Medicininių vaizdų analizė - inksto glomerulų atpažinimas

Abstract

Baigiamajame magistro darbe nagrinėjamas vaizdų segmentavimo uždavinys iš skaitmeninės patologijos srities. Apžvelgtas problemos aktualumas medicininiu požiūriu. Pateiktas algoritmas, skirtas glomerulų atpažinimui, bei algoritmo parametrų parinkimo kriterijai. Atlikta algoritmo realizacija C++ programavimo kalba naudojant OpenCV biblioteką. Suformuota ir įvertinta 10 000 skirtingų Gaboro filtro parametrų σ, φ reikšmių. Atrinktos filtro parametrų reikšmės (σ = 1.4, φ = 8.4), su kuriomis geriausiai pavyko segmentuoti tiriamajame objekte esančius glomerulus. Sukurtas algoritmas 100 % tikslumu atpažįsta algoritmo kūrimo procese naudotame vaizde esančių glomerulų kiekį (2 iš 2) bei 89% tikslumu visame inkstų mikroskopinio preparato vaizde esančių glomerulų kiekį (8 iš 9). Padidinus jautrumą yra atpažįstami visi glomerulai, tačiau atsiranda ir klaidingai atpažintų. Tolimesniam algoritmo tobulinimui įvertintas GLCM matricų taikymas. Palyginti GLCM matricų parametrai, kuriems esant segmentavimo tikimybė yra didžiausia. Išnagrinėjus algoritmo tobulinimo aspektus, pateikiamos baigiamojo darbo išvados ir siūlymai. Darbą sudaro: įvadas, literatūros apžvalga, užduotis, eksperimentas ir rezultatai, rezultatų aptarimas ir išvados, literatūros sąrašas. Darbo apimtis – 71 p. teksto, 51 pav.

The task of picture segmentation in digital pathology area is analyzed. The relevance of the problem by medical attitude is reviewed. According to the review of the literature the equation of circular Gabor filter and its selection criteria are described. The realisation of algorithm with C++ programming language performed using „opencv“ library. 10 000 different values of circular Gabor filter parameters σ, φ were selected and evaluated to carry out the experiment. Values of filter parameters (σ = 1.4, φ = 8.4), which are the most able to the segmentate the glomeruli, were selected. Designed algorithm 100% of accuracy identifies glomerular count (2 of 2), witch are in the picture used when algorithm was created and 89% of glomerular count (8 of 9) in the entire kidney microscopic view. All glomerulus are identified if increasing the sensitivity, but false identification appears too. For further improvement of the algorithm GLCM matrix application is evaluated. GLCM matrix parameters are compared at which the segmentation probability is the highest. After the examination of the algorithm improvement aspects the conclusions and approaches of final thesis are presented. The thesis consists of: an introduction, literature review, the task, the experiment and the results, the discussion of the results and conclusions, references. Thesis consist of: 71 pages, 51 pictures.