"Разработка методов и алгоритмов обработки медицинских изображений с использованием методов искусственного интеллекта"

Поставленная цель достигается решением следующих конкретных задач :
• первоначальная обработка изображения на основе использования дискретного преобразования Фурье в четырёхслойной
нейронной сети прямого распространения;
• формирование множества информативных признаков для распознавания, которые должны быть инвариантными как к
смещению фигур в плоскости, так и к их поворотам;
• определение оптимальных параметров нейронной сети и параметров обучающего алгоритма;
• проведение корректного обучения нейронной сети.
Объектом исследования является грудная клетка человека, в частности исследование проводится на основе снимков лёгких.
Рисунок 1.1 - Различные томограммы органов грудной клетки.
Научная новизна работы состоит в усовершенствовании методов и алгоритмов обработки медицинских изображений при помощи такого метода искусственного интеллекта, как нейронная сеть.
Практическая значимость заключается в том, что результатом работы является разработанная методика обработки реальных медицинских изображений, полученных в условиях Донецкого Диагностического Центра (ДОКТМО).
2. Теоретический анализ проблемы и его реализация
2.1 Методы обработки изображений
2.1.1 Ранговые методы
Существующие методы цифровой обработки изображений с позиций использования вычислительных средств можно разделить на две категории - структурированные и неструктурированные методы. Структурированные методы – такие, которые построены на использовании крупных вычислительных (программных) блоков, оперирующих векторами отсчетов, а не отдельными отсчетами изображений. Cреда MATLAB позволяет реализовывать методы обработки изображений, оперирующие не только с векторами, но и с массивами отсчетов. Неструктурированные методы – те, которые нельзя представить более крупными стандартными блоками, чем обычные для существующих цифровых вычислительных машин арифметико-логические операции над отдельными отсчетами сигналов. Неструктурированные методы, как правило, возникают на начальной стадии поиска решения содержательных задач обработки изображений и по мере нахождения решения перерастают в структурированные. Структурирование методов обработки изображений – основа повышения их вычислительной эффективности, построения вычислительных машин обработки изображений и специального математического обеспечения таких машин. Рассмотрим класс структурированных нелинейных алгоритмов, которые осуществляют преобразование вида:
(2.1)
где Фk(xk)– нелинейная функция, которая определяется некоторым подмножеством рангов и (или) порядковых статистик выборки, образованной отсчетами сигнала из некоторой окрестности данного элемента, в последовательности упорядоченных отсчетов сигнала. Поэтому класс алгоритмов называется ранговыми алгоритмами. Обозначим через S окрестность элемента изображения, (k,l) - заданное определенным образом множество, окружающее центральный элемент. М -окрестность - подмножество элементов S-окрестности. Варианты M - окрестностей могут быть самыми разнообразными. Приведем некоторые примеры:

•