Математичне та програмне забезпечення для підтримки діагностики онкологічних захворювань за допомогою гібридних методів обробки зображень
Вантажиться...
Дата
2019-05
Автори
Сарнацький, Владислав Віталійович
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Онкологічні захворювання є справжньою чумою ХХІ сторіччя. За даними CDC (Centers for Disease Control and Prevention) кількість нових онкологічних хворих сягне 1.9 млн./рік в 2020 році[1]. В зв’язку с цим, питання розробки та модифікації сучасних методів діагностики та прогнозування раку стає дуже гостро. Одним з таких методів, справжнім «золотим стандартом» є метод гістологічної експертизи, який є дуже складним та багато ступеневим процесом, який виконуються цілком людиною і, нажаль, не позбавлений людського фактору. Так, зразок досліджуваної тканини може бути неякісно взятий у пацієнта, погано нарізаний, надмірно, або недостатньо пофарбований. Все це призводить до того, що результати аналізу експертами одного і того ж зразка можуть сильно різнитися між собою. І для того щоб отримати дійсно точний результат, слід задіяти декількох експертів або один математично обґрунтований алгоритм, який позбавив би цей процес людської суб’єктивності.
Існування таких алгоритмів було би неможливо без розділу комп’ютерних наук, що зветься «комп’ютерний зір». Цей розділ, а на сьогодні можна сказати окрема наука, почав своє існування в 1965 році з кандидатської дисертації, присвяченій темі трьохвимірної реконструкції сцени, що складалася с множини примітивів, таких як, піраміди, конуси, і т.п., по одній їх фотографії [2]. По стану на сьогоднішній день, людство розробило алгоритми, здатні виконувати попіксельну сегментацію зображення, отриманого на встановленій на лобовому склі автомобіля камері, з ціллю виявлення регіонів, що належать дорозі, знакам дорожнього руху, пішоходам, іншим машинам, і т.п [3]. Окрім значної точності, ці алгоритми
являються також досить швидкими, здатними оброблювати зображення в реальному часі.
Зразу після появи комп’ютерного зору, йому зразу знайшли місце і в обробці цифрових медичних зображень. Такі алгоритми як вейвлет- та ширлет-перетворення послугували екстракторами ознак для подальшої класифікації методом опорних векторів гістологічних зображень з ціллю виявлення ступені злоякісності пухлини. Алгоритм водорозділу був успішно адаптований для задачі сегментації окремих клітин. Морфологічний класифікатор був використаний для класифікації знайдених клітин. За допомогою глибоких нейронних мереж вчені змогли провести сегментацію об’єктів на гістологічних зображеннях, які навіть не були пофарбовані.
Зв'язок роботи з науковими програмами, планами, темами.
Дисертаційна робота виконувалась в рамках науково-дослідних робіт кафедри автоматизованих систем обробки інформації та управління факультету обчислювальної техніки та інформатики КПІ імені Ігоря Сікорського № 0117U000914 «Математичні моделі та технології в системах підтримки прийняття рішень».
Мета і задачі дослідження.
Основна мета роботи полягає в розробці математичного та алгоритмічного забезпечення для підвищення якості та наочності цифрових гістологічних зображень.
Для досягнення поставленої мети необхідно розв‘язати комплекс наступних взаємопов‘язаних задач:
- аналіз існуючих методів обробки гістологічних зображень;
- виокремлення множини алгоритмів, що активно використовуються у знайдених методах;
- розроблення середи, для компонування алгоритмів у єдиний метод;
- дослідження ефективності розробленого методу.
Об’єкт дослідження.
Процес обробки гістологічних зображень з ціллю збільшення їх якості та наочності для людини.
Предмет дослідження.
Методи та алгоритми, які використовуються для обробки та аналізу гістологічних зображень.
Методи дослідження.
При проведенні досліджень і розробок у дисертаційній роботі використовувались методи комп’ютерного зору, обробки зображень, матричні фільтри, алгоритми нормалізації яркості та освітленості, алгоритми сегментації возорозділу, бінаризації с порогом по Оцу, переведення між кольоровими просторами, кластеризація методом К-середніх, для експериментального дослідження – методи об‘єктно-орієнтованого програмування: фреймворк PyQt, бібліотека алгоритмів обробки зображень OpenCV, бібліотека методів машинного навчання sklearn.
Наукова новизна одержаних результатів полягає в наступному:
а) розроблено метод комбінування алгоритмів комп’ютерного зору та їх налаштовування;
б) розроблено метод обробки цифрових гістологічних зображень з ціллю збільшення їх якості та наочності.
Практичне значення одержаних результатів.
Всі запропоновані математичні моделі і алгоритми доведені до практичної реалізації у рамках програмного забезпечення, котре використовується для обробки цифрових гістологічних зображень.
Особистий внесок здобувача.
Усі результати, наведені у дисертації, отримані самостійно.
Апробація результатів дисертації.
Результати дисертації були апробовані на наступних наукових конференціях:
- Науково-практична конференція молодих вчених «Фундаментальна медицина: інтегральні підходи до терапії хворих з онкопатологією» (Київ, 2019 р.).
Публікації.
За результатами дисертації опубліковано 2 наукові праці, в тому числі 1 статті у наукових фахових виданнях, які індексуються у наукометричних базах Copernicus, arXiv:1712.03228v1 [cs.SD] 8 Dec 2017.
Опис
Ключові слова
гістологія, онкологія, обробка зображень, комп’ютерний зір, аналіз зображень, кластеризація, сегментація, бінаризація, обрахунковий граф, histology, oncology, image processing, computer vision, image analysis, clustering, segmentation, binaryization, computational graph
Бібліографічний опис
Сарнацький, В. В. Математичне та програмне забезпечення для підтримки діагностики онкологічних захворювань за допомогою гібридних методів обробки зображень : магістерська дис. : 121 Інженерія програмного забезпечення / Сарнацький Владислав Віталійович. – Київ, 2019. – 121 с.