Разработка технологии автоматического выделения областей интереса на рентгеновских снимках легких

Abstract

В настоящей работе разработана информационная технология автоматического выделения областей интереса на рентгеновских снимках лёгких, основанная на вычислении текстурных признаков и классификации k-средних. По выделенным объектам в отдельных случаях можно характеризовать не только состояние лёгких пациента, но и его параметры: возраст, пол, телосложение и т.д. В процессе работы выявлена зависимость ошибки сегментации от размера окна фрагментации при использовании метода k-средних. В эксперименте использовались как визуальный критерий оценивания качества результата сегментации, так и критерий, основанный на вычислении ошибки кластеризации на большом наборе фрагментированных изображений. Исследование также включало применение методов предобработки изображений. Так исследование показало, что данная технология обеспечивает ошибку выделения ключевых объектов на уровне 26%. Однако при использовании процедуры эквализации ошибка уменьшается до 14%. Представлены ошибки кластеризации изображения рентгеновского снимка для окон фрагментации 12×12, 24×24 и 36×36. We propose a technique for automatic selection technique of interest regions in lungs x-rays images. The relevance of the problem is associated with enhancing the lung disease count. The technique is based on the texture analysis of lungs x-rays images. The automatic selection technique of interest regions is performed using the k-means clustering algorithm and the morphological operations. The best values of image fragmentation dimensions for the image segmentation required for regions of interest are determined herein. The experiment used both a visual criterion for evaluating the quality of the segmentation result, and a criterion based on the calculation of the clustering error on a large set of fragmented images. The study also included the use of image preprocessing techniques. So the study showed that this technology provides an error in the selection of key objects at a level of 26%. However, when using the equalization procedure, the error is reduced to 14%. X-ray image clustering errors for fragmentation windows 12×12, 24×24 and 36×36 are presented.