Сегментація зображень гістологічних об'єктів

ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ
      Актуальність теми дисертації
      Об'єкти на медичних зображеннях володіють великою складністю і багатофакторністю, що обумовлює високі вимоги до надійності, точності та достовірності результатів досліджень. Використання обчислювальної техніки та математичних методів в цій галузі дозволяє не тільки прискорити процес обробки матеріалу, а й підвищити точність результатів дослідження.
      Розвиток електроніки та шкідливість умов роботи стимулювали підвищена увага до цифрового аналізу рентгенівських, ультразвукових зображень і зображень ядерно-магнітного резонансу, головним досягненням якого можна вважати появу комп'ютерного томографа. Проте труднощі в отриманні якісних зображень гістологічних об'єктів значно гальмують розвиток цієї галузі.
      Автоматизація аналізу гістологічних структур прискорює діагностику захворювання, дозволяє розширити межі наукових пошуків в медицині. Автоматичне вимірювання параметрів гістологічних об'єктів дає можливість уточнити лікування і керування терапевтичними процесами. Так, найбільш перспективним методом ранньої діагностики пухлинних захворювань в даний час є автоматизація цітофотометріческого аналізу спеціально приготовлених і забарвлених гістологічних препаратів і розподіл їх за принципом норма - патологія.
      Однією з головних частин автоматизації вимірювання оптичних і геометричних параметрів є виділення об'єктів на гістологічних препаратах. Це завдання вирішується за допомогою методів і засобів цифрового аналізу зображень.
      Основною причиною відсутності автоматизації в гістології є висока варіабельність і слабка контрастність більшості гістологічних структур.
      Однак швидкий розвиток цифрової і аналогової техніки останнім часом відкриває нові можливості перед розробниками. Наприклад, збільшення швидкодії обчислювальної техніки дозволяє використовувати складні, критичні до часу алгоритми, а завдяки появі кольорових телевізійних датчиків високої роздільної здатності можна отримувати і обробляти кольорові зображення. Саме нові технічні можливості дозволяють значно розширити коло досліджень, відкривають нові шляхи вирішення завдань, що стосуються аналізу зображень. Дана робота присвячена одній з таких завдань - сегментації об'єктів на зображеннях гістологічних препаратів.

      Зв'язок роботи з великими науковими програмами, темами
      Дисертаційна робота виконана в лабораторії обробки і розпізнавання зображень Інституту технічної кібернетики НАН Білорусі у співпраці з лабораторією методів морфологічних досліджень МГМИ в рамках тем: Інтелект 17 "Створення теоретичних основ розробки, застосування та розпізнавання зображень з використанням штучного інтелекту" - постанова президії НАН Білорусі № 88 від 23.11.95; "Розробити робочий проект АРМ клінічного морфолога і здати в дослідну експлуатацію в МГМИ" відповідно до "Програми інформатизації Республіки Білорусь на 1991-1995 роки та на період до 2000 року", затвердженої Постановою Ради Міністрів Республіки Білорусь N 444 від 27.11.92; "Розробити платформонезалежних інструментальні засоби забезпечення віддаленого збору, зберігання та візуалізації біомедичної інформації в НІКС" згідно з Постановою Ради Міністрів Республіки Білорусь від 22 жовтня 1998 р. № 1609 "Про розвиток в республіці робіт зі створення єдиної науково-інформаційної комп'ютерної мережі ".
      Мета і завдання дослідження
      Мета роботи - розробити алгоритми сегментації для визначення гістологічних об'єктів на слабоконтрастних кольорових і напівтонових зображеннях для вирішення задач діагностики захворювань, лікування та управління терапевтичними процедурами.
      Для досягнення поставленої мети потрібно було:
          * Класифікувати зображення гістологічних об'єктів по геометричних, топологічні, оптичним характеристикам;
          * Розробити алгоритми сегментації волокон і судин;
          * Розробити алгоритми сегментації клітин;
          * Розробити методи сегментації кольорових зображень гістологічних об'єктів;
          * Програмно реалізувати алгоритми сегментації гістологічних об'єктів і перевірити їх на конкретних прикладах.
      Об'єкт і предмет дослідження
      Дослідження виконані в області сегментації зображень. Предметом дослідження є гістологічні об'єкти на кольорових і напівтонових зображеннях препаратів оптичної мікроскопії.
      Гіпотеза
      Всі зображення гістологічних об'єктів можна класифікувати за їх геометричним і оптичними властивостями та властивостями їх оточення, а для кожного класу об'єктів можна визначити алгоритм сегментації, що дозволяє отримати результат, що задовольняє дослідників гістологічних препаратів.

