Исследование текстурных признаков для диагностики нефрологических заболеваний по ультразвуковым изображениям

А. В. Гайдель, С. Н. Ларионова, А. Г. Храмов

Аннотация


Предложен метод автоматизированной диагностики заболеваний почек по ультразвуковым изображениям. Исследована эффективность различных групп информационных признаков таких изображений для задачи распознавания. По данным ряда экспериментов на натурных данных наилучшие результаты показала группа из двух признаков Харалика. Оценка вероятности ошибочного распознавания для этой группы составила 0,06. Также хорошую эффективность продемонстрировали спектрально-корреляционные признаки, для которых эта оценка составила 0,10.

Ключ. слова


Обработка изображений; текстурный анализ; распознавание образов; диагностика; признаки Харалика; регрессия; отбор признаков; дисперсионный анализ

Полный текст:

PDF

Список литературы

1. Rangayyan R.M. Biomedical Image Analysis. CRC Press, 2004. 1312 p.

2. Chen D.-R., Chang R.-F., Chen Ch.-J., Ho M.-F., Kuo Sh.-J., Chen Sh.-T., Hung Sh.-J., Moon W.K. Classification of breast ultrasound images using fractal feature // Journal of Clinical Imaging. 2005. V. 29. P. 235-245. DOI: 10.1016/j.clinimag.2004.11.024

3. Übeyli E.D., Güler I. Feature extraction from Doppler ultrasound signals for automated diagnostic systems // Computers in Biology and Medicine. 2005. V. 35, is. 9. P. 735-764. DOI: 10.1016/j.compbiomed.2004.06.006

4. Wu Ch.-M., Chen Y.-Ch., Hsieh K.-Sh. Texture features for classification of ultrasonic liver images // IEEE Transactions on medical imaging. 1992. V. 11, is. 2. P. 141-152. DOI: 10.1109/42.141636

5. Christodoulou C.I., Pattichis C.S., Pantziaris M., Nicolaides A. Texture-based classification of atherosclerotic carotid plaques // IEEE Transactions on medical imaging. 2003. V. 22, is. 7. P. 902-912. DOI: 10.1109/tmi.2003.815066

6. Волков И.К., Зуев С.М., Цветкова Г.М. Случайные процессы. М.: Изд-во МГТУ им. Н.Э. Баумана, 1999. 448 с.

7. Petrou M., Garcia Sevilla P. Image processing: dealing with texture. Chichester, UK: John Wiley & Sons, Ltd. 2006. 618 p.

8. Marple S.L., Jr. Digital spectral analysis with applications. Englewood Cliffs, New Jersey: Prentice-Hall, Inc. 1987. 492 p.

9. Haralick R.M., Shanmugam K., Dinstein Its’Hak. Textural features for image classification // IEEE Transactions on Systems, Man, and Cybernetics. November 1973. V. SMC-3. P. 610-621. DOI: 10.1109/TSMC.1973.4309314

10. Plastinin A. Regression models for texture image analysis // Pattern Recognitionand Machine Intelligence. – 4th International Conference, PReMI 2011, Moscow, Russia, June 27 - July 1, 2011. P. 136-141. DOI: 10.1007/978-3-642-21786-9_24

11. Tou J.T., González R.C. Pattern recognition principles. Addison-Wesley Publishing Company, 1974. 377 p.

12. Fukunaga K. Introduction to statistical pattern recognition. Academic Press, 1972. 592 p.

13. Гайдель А.В., Первушкин С.С. Исследование текстурных признаков для диагностики заболеваний костной ткани по рентгеновским изображениям // Компьютерная оптика. 2013. Т. 37, № 1. C. 113-119. DOI: 10.18287/0134-2452-2013-37-1-113-119


DOI: http://dx.doi.org/10.18287/1998-6629-2014-0-1(43)-229-237

Ссылки

  • Ссылки не определены.


© Вестник СГАУ, 2015

 

Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 International License.

 

ISSN: 2541-7533