В.Н. Гридин1, А.И. Газов2, И.А. Новиков3, В.И. Солодовников4, М.И. Труфанов5

1–5 ФГБУН Центр информационных технологий в проектировании РАН (Москва, Россия)

Актуальность. В настоящее время актуален вопрос о создании математической основы для эффективной сегментации изображений биологических объектов. В работе предложен алгоритм универсальной предварительной обработки и сегментации, применимый для любого типа медицинских или биологических изображений.

Цель. Разработать и протестировать ряд функций, которые без дополнительной параметрической адаптации описывают изменение параметров растрового изображения по нормали к границе произвольного биологического объекта и не зависят от аппаратного метода получения изображения.

Результаты. Представлена оценка математического сродства трех предложенных абстрактных модельных функций с «реальной» границей различных объектов на изображении. Обсуждены результаты применения предложенного алгоритма для обработки ряда произвольно выбранных срезов МРТ мозга.

Практическая значимость. Полученный вычислительно и алгоритмически простой математический функционал применяется для определения позиции границы биологического объекта и не требующий подбора или адаптации каких-либо параметров. Предложенный математический аппарат описывает формирование скалярного поля вероятности при выделении краев биологических структур и с легкостью преобразуется в векторное представление.

Гридин В.Н., Газов А.И., Новиков И.А., Солодовников В.И., Труфанов М.И. Немасштабируемые функции в качестве моделей границы биологического объекта // Системы высокой доступности. 2021. Т. 17. № 4. С. 66−75. DOI: https://doi.org/10.18127/ j20729472-202104-05

1. Mohd. Aquib Ansari, Diksha Kurchaniya and Manish Dixit. A Comprehensive Analysis of Image Edge Detection Techniques // International Journal of Multimedia and Ubiquitous Engineering. 2017. V. 12. № 11. Р. 1–12. http://dx.doi.org/10.14257/ijmue.2017.12.11.01
2. Swarnalakshmi R. A Survey on Edge Detection Techniques using Different Types of Digital Images // International Journal of Computer Science and Mobile Computing. 2014. V. 3. Issue. 7. Р. 694–699.
3. Janoriya, Sunita, and M. P. Parsai. Critical Review on Edge Detection Techniques in Spatial Domain on Low Illumination Images // International Journal of Computer Science Trends and Technology. 2017. V. 5. Issue 2.
4. Juin-Der Lee, Hong-Ren Su, Philip E. Cheng, Michelle Liou, John A. D. Aston, Arthur C. Tsai and Cheng-Yu Chen. MR Image Segmentation using a Power Transformation Approach // IEEE Transactions on Medical Imaging. 2009. V. 28. № 6. Р. 894–905.
5. Harneet Kaur, Ishpreet Singh. The Study Edge Detection of Medical Images using Transformation Techniques and Filteration Methods // International Journal of Computer Applications. 2016. V. 146. № 12. Р. 39–42.
6. Bhowmick C., Dutta P.K. and Mahadevappa M. Computer Aided Classification of Benign and Malignant Breast Lesions using Maximum Response 8 Filter Bank and Genetic Algorithm, 2020 IEEE REGION 10 CONFERENCE (TENCON). 2020, pp. 43-46, doi: 10.1109/TENCON50793.2020.9293928
7. Gridin V.N., Trufanov M.I., Solodovnikov V.I., Panishchev V.S., Sinitsyn V.E., Yakhno N.N. Automatic analysis of the quantitative characteristics of the hippocampus in magnetic resonance imaging of the brain for the diagnosis of possible Alzheimer's disease (literature review and results of our own research) / Radiology – practice. 2017. No. 6. S. 41–59.