      Методологія та методи проведеного дослідження
      Як теоретичних методів дослідження використовувалися методи цифрової обробки сигналів та зображень, математичного аналізу та математичного моделювання. Для програмної реалізації розроблених алгоритмів використовувалися методи створення програмних систем, методи оптимізації програмних комплексів, програмування на мовах високого рівня.
      Наукова новизна отриманих результатів
      Розроблено класифікацію гістологічних об'єктів по особливостях їх зображень для визначення способу сегментації. Кожен клас визначає основні об'єкти на гістологічних препаратах та особливості їх подання. Для нього обраний алгоритм сегментації, що дозволяє отримати якісний результат. Основне завдання цієї класифікації - визначити оптимальний шлях від вхідного напівтонового або кольорового зображення до виділеного об'єкта на бінарному зображенні.
      Розроблено алгоритм напівтонового утоньшенія, основна відмінність якого полягає в тому, що він орієнтований на обробку слабоконтрастних зображень судин і волокон, де товщиною вихідних об'єктів можна знехтувати, так як довжина цих об'єктів набагато перевищує їх ширину. Причому об'єкти можуть бути оточені фоном з постійно мінливими яскравості і кольоровими характеристиками, який включає в себе зображення об'єктів іншого типу.
      Розроблено алгоритм сегментації і відстеження судин і волокон при великих збільшеннях. Основна особливість цього алгоритму - це визначення об'єкта по областях, виділеним в результаті утоньшенія всього зображення, яке оброблено оператором виділення меж (наприклад, фільтром Собель), що дозволяє не тільки збільшити швидкість в порівнянні з алгоритмами поточечной трасування, а й отримати більш якісні результати на слабоконтрастних зображеннях.
      Розроблено два алгоритми сегментації опуклих об'єктів (клітин, ядер, волокон і судин в поздовжньому перетині). Їх основна особливість полягає в тому, що вони орієнтовані на виділення об'єктів, оточених складним по геометричних і оптичним характеристикам фоном. Перший алгоритм базується на методах математичної морфології і орієнтований на об'єкти з нерівномірним фоном, грунтується на визначенні меж опуклих фігур, другий - на об'єднанні областей, виділених в результаті утоньшенія перепадів яскравості, і дозволяє визначати об'єкти навіть тоді, коли перепади рівнів яскравості об'єктів такі ж, як і у навколишнього їх фону. Відсутність стадій "засівання", росту і поділу областей призводить до виграшу в швидкості в порівнянні з традиційними алгоритмами зростання областей.
      Розроблено систему координат опису кольору, спеціалізована на виконанні операцій математичної морфології на кольорових зображеннях. Використання цієї системи координат дає можливість поліпшити якість отриманого результату і збільшити швидкість в порівнянні з обробкою в традиційних системах координат.
      Економічна та практична значущість отриманих результатів
      Використання алгоритмів сегментації гістологічних об'єктів сприяє підвищенню ефективності роботи дослідника і отриманню більш якісних і точних результатів вимірювання характеристик гістологічних об'єктів.
      Розроблені алгоритми і програмний комплекс, що використовуються в даний час у наукових та діагностичних процесах, є економічно ефективними за рахунок зниження витрат на ручну працю при вимірюванні та класифікації гістологічних об'єктів.
      Алгоритми та програмний комплекс аналізу та обробки медичних зображень впроваджені і використовуються в навчальних, наукових та діагностичних процесах двох медичних вузів (Мінському державному медичному інституті, Гродненському державному медичному інституті) і трьох НДІ (Бел НДІ епідеміології та мікробіології (м.Мінськ), Бел НДІ онкології медичної радіології (м.Мінськ), Інституті біохімії НАН РБ (г.Гродно)) Республіки Білорусь, а також у двох медичних вузах (Саратовської державної медичної академії, Ярославльской державної медичної академії), Інституті фізіології дітей і підлітків РАМН (м. Москва ) і Всеросійському центрі пластичної хірургії ока МПЗП РФ (м. Уфа) Російської Федерації.
      Розроблені методи і алгоритми можуть також включатися в існуючі або розробляються комерційні системи аналізу та обробки гістологічних об'єктів як загальновживані, так і вузькоспеціалізовані.
      Основні положення дисертації, що виносяться на захист:
      * Класифікація гістологічних об'єктів для визначення методу сегментації зображень гістологічних об'єктів;
      * Алгоритм напівтонового утоньшенія об'єктів на слабоконтрастних зображеннях гістологічних об'єктів;
      * Алгоритм сегментації і відстеження судин або волокон при великих оптичних збільшеннях;
      * Алгоритм морфологічної сегментації окремих клітин;
      * Алгоритм сегментації клітин зі складним фоном, заснований на об'єднанні областей;
      * Алгоритм визначення клітин на бінарному зображенні, отриманому за допомогою порогової сегментації;
      * Координати опису кольору, призначені для роботи методів математичної морфології та інших складних напівтонових операцій на зображеннях гістологічних препаратів.
      Особистий внесок здобувача
      Усі пропоновані алгоритми були розроблені і програмно реалізовані особисто автором. Науковий керівник брав участь у постановці завдань, визначення можливих шляхів вирішення та їх попередньому аналізі.
      Апробація результатів дисертації
      Основні результати роботи доповідалися та обговорювалися на конференціях і симпозіумах: науково-технічної конференції з комп'ютерної графіки та анімації (Мінськ, 1993), 8th International Symposium on Diagnostic Quantitative Pathology. (Amsterdam, The Netherlands, 1994), Третій наукової конференції з розпізнавання та аналізу зображень (Мінськ, 1995), I конгресі Міжнародної асоціації патологоанатомів (м. Москва, 1995), республіканської наукової конференції молодих вчених і студентів "Актуальні проблеми сучасної медицини" ( Мінськ, 1997), System and signals in Intelligent Technologies (Мінськ, 1998), V міжнародної конференції "Комп'ютерний аналіз даних і моделювання" (8-12 червня 1998, Мінськ), Fifth International Conference Pattern Recognition and Information Processing PRIP99 (Мінськ, 18 - 20 травня 1999).
      Опублікування результатів
      За матеріалами проведених досліджень опубліковано 12 наукових праць, в тому числі:
      1 стаття в науковому журналі;
      3 статті в збірниках наукових праць;
      8 доповідей на міжнародних конференціях.
      Структура та обсяг дисертації
      Дисертація складається з вступу, чотирьох глав, висновки, додатки і списку літератури з 152 найменувань. Дисертація викладена на 121 сторінці, включає 72 ілюстрації.

