Главная » Просмотр файлов » Диссертация

Диссертация (1174210), страница 28

Файл №1174210 Диссертация (Автоматизированная бактериоскопическая диагностика туберкулеза) 28 страницаДиссертация (1174210) страница 282020-05-24СтудИзба
Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 28)

В отличии от алгоритма, основанного на математическом аппаратеискусственных нейронных сетей, данный алгоритм осуществляет сегментациюцифрового изображения за один проход по изображению. Однако, его применениесопряжено с выполнением большого количества элементарных арифметическихопераций.Третьимизразработанныхалгоритмовсегментациицифровыхмикроскопических изображений мокроты, окрашенной по методу Циля-Нильсена,является алгоритм, основанный на преобразовании изображения вейвлетомMexican Hat (Мексиканская шляпа). Вейвлет-преобразование Mexican Hat199позволяет значения цветов всех пикселей на изображении перевести в цвета сразличнымикомбинациямимаксимальныхиминимальныхзначенийсоставляющих цвета пикселей R, G и B, а последующее исключение пикселей,имеющих составляющее R равное 0, позволяет оставить на изображении толькообъекты, которые с большой вероятностью являются кислотоустойчивымимикобактериями, и исключить те объекты, которые точно кислотоустойчивымимикобактериями не являются.

Основными преимуществами алгоритма вейвлетпреобразования от предыдущих алгоритмов сегментации являются необходимостьлишь одного прохода по изображению и относительно небольшое, по сравнению салгоритмом, основанным на самоорганизующейся карте Кохонена, количествоарифметических операций.Основным недостатком применения вейвлет-преобразования Mexican Hatдля сегментации цифровых изображений является необходимость выбораоптимальногопараметраσ.Эмпирическийподборивычислительныеэксперименты основанные на оценке качества сегментации изображений сприменением критериев однородности и комплексных критериев качествасегментации показали, что наиболее оптимальными значениями параметра σвейвлета Mexican Hat для сегментации цифровых изображений мокроты,окрашенной по методу Циля-Нильсена, являются значения в интервале от 2,90 до3,09.

При таких значениях параметра σ наблюдаются: наименьшее среднее числообъектовпослепреобразования,наименьшаядоляпропущенныхкислотоустойчивых микобактерий на всех изображениях от имеющихся на нихкислотоустойчивых микобактерий.Приведенныевышенедостаткиразработанныхнамиалгоритмовсегментации цифровых изображений таких как, алгоритм основанный наискусственной нейронной сети и самоорганизующейся карте Кохонена, отразилисьна времени их выполнения.

Так, на сегментацию одного изображения сприменением искусственных нейронных сетей затрачивается в среднем 3,158секунды, а с применением самоорганизующейся карты Кохонена – 0,687 секунды.Наиболееоптимальноесоотношениекачестваискоростисегментации200изображений имеет вейвлет-преобразование Mexican Hat (0,591 секунды). Такимобразом, использование вейвлет-преобразования Mexican Hat для сегментациицифровых микроскопических изображений мокроты, окрашенной по методу ЦиляНильсена, является более предпочтительным ввиду наименьшего временисегментации изображения среди разработанных алгоритмов.Надальнейшемэтапеисследованияпроведенанализпараметров,описывающих кислотоустойчивые микобактерий в качестве объектов на цифровыхмикроскопических изображениях мокроты, окрашенной по методу Циля-Нильсена.В качестве параметров, описывающих объекты на изображении, рассматривались240 параметров, включающих в себя цветовые и морфометрические параметрыобъектов: средние, минимальные и максимальные значения цветов цветовых схемRGB и HSV, размеры от центра объекта да его краев с различным углом наклона иразличные соотношения перпендикулярных и противолежащих размеров объектов.Такжепроведенаоценкаданныхпараметровнапредметвозможностиклассификации объектов на 2 класса (кислотоустойчивые микобактерии и другиеобъекты) с использованием классических статистических методов и методовоценки информативности признаков.

Установлено, что наиболее важными, то естьимеющими наименьшие значения коэффициентов вариации и осцилляции, дляклассификации объектов признаками являются: минимальное значение Y,максимальное значение B, среднее значение V, минимальное значение V и среднеезначение H, так как данные параметры имеют наименьшие значения коэффициентаотносительной квартильной вариации.В ходе данного этапа исследования также представлены методикиопределенияморфометрическиххарактеристикобъектовприизмененииразрешения цифровых изображений, на которых осуществляется поиск такихобъектов, и изменении увеличения, при котором осуществляется микроскопияокрашенных образцов мокроты.

