Диссертация (1174210), страница 27
Текст из файла (страница 27)
На следующем этапедля уменьшения времени анализа изображения у каждого объекта осуществляетсяопределение не всех 240 цветовых и морфометрических параметров, а только тех,которые необходимы для дальнейшей их классификации с использованием190встроенной в программу математической модели (в данном случае четырехслойнойнейронной сети).Рисунок 68 – Окно добавления анализа в режиме оригинального изображения свыделенными объектамиВсе объекты, один или несколько цветовых и/или морфометрическихпараметров которых выходят за рамки диапазонов значений данных параметров укислотоустойчивых микобактерий помечаются как «НЕ КУМ» (рисунок 68).Классификация данных объектов с помощью четырехслойной нейронной сети надальнейшем этапе не осуществляется.
Объекты, цветовые и морфометрическиепараметры которых не выходят за рамки диапазонов значений данных параметрову кислотоустойчивых микобактерий помечаются как «Возможно КУМ».191Необходимо отметить, что в соответствии с требованиями, предъявляемымик программной части программно-аппаратного комплекса автоматизированнойбактериоскопической диагностики туберкулеза, и представленными в предыдущемразделе,впрограмме«МикроТуб-Авто»предусмотренавозможностьредактирования, сохранения и загрузки диапазонов значений цветовых иморфометрических параметров у кислотоустойчивых микобактерий (рисунок 69).Рисунок 69 – Окно редактирования, сохранения и загрузки диапазонов значенийцветовых и морфометрических параметров у кислотоустойчивых микобактерийВ последующем осуществляется классификации объектов, помеченных как«Возможно КУМ» с помощью, встроенной и заранее обученной четырехслойнойнейронной сети.
Если на выходе данной нейронной сети определяется значениебольшее либо равное 0,5, то объект помечается как «КУМ», а если меньшее 0,5 –как «НЕ КУМ».192Также в соответствии с требованиями, предъявляемыми к программной частипрограммно-аппаратного комплекса автоматизированной бактериоскопическойдиагностикитуберкулеза,впрограмме«МикроТуб-Авто»предусмотренавозможность просмотра и загрузки нейронных сетей имеющих различнуюструктуру и осуществляющих классификацию объектов на основе различногонабора цветовых и морфометрических параметров (рисунок 70).Рисунок 70 – Окно просмотра и загрузки нейронных сетей имеющих различнуюструктуруПослеклассификациивсехобъектовнавсехимпортированныхизображениях в соответствии с правилами, представленными в таблице 20,осуществляется оценка результата бактериоскопического исследования.
Придостаточном для оценки результата числе импортированных изображения193активируется возможность распечатки результатов бактериоскопического анализа,которые включают в себя:1.наименование лечебно-профилактического учреждения;2.номер лицензии;3.наименование подразделения;4.заголовок бланка;5.фамилия имя отчество;6.год рождения пациента;7.пол пациента;8.дата анализа;9.результатмикроскопическогоисследования(всоответствиисправилами, представленными в таблице 20);10.фамилия имя отчество медицинского работника, проводившегоисследование;11.место под подпись сотрудника.Данные 1-4, 9 и 10 могут изменяться в настройках программы «МикроТубАвто».На рисунке 71 представлено соотношение числа объектов на изображениях инепосредственного времени анализа данных изображений. Во время анализаизображений включено время его сегментации, поиска и рекурсивного выделенияобъектов, поворота объектов, расчета необходимых параметров объектов и работыклассификационной нейронной сети.
