Н.Ю. Ильясова1, М.Я. Лякин2, Н.С. Демин3

1–3 Самарский национальный исследовательский университет им. академика С.П. Королева (г. Самара, Россия)
1,3 Институт систем обработки изображений, НИЦ «Курчатовский институт» (г. Самара, Россия)
1 ilyasova.nata@gmail.com; 2 lyakinm@yandex.ru

Постановка проблемы. Рассматривается проблема разработки алгоритма выявления симптома «матового стекла» на изображениях компьютерной томографии лёгких. Для повышения точности классификации предлагается использовать анализ на основе групп текстурных признаков изображений.

Цель. Разработать метод выявления симптома «матового стекла» на изображениях компьютерной томографии лёгких и алгоритма расчёта наиболее информативной группы текстурных признаков изображения.

Результаты. Предложена технология для выявления симптома «матового стекла» на основе анализа групп текстурных признаков. В процессе разработки технологии была выявлена наиболее информативная группа, позволяющая достичь точности классификации симптома «матового стекла» в 94,7%.

Практическая ценность. Результат исследования заключается в разработке системы и методов оценки состояния пациентов с симптомом «матового стекла».

Ильясова Н.Ю., Лякин М.Я., Демин Н.С. Выявление симптома матового стекла на изображениях компьютерной томографии лёгких на основе анализа групп текстурных признаков // Биомедицинская радиоэлектроника. 2024. T. 27. № 2. С. 13−17. DOI: https://doi.org/10.18127/j15604136-202402-02

1. Завершинский А.В. Симптом «матового стекла» // Бюллетень медицинских интернет-конференций. 2016. Т. 6. № 6. С. 1201.
2. Ходош Э.М., Ефремова О.А., Хорошун Д.А. Симптом «матового стекла»: клинико-лучевая параллель // Научные ведомости Белгородского государственного университета. Серия: Медицина. Фармация. 2014. № 18(189). С. 11–23.
3. Щекина С.А., Балыкова Л.А., Селезнева Н.М. Гранулематоз с полиангиитом // Клиническая медицина. 2020. Т. 98. № 5. С. 378–382.
4. Сафанова Т.Д., Шейх Ж.В. КТ-признак «матовое стекло» при гранулематозе с полиангиитом и внебольничной пневмонии // Медицинская визуализация. 2023. Т. 27. № 2. С. 62–70.
5. Бестаев Д.В., Божьева Л.А. Клинико-лабораторные и инструментальные особенности больных ревматоидным артритом с компьютерно-томографическим симптомом интерстициального поражения легких «матовое стекло» // Вестник новых медицинских технологий. 2015. № 1. С. 19–24.
6. Ковалёв И.Л. Текстурные признаки изображений: метод. указания. Минск: БНТУ. 2010. 26 с.
7. Яковлева Е.В., Нестерова Е.П. Сравнительный анализ методов характеристик Лавса и матриц совпадений в задачах сегментации текстурных изображений // Прикладная радиоэлектроника. 2009. Т. 8. № 2. C. 181–187.
8. Strzelecki M., Szczypinski P., Materka A., Klepaczko A. A software tool for automatic classification and segmentation of 2D/3D medical images // Nuclear Instruments and Methods In Physics Research Section A: Accelerators, Spectrometers, Detectors and Associated Equipment. 2013. V. 702. P. 137–140.
9. Ильясова Н.Ю., Парингер Р.А., Ушакова Н.С., Куприянов А.В. Интеллектуальный отбор признаков для локализации объектов на изображениях глазного дна на основе анализа цветовых подпространств / Информационные технологии и нанотехнологии (ИТНТ-2017). Самара, 2007. С. 1740–1746.
10. Kociolek M., Materka A., Strzelecki M., Szczypiński P.M. Discrete wavelet transform-derived features for digital image texture analysis // Interational Conference on Signals and Electronic Systems. Lodz, 2001. V. 1. P. 163–168.
11. Ким Дж.-О., Мьюллер Ч.У., Клекка У.Р. и др. Факторный, дискриминантный и кластерный анализ / Под ред. И.С. Енюкова. М.: Финансы и статистика. 1989. 215 с.
12. Ильясова Н.Ю., Парингер Р.А. Исследование эффективности признаков для диагностики сосудистой патологии // Известия Самарского научного центра Российской академии наук. 2015. Т. 17. № 2. С. 1015–1020.