Учет полученных цветовых и морфометрическиххарактеристик, а также представленных методик позволит осуществлятьразработку алгоритмов сегментации цифровых микроскопических изображений201мокроты, окрашенной по методу Циля-Нильсена, а также математических моделейраспознавания объектов на данных изображениях.В ходе исследования также необходимо было решить задачу отборапараметров объектов для их дальнейшей классификации, что потребовалоиспользования различных методов оценки информативности параметров, а такжеразработки метода «пересечений» для их отбора. Вычислительные экспериментыпоказали, что методы оценки информативности накопленных частот, Шеннона,Кульбака, Фишера и ранговый методу могут применяться для сниженияпризнакового пространства при построении и исследовании медицинскихпрогностических моделей и в частности при классификации объектов, выделенныхна цифровых изображениях микроскопических препаратов мокроты, окрашеннойпо методу Циля-Нильсена.

При этом, признаки, имеющие наибольшуюинформативность при применении различных методов оценки информативностисущественно отличаются, что потребовало дальнейшего сравнения качествараспознавания объектов с использованием отобранных данными методамипризнаков.Результаты сравнения качества классификации объектов с использованиемпараметров, отобранных с использованием различных методов, показали, чтонаилучшим методом отбора признаков для распознавания объектов на цифровыхизображениях микроскопических препаратов мокроты, окрашенной по методуЦиля-Нильсена, является метод «пересечений».

Данный метод позволяетосуществлять отбор признаков из всего признакового пространства так, чтоклассификационные модели дают максимальную точность классификации принаименьшем числе входных параметров.В последующем осуществлялась разработка математических моделейклассификации объектов на цифровых микроскопических изображениях мокроты,окрашенной по методу Циля-Нильсена. В качестве таких моделей использованылогистические регрессионные уравнения, деревья классификации и искусственныенейронные сети.202В ходе данного этапа исследования были построены 6 уравненийлогистической регрессии с применением различных методов отбора признаков.Показателичувствительности,специфичности,точности,атакжедолиложноотрицательных и ложноположительных результатов были практическиодинаковые у всех полученных уравнений.

Однако, наименьшее число признаков,включенных в уравнение, было получено при применении метода с их прямымпошаговым включением на основе отношения правдоподобия. В данное уравнениевключено34признакаклассифицируемыхобъектовприследующихклассификационных характеристиках: чувствительность – 88,9%, специфичность –88,2%, точность – 88,6%, доля ложноположительных результатов – 11,8% и доляложноотрицательных результатов – 11,1%. Это свидетельствует о возможностииспользования данного уравнения для анализа изображений в системах поддержкипринятия решений при проведении бактериоскопического исследования напредмет обнаружения кислотоустойчивых микобактерий.Построенные с использованием различных методов деревья классификациитакже показали приемлемое качество классификации, что позволяет осуществлятьавтоматическоераспознаваниеобъектов,выделяемыхнацифровыхмикроскопических изображениях мокроты, окрашенной по методу Циля-Нильсена.При этом наилучшими показателями, характеризующими диагностическуюспособность данных моделей, обладало дерево классификации построенноеметодом CHAID: чувствительность – 94,0 [93,4; 94,6]%, специфичность – 92,1[92,0; 92,1]%, точность – 92,2 [92,1; 92,3]%.

Помимо этого, данное деревоклассификациипозволяетосуществлятьклассификациюобъектовсиспользованием наименьшего количества параметров объектов, что ускоряетскорость его работы.Наилучшие показатели трехслойной нейронной сети, характеризующиекачество классификации объектов, были получены на 92 итерации обучения:чувствительность – 94,7%, специфичность – 90,8, ошибка классификации натестовой выборке – 7,2%, а наилучшие показатели четырехслойной нейронной сети– на 75 итерации: чувствительность – 96,7%, специфичность – 93,0%, ошибка203классификации на тестовой выборке – 5,2%. Данные математические моделиискусственной нейронной сети могут быть использованы для распознаванияобъектов(кислотоустойчивыхмикобактерийииныхобъектов)вавтоматизированных системах бактериоскопической диагностики туберкулеза.Причем предпочтительным является использование построенной четырехслойнойнейронной сети, так как данная модель позволяет осуществлять классификациюобъектов на цифровых микроскопических изображениях мокроты, окрашенной пометоду Циля-Нильсена, с наилучшими показателями качества классификации посравнению с трехслойной нейронной сетью, логистическими регрессионнымиуравнениями и деревьями классификации, построенными с применениемразличных алгоритмов.На заключительном этапе исследования рассмотрены схемы работы итребования к программно-аппаратному комплексу для автоматизированнойбактериоскопическойдиагностикитуберкулеза,атакжепредставленыразработанные прототипы аппаратной и программной частей данного программноаппаратного комплекса.

