Медицинская Техника / Медицинская техника №4, 2025 / с. 19-23

Система формирования описания изображений биомедицинских объектов

Е.В. Поляков, Е.В. Шувалова, В.В. Дмитриева

Аннотация

Рассмотрена проблема извлечения признаков для сложных композиций биомедицинских изображений. Разработана система формирования описания биомедицинских изображений, позволяющая для исследуемых объектов интереса врачами и специалистами проводить расчет признаков с последующим анализом информативности признаков. Для анализа эффективности разработанной системы проведены исследования для двух типов объектов, одним из которых являются клетки костного мозга, другим – изображения компьютерной томографии патологии и нормы. В результате эксперимента показано, что для ядросодержащих изображений костного мозга точность в 78,52 % обеспечивают признаки на основе матрицы пространственной смежности и длин серий. Для изображений компьютерной томографии точность в 91,91 % получена на основе фрактальных и Фурье- признаков.

Вернуться к содержанию

Сведения об авторах

Евгений Валерьевич Поляков, канд. техн. наук, доцент, кафедра медицинской физики,

Екатерина Викторовна Шувалова, канд. физ.-мат. наук, учитель физики, университетский лицей № 1511 предуниверситария,

Валентина Викторовна Дмитриева, канд. техн. наук, доцент, кафедра электрофизических установок, ФГАОУ ВО «Национальный исследовательский ядерный университет «МИФИ», г. Москва,

e-mail: EVPolyakov@mephi.ru

Список литературы

1. Loukil Z., Mirza Q.K.A., Sayers W., Awan I. A deep learning based scalable and adaptive feature extraction framework for medical images // Information Systems Frontiers. 2024. Vol. 26. № 4. PP. 1279-1305.

2. Kantardzic M. Data Mining. Concepts, Models, Methods, and Algorithms. – Hoboken, New Jersey. Wiley-Interscience: IEEE Press, 2020. P. 534.

3. Манаев А.В., Трухин А.А., Захарова С.М., Трошина Е.А., Мокрышева Н.Г., Гармаш А.А. Текстурные статистические признаки ультразвукового изображения узловых образований щитовидной железы в оценке статуса злокачественности // Ядерная физика и инжиниринг. 2025. Т. 16. № 2. С. 237-244.

4. Gao Y., Ma S., Liu J., Liu Y., Zhang X. Fusion of medical images based on salient features extraction by PSO optimized fuzzy logic in NSST domain // Biomedical Signal Processing and Control. 2021. Vol. 69. P. 102852.

5. Поляков Е.В. Сурконт Д.О. Метод детализации структурных элементов медико-биологического объекта исследования // Биотехносфера. 2022. № 2 (68). С. 49-54.

6. Ezefosie N., Ohemu M. A Data Driven Anomaly Based Behavior Detection Method for Advanced Persistent Threats (APT) // International Journal of Science and Research (IJSR). 2021. Vol. 10. PP. 663-667.

7. Loussaief S., Abdelkrim A. Machine Learning framework for image classification // Advances in Science, Technology and Engineering Systems Journal. 2018. Vol. 3. № 1. PP. 01-10.

8. Agarwal A., Kenney A.M., Tan Y.S., Tang T.M., Yu B. MDI+: A Flexible Random Forest-Based Feature Importance Framework // ArXiv. Vol. abs/2307.01932. PP. 1-83.

9. Fathima S., Rashad H., Gowseelan K., Jayasarathy S. Extraction of Character from Visuals and Images Using OpenCV // International Journal of Scientific Research in Computer Science, Engineering and Information Technology. 2023. Vol. 9. № 3. PP. 192-200.

10. Lee G.R., Gommers R., Waselewski F., Wohlfahrt K., Leary A. PyWavelets: A Python package for wavelet analysis // Journal of Open Source Software. 2019. Vol. 4. № 36. P. 1237.

11. Walt S., Schцnberger J.L., Nunez-Iglesias J., Boulogne F., Warner J.D., Yager N., Gouillart E., Yu T. Scikit-image: Image processing in Python // PeerJ. 2014. Vol. 2. P. e453.

12. Rashad M., Nooh S., Afifi I., Abdelfatah M. Effective of Modern Techniques on Content-Based Medical Image Retrieval: A Survey // International Journal of Computer Science and Mobile Computing. 2022. Vol. 11. PP. 56-77.

13. Singh K.U., Kumar L., Bhatia S., Kumar A., Almutairi A.K., Shah M.A. ROI-Fuzzy Based Medical Data Authentication Scheme for Smart Healthcare System // IEEE Access. 2022. Vol. 10. PP. 132121-132131.

14. Zhang J., Huang Q., Bian W., Wang J., Guan H., Niu J. Imaging Techniques and Clinical Application of the Marrow-Blood Barrier in Hematological Malignancies // Diagnostics. 2023. Vol. 14. № 1. P. 18.

15. Дмитриева В.В., Тупицын Н.Н., Поляков Е.В., Носова Е.М., Палладина А.Д., Цыпляк В.И., Либерис К.А. Медицинская информационная система с применением web-технологий для диагностики острых лимфобластных лейкозов и минимальной остаточной болезни // Безопасность информационных технологий. 2021. T. 28. № 3. C. 44-45.

16. Mimar S., Paul A.S., Lucarelli N., Border S., Santo B.A., Naglah A., Barisoni L., Hodgin J., Rosenberg A.Z., Clapp W., Sarder P. ComPRePS: An Automated Cloud-based Image Analysis tool to democratize AI in Digital Pathology // bioRxiv. 2024.

17. Поляков Е.В. Анализ эффективности методов и моделей обработки изображений препаратов крови и костного мозга для автоматизированной диагностики острых лейкозов // Системный анализ и управление в биомедицинских системах. 2019. Т. 18. № 2. С. 133-144.

18. Харалик Р.М. Статистический и структурный подходы к описанию текстур // ТИИЭР. 1979. Т. 67. С. 98.

19. Поляков Е.В., Тупицын Н.Н., Серебрякова И.Н., Палладина А.Д. База данных клеток костного мозга больных острым лимфобластным лейкозом / Свидетельство о государственной регистрации базы данных № 2023621283. Российская Федерация, 20.04.2023.

20. Solorio-Fernбndez S., Carrasco-Ochoa J.A., Martinez-Trinidad J.F. A review of unsupervised feature selection methods // Artificial Intelligence Review. 2020. Vol. 53. № 2. PP. 907-948.

21. Bommert A., Sun X., Bischl B., Rahnenfьhrer J., Lang M. Benchmark for filter methods for feature selection in high- dimensional classification data // Computational Statistics & Data Analysis. 2020. Vol. 143. P. 106839.

22. Khaire U.M., Dhanalakshmi R. Stability of feature selection algorithm: A review // Journal of King Saud University- Computer and Information Sciences. 2022. Vol. 34. № 4. PP. 1060-1073.

23. Полиданов М.А., Блохин И.С., Скороход А.А., Алиева С.Г., Щербакова И.В. Понятие и значение критерия Стьюдента в клинической медицине // Modern Science. 2020. № 2-1. С. 227-230.