Как видно из представленных на рисунке 71данных, время анализа напрямую зависит от числа объектов, которые остаются наизображении после его сегментирования. Среднее время анализа всех включенныхв работу изображений составило 4,89 секунды, стандартное отклонение – 2,92секунды, медиана и квартили – 4,14 [3,03; 5,94] секунды. В среднем нараспознавание 1 объекта затрачивается 0,014 секунды.Втаблице22представленосреднеевремяпроведенияодногоавтоматизированного бактериоскопического анализа мокроты, окрашенной пометоду Циля-Нильсена с помощь разработанных алгоритмов и методов. Для того194чтобы констатировать отрицательный результат обследования одного мазкамокроты необходимо в среднем затратить 24,45 минуты.Время анализа изображения, сек2520y = 0,0093x + 1,1431R² = 0,98311510500500100015002000Число объектов на изображении25003000Рисунок 71 – Соотношение числа объектов на изображении и времени анализаизображенияДля констатации положительного результата бактериоскопического анализапри содержании 1–9 кислотоустойчивых микобактерий в 100 полях зрения, то естьв 100 изображениях, полученных с одного препарата мокроты необходимозатратить 8,15 минуты.
При увеличении числа кислотоустойчивых микобактерий вмикроскопическом препарате мокроты, окрашенной по методу Циля-Нильсена,время необходимое на получение результата существенно снижается до 1,63минуты при наличии более 10 кислотоустойчивых микобактерий в 20микроскопических изображениях.Полученные данные о времени реализации разработанных алгоритмов иметодов, позволяющих осуществлять распознавание объектов на цифровых195микроскопических изображениях мокроты, свидетельствуют о том, что данныеалгоритмыиметодымогутприменятьсядляавтоматизированнойбактериоскопической диагностики туберкулеза.Таблица 22 – Среднее время необходимое для получения результатовавтоматизированной бактериоскопической диагностикиПолучаемый в оперативномрежиме результатКислотоустойчивыемикобактерии не обнаруженыв 300 полях зрения1 – 2 кислотоустойчивыхмикобактерии в 300 поляхзрения1 – 9 кислотоустойчивыхмикобактерий в 100 поляхзрения10 – 99 кислотоустойчивыхмикобактерий в 100 поляхзрения1 – 10 кислотоустойчивыхмикобактерий в 1 поле зренияБолее 10 кислотоустойчивыхмикобактерий в 1 поле зренияМинимальноечисло полейзренияРезультатбактериоскопическогоисследованияСреднеевремя,мин.300Отрицательный24,45300Не оценивается24,45100Положительный8,15100Положительный8,1550Положительный4,0820Положительный1,63Тестирование прототипа программной части на цифровых изображенияхмикроскопических препаратов мокроты, окрашенной по методу Циля-Нильсена, сзаведомоустановленнымналичиемилиотсутствиемкислотоустойчивыхмикобактерий показало следующие результаты.
Среди препаратов, на которыхбыло установлено наличие кислотоустойчивых микобактерий с использованиемпростой световой микроскопии (40 препаратов), с применением разработанногопрототипа положительный результат исследования констатирован в 100% случаев.Среди препаратов, на которых было установлено отсутствие кислотоустойчивыхмикобактерий с использованием простой световой микроскопии (40 препаратов), сприменением разработанного прототипа отрицательный результат исследованияполучен в 92,5% случаев (в 37 препаратах), в 2,5% (1 препарат) –196ложноположительный результат, а в 5% (2 препарата) – неоцениваемый результат,наоснованиикоторогонеобходиморекомендоватьповторитьбактериоскопическое исследование.
