TOPOGRAPHIC MAP BASED SEGMENTATION OF MEDICAL IMAGES
Ключевые слова:
medical image, topographic map, CLAHE, enhancementАннотация
Сегодня диагностика на основе автоматической обработки
медицинских данных является одним из основных направлений медицины. В частности,
она продолжает играть важнейшую роль в обработке, сегментации и анализе
медицинских изображений, используемых при идентификации некоторых заболеваний.
Получение медицинских изображений на основе высокой энергии в МРТ, эндоскопии,
рентгенографии и ультразвуковых исследованиях обеспечивает хорошее качество, но
увеличение количества высокой энергии может достигать определенных органов
человека. Низкоэнергетическая визуализация дает плохое качество изображения Диагностика по таким некачественным изображениям может быть сложной или менее
точной. В настоящее время для решения таких задач используются компьютерные
технологии, и на основе их обработки ставится быстрая диагностика с помощью
определения необходимых областей, предварительной вспомогательной диагностики, а
самое главное, уменьшается объем повреждений и боли, причиняемой органам человека
пациента. В данной аннотации рассматривается сегментация на основе метода
топографической карты. Для повышения качества изображения используется алгоритм
CLAHE, а для сегментации изображения используется метод топографической карты.Диагностика по таким некачественным изображениям может быть сложной или менее
точной. В настоящее время для решения таких задач используются компьютерные
технологии, и на основе их обработки ставится быстрая диагностика с помощью
определения необходимых областей, предварительной вспомогательной диагностики, а
самое главное, уменьшается объем повреждений и боли, причиняемой органам человека
пациента. В данной аннотации рассматривается сегментация на основе метода
топографической карты. Для повышения качества изображения используется алгоритм
CLAHE, а для сегментации изображения используется метод топографической карты.
Библиографические ссылки
Грузман И.С., Киричук В.С., Косых В.П., Перетягин Г.И. и др. Цифровая обработка изображений в информационных системах. – Новосибирск: Изд-во НГТУ, 2002. – 352 с.
Бойко Д.А., Филатова А.Е. Метод повышения качества визуализации рентгенологических изображений // Вестник Национального технического университета «Харьковский политехнический институт». Серия: Информатика и моделирование. – 2015. – № 32. – С. 19–26.
Gardezi S.J., Elazab A., Lei B., Wang T. Breast Cancer Detection and Diagnosis Using Mammographic Data: Systematic Review // Journal of Medical Internet Research. – 2019. – Vol. 21, No. 7. – Article e14464.
Fazilov S., Abdieva Kh., Yusupov O., Eshonqulov E., Malikov Z. Re-Parameterized Gompertz Algorithm for the Fuzzy Ranks of Deep CNN Models in the Identification of Breast Cancer Using Mammography Images // AIP Conference Proceedings. – 2024. – Vol. 3244. – Article 030083. DOI: .
Fazilov S.K., Yusupov O.R., Abdiyeva K.S. An Algorithm for Evaluating the Parameters Characterizing the Quality of the Image Field of the Iris by the Principal Component Analysis Method // 2022 International Conference on Information Science and Communications Technologies (ICISCT). – Tashkent, Uzbekistan, 2022. – P. 1–4. DOI: .
Suganya R., Rajaram S., Abdullah A.S. Big Data in Medical Image Processing. – Oxford: Taylor & Francis, 2018.
Singh H. Practical Machine Learning and Image Processing. – New York: Springer Science & Business Media, 2019.