ЗМІСТ РОБОТИ
      У вступі обгрунтована актуальність теми, коротко викладається стан предметної області, невирішені завдання і дається коротка характеристика роботи.
      У першому розділі виконано аналіз стану предметної області: дано опис гістологічних об'єктів і особливостей їх зображень, огляд існуючих методів систем обробки медичних зображень, а також опис основних напрямків розвитку алгоритмів сегментації об'єктів. За результатами проведеного аналізу можна зробити наступні висновки.
1. Більшість об'єктів на гістологічних препаратах представлені слабоконтрастнимі зображеннями і характеризуються великою варіабельністю геометричних та оптичних характеристик, у зв'язку з чим при аналізі подібних зображень виникають певні труднощі. Тому для вибору ефективних методів сегментації потрібна додаткова класифікація цих об'єктів.
2. Автоматичний аналіз зображень гістологічних об'єктів слабо висвітлений у літературі.
3. Гістологічні об'єкти характеризуються слабкою контрастністю, широким спектром форм і розмірів. Тому їх специфіка вносить певні особливості на етапі сегментації.
4. Можна визначити три основні класи методів сегментації об'єктів на зображеннях гістологічних: порогові, морфологічні, методи нарощування областей. Хоча існує ще ряд приватних методів сегментації, що не відносяться до них.
5. Тема сегментації медичних зображень в даний час є актуальною і дуже важлива в діагностичних та наукових дослідженнях.
      На основі результатів аналізу висувається гіпотеза: для кожного класу об'єктів можна визначити алгоритм сегментації, що дозволяє отримати результат, що задовольняє дослідників гістологічних препаратів.
      Друга глава присвячена сегментації гістологічних об'єктів на напівтонових зображеннях.
      Глава починається з класифікації гістологічних об'єктів для визначення найбільш ефективного методу сегментації. В ході класифікації визначаються три основні класи об'єктів: майданні (клітини, ядра клітин, судини і волокна в поперечному зрізі), протяжні об'єкти (судини і волокна в поздовжньому зрізі), дрібні контрастні об'єкти (ядерця, клітинні включення, артефакти) (табл. 1 ).
      Таблиця 1
      Таблиця класифікації гістологічних об'єктів і методів їх сегментації для кожного класу
Вид об'єкту Характеристика зображення Рівномірний фон Нерівномірний фон
  Майданні Окремо лежать об'єкти одного типу Порогова сегментація Методи математичної морфології
Об'єкти Об'єкти, що супроводжуються об'єктами іншого типу Порогова сегментація Методи об'єднання областей
Протяжні об'єкти Довільне зображення Порогова сегментація Морфологічна сегментація, заснована на утоньшеніі
Дрібні контрастні об'єкти Довільне зображення Порогова сегментація Порогова сегментація