В представленной схеме задачей аппаратной частипрограммно-аппаратного комплекса автоматизированной бактериоскопическойдиагностикитуберкулезаявляетсяавтоматизацияполученияцифровыхизображений, а аппаратная часть представляет собой модернизированныймикроскоп, позволяющий в автоматическом режиме производить цифровуюмикроскопическую фотосъемку препаратов мокроты, окрашенной по методу ЦиляНильсена, и осуществлять передачу полученных изображений на компьютер длядальнейшего анализа с помощью программной части рассматриваемой системы.Аппаратная часть должна обеспечивать три основополагающих функции. Вопервых, снизить роль человека в процессе получения цифрового материала дляанализа путем автоматизации данного процесса.

Характеристики

Тип файла
PDF-файл
Размер
3,41 Mb
Предмет
Высшее учебное заведение

Список файлов диссертации

Автоматизированная бактериоскопическая диагностика туберкулеза
Свежие статьи
Популярно сейчас
Зачем заказывать выполнение своего задания, если оно уже было выполнено много много раз? Его можно просто купить или даже скачать бесплатно на СтудИзбе. Найдите нужный учебный материал у нас!
Ответы на популярные вопросы
Да! Наши авторы собирают и выкладывают те работы, которые сдаются в Вашем учебном заведении ежегодно и уже проверены преподавателями.
Да! У нас любой человек может выложить любую учебную работу и зарабатывать на её продажах! Но каждый учебный материал публикуется только после тщательной проверки администрацией.
Вернём деньги! А если быть более точными, то автору даётся немного времени на исправление, а если не исправит или выйдет время, то вернём деньги в полном объёме!
Да! На равне с готовыми студенческими работами у нас продаются услуги. Цены на услуги видны сразу, то есть Вам нужно только указать параметры и сразу можно оплачивать.
Отзывы студентов
Ставлю 10/10
Все нравится, очень удобный сайт, помогает в учебе. Кроме этого, можно заработать самому, выставляя готовые учебные материалы на продажу здесь. Рейтинги и отзывы на преподавателей очень помогают сориентироваться в начале нового семестра. Спасибо за такую функцию. Ставлю максимальную оценку.
Лучшая платформа для успешной сдачи сессии
Познакомился со СтудИзбой благодаря своему другу, очень нравится интерфейс, количество доступных файлов, цена, в общем, все прекрасно. Даже сам продаю какие-то свои работы.
Студизба ван лав ❤
Очень офигенный сайт для студентов. Много полезных учебных материалов. Пользуюсь студизбой с октября 2021 года. Серьёзных нареканий нет. Хотелось бы, что бы ввели подписочную модель и сделали материалы дешевле 300 рублей в рамках подписки бесплатными.
Отличный сайт
Лично меня всё устраивает - и покупка, и продажа; и цены, и возможность предпросмотра куска файла, и обилие бесплатных файлов (в подборках по авторам, читай, ВУЗам и факультетам). Есть определённые баги, но всё решаемо, да и администраторы реагируют в течение суток.
Маленький отзыв о большом помощнике!
Студизба спасает в те моменты, когда сроки горят, а работ накопилось достаточно. Довольно удобный сайт с простой навигацией и огромным количеством материалов.
Студ. Изба как крупнейший сборник работ для студентов
Тут дофига бывает всего полезного. Печально, что бывают предметы по которым даже одного бесплатного решения нет, но это скорее вопрос к студентам. В остальном всё здорово.
Спасательный островок
Если уже не успеваешь разобраться или застрял на каком-то задание поможет тебе быстро и недорого решить твою проблему.
Всё и так отлично
Всё очень удобно. Особенно круто, что есть система бонусов и можно выводить остатки денег. Очень много качественных бесплатных файлов.
Отзыв о системе "Студизба"
Отличная платформа для распространения работ, востребованных студентами. Хорошо налаженная и качественная работа сайта, огромная база заданий и аудитория.
Отличный помощник
Отличный сайт с кучей полезных файлов, позволяющий найти много методичек / учебников / отзывов о вузах и преподователях.
Отлично помогает студентам в любой момент для решения трудных и незамедлительных задач
Хотелось бы больше конкретной информации о преподавателях. А так в принципе хороший сайт, всегда им пользуюсь и ни разу не было желания прекратить. Хороший сайт для помощи студентам, удобный и приятный интерфейс. Из недостатков можно выделить только отсутствия небольшого количества файлов.
Спасибо за шикарный сайт
Великолепный сайт на котором студент за не большие деньги может найти помощь с дз, проектами курсовыми, лабораторными, а также узнать отзывы на преподавателей и бесплатно скачать пособия.
Популярные преподаватели
Добавляйте материалы
и зарабатывайте!
Продажи идут автоматически
6417
Авторов
на СтудИзбе
307
Средний доход
с одного платного файла
Обучение Подробнее