайлов, Н. С. Бургова, А. В. Корогодин и др.
- Электронный ресурс: http://library.mephi.ru/data/scientificsessions/1998/5/196.html.
- Михалец, В.В. Обзор методов сегментации полутонового цифрового изображения / В. В. Михалец // Режим доступа: http://masters.donntu.edu.ua/2010/fknt/deputat/links/index.htm.
- Моржаков, В. Современные биометрические методы идентификации / В. Моржаков, А. Мальцев // Безопасность. Достоверность. Информация. 2009. № 83. С. 44−48.
- Мясников, В.В. Эффективные алгоритмы вычисления локального дискретного вейвлет-преобразования / В. В. Мясников // Компьютерная оптика. Т. 31, № 4. 2007. С.86−94.
- Никитин, О.Т. Сравнительная оценка качества работы алгоритмов оконтуривания медицинских изображений / Никитин, ОТ., Пасечник,
- A.C., под ред. B.B. Ромашова. // Методы и устройство передачи и обработки информации. Межв.сб. научн. трудов Вып. 8. — М.: Радиотехника, 2007, С. 137−142.
- Орлов, A.A. Алгоритм вычисления признаков отрезков на растровых изображениях основанный на вычислении градиента яркости / А. А. Орлов, М. И. Ткачук // Инфокоммуникационные технологии. Т. 6, № 3.2008. С. 36−41.
- Осовский, С. Нейронные сети для обработки информации/ С. Ос-совский М.: Финансы и статистика, 2002. — 344 с.
- Патана, Е.И. Метод определения размера модели марковского случайного поля / Е. И. Патана // Известия Южного федерального университета. Технические науки. 2009. Т. 97. № 8. С. 206−212.
- Перов, А.И. Алгоритм последовательного выделения контура объекта на двумерных цифровых изображениях / А. И. Перов, Г. Г. Соколов // Радиотехника. 1998. № 7.
- Полякова, М.В. Контурная сегментация изображений с использованием вейвлет-анализа / М. В. Полякова, В. В. Любченко // Труды Одесского политехнического университета. 2004. вып. 1(21). С. 1−5.
- Привалов, М.В. Модел1 та алгоритми автоматизованоТ системи обробки ультразвукових ехограм оргашв людини: Автореф. дис. канд. техн. наук: 05.13.06 ./' Донецысий нацюналышй ун-т. Донецьк, 2003. 20с.
- Привалов, О.О. Автоматическая сегментация цифровых изображений медико-биологических препаратов методом кластерного анализа / О. О. Привалов, Л. Н. Бутенко // Современные наукоемкие технологии. 2007. № 10. С. 79−80. {
- Путятин, Е.П. Нормализация и распознавание изображений / Е. П. Путятин // Электронный ресурс: http ://sumschool. sumdu.edu.ua/is-02/rus/lectures/pytyatin/pytyatin.htm.
- Путятин, Е.П. Обработка изображений в робототехнике. / Е. П. Путятин, С. И. Аверин // М: Машиностроение. 1990. 320 с.
- Сафарли H.H., Щёголева И. В., Будзинская М. В., Киселёва Т. Н., Киселев Г. Л. Метод количественной оценки интенсивности флюоресценции в определении активности хориоидальной неоваскуляризации// Практикующий врач. М. 2007. № 6. С. 101−102.
- Сирота, A.A. Статистические алгоритмы обнаружения границ объектов на изображениях / А. А. Сирота, А. И. Соломатин // Вестник ВГУ. Серия: Системный анализ и информационные технологии. 2008. №. С.58−64.
- Сойфер, В.А. Методы компьютерной обработки изображений / В. А. Сойфер // М.: Физматлит, 2003. 784 с.
- Солдатова, О.П., Применение сверточной нейронной сети для распознавания рукописных цифр / Солдатова О. П., Гаршин A.A. // Компьютерная оптика, Т. 34, № 2. 2010. С. 251−259.
- Физика визуализации изображений. Пер. с англ. В 2-х томах. Под ред. С. Уэбба. М., Мир, 1991. Том 1−407 е., том2−406 с,
- Филист С.А., Пихлап C.B., Томакова P.A. Нечеткие нейросетевые структуры для сегментации изображений глазного дна //Вестник Воронежского государственного технического университета. Воронеж, 2009. Т.5. № 4. С.42−45.
- Фисенко, В.Т. Компьютерная обработка и распознавание изображений / В. Т. Фисенко, Т. Ю. Фисенко //СПб.: С-ПбГУ ИТМО. 2008. 192 с.
- Хайкин, С. Нейронные сети: полный курс / С. Хайкин. М.: ООО «И.Д. Вильяме», 2006. 1104 с
- Хлесткин, А.Ю. Распознавание текстур рентгенографических снимков и УЗИ изображений программными методами / А. Ю. Хлесткин, В. П. Кривозубов, A.B. Николаева // Инфокоммуникационные технологии. 2006. № 3. С. 64−69.
- Хлопов, АН. Машинное зрение в задаче автоматического подсчета клеток крови человека Электронный ресурс. / А. Н. Хлопов // Электронный научный журнал. Исследовано в России С. 1962−1969. .http://zhurnal.ape.relam.ru/ai-ticles/2007/167.pdf.