      Використовуючи характеристику протяжних об'єктів, для отримання результату можна застосовувати методи математичної морфології. Для виділення середньої лінії, що відповідає протяжним об'єктів, найчастіше застосовується напівтонове утоньшеніе зображення. Тому в дисертації був розроблений алгоритм напівтонового утоньшенія, орієнтований на обробку зображень гістологічних препаратів зі складним фоном, у яких на різних ділянках зображення змінюються напівтонові характеристики.
      Утоньшеніе зображення здійснюється за чотири проходу, а саме для верхнього, нижнього, правого і лівого краю. За кожний з чотирьох проходів значення пікселя змінюється за умовами:
1) p2p7) THEN X = 1 ELSE X = 0.
      З огляду на особливості протяжних об'єктів при слабкому оптичному збільшенні, бінарізірованний скелет відповідає виділеним судинах або волокнами.
      При великих збільшеннях товщина протяжних об'єктів починає відігравати істотну роль, тому для цього випадку був розроблений окремий алгоритм сегментації. Особливість алгоритму полягає в наявності двох паралельних гілок: обробка самого зображення і його градієнта. У результаті утоньшенія градієнта зображення виходять області для обробки, відповідні або фону, або об'єкту. За відповідності отриманого скелета зображення областям визначаються протяжні об'єкти (рис. 3).

      Як розвитку цього алгоритму пропонується алгоритм ідентифікації судин або волокон, який використовує області і скелет, отримані за допомогою попереднійого алгоритму. Він виконується за допомогою відстеження протяжного об'єкта та класифікації областей на три класи (перетину, розгалуження і продовження), яка проводиться за допомогою аналізу точок перетину скелета з межами області.
      Вибір методу сегментації для площинних об'єктів залежить від співвідношення фону і напівтонових характеристик об'єктів. Для контрастних зображень краще всього використовувати алгоритми порогової сегментації, але в разі слабоконтрастних зображень вони не дозволяють отримати якісний результат. Якщо фон нерівномірний, а зображення включає окремо лежать об'єкти одного типу, і, крім того, півтоновий величина для пікселів фону змінюється рівномірно і не робить різких стрибків, добрі результати виходять при застосуванні морфологічної сегментації. В основі розробленого алгоритму лежить напівтонове утоньшеніе морфологічного градієнта, що супроводжується операцією обрізання хвостів на кожну ітерацію, яка дозволяє отримати замкнуті контури, що обмежують області, відповідні об'єктам. Результати, отримані за допомогою цього методу, відповідають виділеним гістологічним об'єктах (рис. 4).


