Отрывок: 18287/2412-6179-CO-659 79 С применением описанного ранее подхода, осно- ванного на выделении контуров, точность была улучшена. При этом достоверность сегментации ста- ла равна 97,5 %, чувствительность – 94,7 %, а специ- фичность – 99,7 %. На рис. 12 представлен результат улучшения маски. В итоге, лучшая достоверность сегментации соста- вила 99,1 % (рис. 13), а худшая равна 85 % (рис. 14). а) б) в) Рис. 13. Маска с лучшим значением достоверности сегментации: исходное изображен...
Название : Сравнение алгоритмов выделения области интереса на компьютерных томограммах легких
Другие названия : Automatic highlighting of the region of interest in computed tomography images of the lungs
Авторы/Редакторы : Пашина, Т.А.
Гайдель, А.В.
Зельтер, П.М.
Капишников, А.В.
Никоноров, А.В.
Ключевые слова : обработка изображений
сегментация
компьютерная томография лёгких
пороговая обработка
свёрточные нейронные сети
U-Net
Дата публикации : Фев-2020
Издательство : Самарский национальный исследовательский университет им. академика С.П. Королева, Институт систем обработки изображений РАН - филиал ФНИЦ «Кристаллография и фотоника» РАН
Библиографическое описание : Пашина, Т.А. Сравнение алгоритмов выделения области интереса на компьютерных томограммах лёгких / Т.А. Пашина, А.В. Гайдель, П.М. Зельтер, А.В. Капишни­ков, А.В. Никоноров // Компьютерная оптика. – 2020. – Т. 44, № 1. – С. 74-81. – DOI: 10.18287/2412-6179-CO-659.
Серия/номер : 44;1
Аннотация : Рассматривается автоматическое создание масок для выделения лёгких на компьютерных томограммах с помощью трёх подходов: метода Оцу, простой свёрточной нейронной сети, состоящей из 10 одинаковых слоёв, и свёрточной нейронной сети U-Net. Произведено исследование и сравнение используемых методов автоматического выделения области интереса на реальных изображениях компьютерной томографии лёгких, полученных в Клиниках СамГМУ. Решение данной задачи актуально, так как она является первым этапом при автоматизированном поиске патологических изменений на изображениях компьютерной томографии. Предложен алгоритм постобработки изображений, основанный на поиске контуров, который позволяет повысить качество сегментации. Сделан вывод о том, что U-Net выделяет область интереса, относящуюся к легкому, несколько лучше, чем два других подхода. При этом простая свёрточная нейронная сеть обеспечивает достоверность сегментации 97,5 %, что лучше достоверности сегментации 96,7 %, достигнутой с помощью метода Оцу, и лучше достоверности сегментации 96,4 %, достигнутой с помощью нейронной сети U-Net.
URI (Унифицированный идентификатор ресурса) : https://dx.doi.org/10.18287/2412-6179-CO-659
http://repo.ssau.ru/handle/Zhurnal-Komputernaya-optika/Sravnenie-algoritmov-vydeleniya-oblasti-interesa-na-komputernyh-tomogrammah-legkih-82864
Другие идентификаторы : Dspace\SGAU\20200313\82864
ГРНТИ: 28.23.15
Располагается в коллекциях: Журнал "Компьютерная оптика"

Файлы этого ресурса:
Файл Описание Размер Формат  
440110.pdfОсновная статья547.36 kBAdobe PDFПросмотреть/Открыть



Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.