- Хряще в, Д. А. Об одном методе выделения контуров на цифровых изображениях / Д. Д. Хрящев // Вестник Астраханского государственного технического университета. Сер.: Управление, вычислительная техника и информатика. 2010. № 2. С. 181−187.
- Цыбулька, Е.С. Разработка специализированной компьютерной системы диагностики желудочно-кишечного тракта человека по изображениям ФГДС-исследования. Маг. дис. 2004.
- Чекотило, Е.Ю. Спектральный анализ вероятностных характеристик изображений / Е. Ю. Чекотило, I I.K. Кузнецов // Вестник Самарского Государственного, технического университета. Серия «Физико-математические науки». Самара, 2006. № 42. С 212−215.
- Чернецова, Е.А. Алгоритм классификации монохромных изображений с использованием нейронных сетей / Е. А. Чернецова // Вычислительные технологии. 2008. Т. 13. № 2. С, 119−130.
- Яне, Б. Цифровая обработка изображений / Б. Яне М.: Техносфера, 2007. 584 с.
- Azimifar, Z. Hierarchical multiscale modeling of wavelet based correlations / Z. Azimifar, P. Feiguth, J. Jernigan // IEEE Transaction on image processing. 2001. Vol. 7. — P. 427−445.
- Florack, L. M. J. Linear scale-space / L. M. J. Florack, В. M. Haar Romenv, J. J. Koenderink, M. A. Viergever // J. of Mathematical Imaging and Vision. 1994. — Vol. 4(4). — Pp. 325−351.
- Fowlkes, C. Efficient Spatiotemporal Grouping Using the Nystrom Method /С. Fowlkes, S. Belongie, J. Malik // Efficient Graph, 2001.
- Geman, S. Stochastic Relaxation, Gibbs Distributions, and the Bayes-ian Restoration of Images / S. Geman, D. Geman // IEEE Trans, on PAMI, 1984, vol, 6, no. 6, pp. 721−741.
- George JT. Sensitivity and specificity of single field non-mydriatic retinal photography in screening for diabetic retinopathy: The Edinburgh Type 2 Diabetes Study. ADA 2009.
- Jafar M. H. Ali An Iris Recognition System to Enhance E-security Environment Based on Wavelet Theory / Jafar M. H. Ali, Aboul Ella Hassanien // AMO Advanced Modeling and Optimization, Volume 5, № 2. 2003. pp. 93−104.
- Keuchel, J. Cuts for Unsupervised Image Segmentation using Probabilistic Sampling and SVD-based Approximation /J. Keuchel, C. Schnorr// University of Mannheim, Germany, 2003.
- Khotanzad. A. A soatial correlation method for neighbor set selection
- J — — ------— * «^A AAA w Vf xvx i-XVi V/l Jvk JVlWHWilin random field image models / A. Khotanzad, J. Bennett // IEEE Transactions on image processing. 1999. Vol. 8. P. 578−593.
- Koenderink J.J. The structure of images / J.J. Koenderink // Biological Cybernetics. 1984. — Vol. 50. — Pp. 363−370.
- Kyong Woo Nam. A Feature Extraction Method for Binary Iris Code Construction / Kyong Woo Nam, Kyong Lok Yoon, Jun Sung Bark, Woo S. Yang // Proceedings of the 2nd International Conference on Information Technology for Application.2004.
- Li Ma Iris. Recognition Using Circular Symmetric Filters / Li Ma, Yunhong Wang, Tieniu Tin / Proceedings of the 16 th International Conference on Pattern Recognition // P. 20 414−20 418.
- Lionel Martin. Tisse Person identification technique using human iris recognition. / Lionel Martin, Lionel Torres, Michel Robert // Proc. of Vision Interface, 2002. pp.294−299.
- Minesh Ade. Efficient human system based on retina blood vessel pattern and Delaunay triangulation (DT) net / Minesh Ade, Raza A. Jafri, M. Ghazan-far Ullah //3 rd International Conference on Biomedical Technjlogy. 2011. P. 253 256.
- Richard P. Wildes. Iris Recognition / Richard P. Wildes //An Emerging Biometric Technology. Proceedings of The IEEE, vol. 85, № 9. 1997. P. 13 471 347.
- Satoh, S. Pattern Recognition System with Top Down Process of Mental Rotation / Satoh S., Kuroiwa J., Aso H., Miyake S. // 5th Intern. Work Conference on Neural Network. Alicante, 1999. — № 1. — P. 816−825.
- Sharon, Eitan. Fast Multiscale Image Segmentation / Eitan Sharon, Achi Brandt Ronen Basriy // Dept. of Applied MathThe Weizmann Inst, of Science, Israel, 2000.
- Shi, J. Normalized Cuts and Image Segmentatio/ J. Shi, J. Malik// University of California at Berkeley. 1997.
- Veksler, O. linage Segmentation by Nested Cuts / O. Veksler//NEC Research Institute, 2000.
- Zadeh L.A. Fuzzy algorithms // Information and control. Vol. 12, 1968 -№ 2-P. 233−238.