Poniżej przedstawiamy dwa przykłady zastosowania algory tmów przetwarzania obrazów, w tym opracowanych przez nas, w diagnostyce medycznej. Charakterystyka zagadnienia i wymagań zostały zestawione w tabeli 1.
Tabela 1
Zaprojektowane systemy wizyjne
Nazwa systemu |
PATO |
SPOTVIEW |
Zagadnienie diagnostyczne |
analiza obrazów mikroskopowych wycinków histologicznych i rozmazów cytologicznych tkanki nowotworowej w barwieniu imunohistoche-micznym [3. 4, 7, 9] |
analiza obrazów powstałych w im-munoenzymatycznej reakcji aktywności wydzielniczej limfocytów metodą ELI SPOT [5, 6] |
Przykładowy obraz | ||
Charakterystyka obrazu |
Obraz statyczny barwny, obiektami zainteresowania są jądra komórkowe zabarwione na kolor brunatny lub bladoblękitny. Występują też inne obiekty - zanieczyszczenia. Należy określić liczbę jąder komórkowych każdego z typu. |
Obraz staty czny monochromatyczny lub barwny, obiektami zainteresowania są koliste ciemne plamki (mogą być barw ne) o zróżnicowanej wielkości i stopniu nasycenia. Należy określić rozkład wielkości plamek w polu widzenia. |
Zastosowane algorytmy przetwarzania wstępnego |
Usuw anie szumu impulsow ego filtrem medianowym Filtr de-interlace Domknięcie morfologiczne |
Operacja wyrównania jasności tla Filtr medianowy i dolnoprzepustowy |
Zastosowane algorytmy segmentacji |
Klasyfikacja pikseli metoda działów wodnych |
Progowanie adaptacyjne metoda działów' wodnych |
Algorytmy identyfikacji |
Drzewo decyzyjne wykorzystujące współczynniki kształtu, pole powierzchni i parametry' kolorymetryczne. |
Progowanie wykorzy stujące współczynnik okrągłości i zmodyfikowany algorytm obliczania pola powierzchni. |
Algorytmy omawiane w artykule zostały zaimplementowane w systemach realizujących proces analizy ilościowej obrazu. Poprawność ich działania została przetestowana na obrazach rzeczywistych. W przypadku systemu PATO [12] zweryfikowano działanie algorytmów poprzez porównanie wyników analizy przeprowadzonej na 144 obrazach ręcznie