Таким образом, чувствительность прототипапрограммной части составила 100,0 [92,7; 100,0]%, специфичность – 97,4 [89,7;97,4]%, точность – 98,7 [91,2; 98,7]%.На основе результатов анализа всех используемых в работе цифровыхмикроскопических изображений мокроты, окрашенной по методу Циля-Нильсена(всего 11 459 изображений), были сформированы допустимые характеристикипараметровцифровыхизображений,которыемогутанализироватьсясприменением разработанных методов, представленные в таблице 23.Таблица 23 – Допустимые характеристики параметров цифровых изображенийХарактеристикиизображенийСреднийкоэффициентяркостиЯркостнаяконтрастностьТоноваяконтрастностьРазмытостьЦветоваятемператураMσVMeQ1Q3182,926,023,29184,82178,65187,93811,12397,9749,06728,18462,371120,1037,5110,3727,6435,8828,3746,0841,799,9123,7240,7733,0149,901882,328,750,461882,96 1876,30 1888,20Таким образом, разработанная программа «МикроТуб-Авто» соответствуетсхеме и отвечает требованиям, сформированным в предыдущем разделе и можетиспользоваться в качестве прототипа программной части программно-аппаратногокомплекса автоматизированной бактериоскопической диагностики туберкулезапутем анализа цифровых изображений, имеющих параметры, соответствующиеприведенным характеристикам.197ЗАКЛЮЧЕНИЕКак показали результаты наших исследований применение классических ишироко описанных в литературе [4, 103, 174, 183, 238, 299, 315, 317, 318, 361]методов сегментации изображений таких как, пороговая бинаризация, методбинаризации Оцу, детекторы границ (операторы Робертса, Собеля, Превитта,Робинсона и Кенни), детекторы углов Харриса и FAST-алгоритм, а также функцияпоиска контуров библиотеки OpenCV, позволяет сегментировать цифровыхмикроскопических изображений мокроты, окрашенной по методу Циля-Нильсена.Однако, при визуальной оценке качества сегментации изображений использованиепороговой бинаризации со средним коэффициентом яркости в качестве порога иметода бинаризации Оцу приводит к отсутствию возможности разделения фона иобъектов, которые являются микобактериями, а применение детекторов границприводит к слиянию выделенных границ объектов, а также не полному выделениюданных границ.
Данные результаты свидетельствуют о том, что применениепредставленныхалгоритмовневозможнобез дополнительнойпред-илипостобработки цифровых микроскопических изображений мокроты, окрашеннойпо методу Циля-Нильсена, что несомненно увеличит число проходов поизображению и, соответственно, время сегментации таких изображений.В связи с этим в процессе исследования необходима осуществлениеразработкиновыхалгоритмов,позволяющихосуществлятьсегментациюиспользуемого класса изображений с минимальным числом проходов поизображению и, соответственно, минимальным временем выполнения.В ходе реализации дальнейших этапов исследования разработаны триалгоритма сегментации, использование которых возможно для сегментациицифровых микроскопических изображений мокроты, окрашенной по методу ЦиляНильсена.Одинизалгоритмовпредполагаетиспользованиеминимальныхимаксимальных границ параметров H, S и V цветовой схемы HSV, внутри которых198пиксели относятся к классу объектов кислотоустойчивых микобактерий, а запределами которых – к другим объектам на изображении.
Большинство данныхграниц в процессе исследования были установлены экспериментально. Аопределение нижних границ H и S предполагается подбирать с применениемматематическогоаппаратаискусственнойнейроннойсетидлякаждогоизображения индивидуально на основе априорной информации о сегментируемомизображении. Средняя абсолютная ошибка подбора нижней границы H наконтрольной выборке составила 2,27, а для подбора нижней границы S – 0,57, чтопозволяет применять данный алгоритм для сегментации изучаемого классаизображений. Основным существенным недостатком применения данногоалгоритма является необходимость двукратного прохода по изображению для егосегментации.Следующимразработаннымалгоритмомсегментациицифровыхмикроскопических изображений мокроты, окрашенной по методу Циля-Нильсена,является алгоритм, основанный на использовании самоорганизующейся картыКохонена.
Для выполнения сегментации изображения с применением данногоалгоритма осуществляется проход по изображению окном 10x10 пикселей иопределяется нейрон победитель для каждого фрагмента изображения. Еслинейрон победитель относится к группе определенных в ходе исследованиянейронов, откликающихся на фрагменты, содержащие кислотоустойчивыемикобактерии, то данный фрагмент остается на изображении, иначе закрашиваетсябелым цветом.