        а) б) в) г)
Рис. 4.Морфологіческая сегментація клітини нейрона: а) вихідне зображення; б) результат утоньшенія напівтонового градієнта; в) результат заливання; г) результуюче бінарне зображення клітини

      У випадку, коли в зображенні об'єктів і фону півтоновий величина пікселів приймає будь-яке значення, для сегментації розроблений алгоритм об'єднання областей (рис 5). Відсутність стадій "засівання", росту і поділу областей призводить до виграшу в швидкості в порівнянні з традиційними алгоритмами зростання областей.
      Об'єднання областей відбувається за наступних умов.
   1. Різниця дисперсії для півтонової величини не повинна перевищувати заданого значення, що визначає відмінності клітини від тканини.
   2. Середнє значення півтонової величини кожній області не повинно виходити за межі, обмежені дисперсією іншій області.


        а) б) в) г) д)
Рис 5. Сегментація клітин методом об'єднання областей: а) вихідне зображення, б) морфологічний градієнт, в) утоньшеніе морфологічного градієнта, г) об'єднання областей, д) результуюче бінарне зображення клітин

      Причому середнє значення та дисперсія нової області розраховуються за формулами:

де М1, М2 - середні значення напівтонових величин для батьківської та сусідньої областей,? 1,? 2 - дисперсії напівтонових величин для батьківської та сусідньої областей, А1, А2 - площі батьківського і сусідній областей, М12 - середнє значення півтонової величини для об'єднаної області, ? 12 - дисперсія півтонової величини для об'єднаної області.
      Важливою характеристикою клітин, волокон і судин в поперечному перерізі є їх топологічна структура. На цьому грунтується розроблений алгоритм визначення клітин серед бінарних образів, отриманих порогової сегментацією (рис 6).
      Алгоритм дозволяє відкоригувати результат, видаливши об'єкти, які не належать клітинам, і побудувати мультіфазное зображення, у якому відображається ієрархія клітинних структур.
      Третя глава присвячена сегментації кольорових зображень гістологічних об'єктів. Для аналізу гістологічних препаратів колір складових компонентів тканини відіграє важливу роль. Фарбування препарату дозволяє виділити ті чи інші клітинні структури. Причому стандартне перетворення кольорового зображення в напівтонове призводить до втрати деяких об'єктів різного забарвлення, але однакового рівня яскравості.


Рис 6. Зображення клітин нейронів симпатичних гангліїв і побудоване мультіфазное зображення з ієрархічною структурою клітин

      Алгоритми сегментації гістологічних об'єктів активно використовують методи математичної морфології. Яскравість і насиченість можна охарактеризувати як напівтонові величини. Однак для гістологічних зображень кольоровість можна тільки обмежити пороговими значеннями в спектрі. Тому при обробці зображень гістологічних кольоровість не можна вважати півтонової величиною, незважаючи на те, що вона має такі властивості, як можливість визначення порогових значень за допомогою обчислення градієнта.
      Для збереження кольору при використанні операцій математичної морфології на кольорових зображеннях гістологічних препаратів була розроблена система опису кольору PHS (рис.7).


        Рис 7. Декартові системи RGB і ZYX і системи координат ZYX і PHS

      Перетворення в координати PHS з RGB виконується за наступними формулами:


      Тестування роботи операторів математичної морфології проводилося в чотирьох координатних системах опису кольору PHS, HLS, RGB, YIQ на зображеннях гістологічних препаратів. З результатів тестування видно, що для системи HLS змінена яскравість, в системах RGB і YIQ перекручена кольоровість, а результат обробки в системі PHS найбільш близький до очікуваного результату. Порівняння зображень проводилося за допомогою метрики Хаусдорфа, середньоквадратичне помилки відхилення e2 і міри схожості зображень. Результати представлені в табл. 2. Характеристики подібності початкового зображення і обробленого в системі PHS мінімальні і свідчать про більш якісної обробки зображення.
      Роботу морфологічних операцій на кольорових зображеннях гістологічних в системі PHS можна оптимізувати, обробляючи вектор відстані кольору і пропорційно йому змінюючи для пікселя значення за координатами RGB (червоного, зеленого, синього променів). Ця оптимізація збільшує швидкодію на етапі перетворення координатних систем.
      Використання півтонової морфології для кольорових зображень дозволяє більш ефективно вирішувати цілий ряд задач сегментації зображень гістологічних об'єктів.

Таблиця 2
Порівняння результатів тестування роботи операцій математичної морфології для кольорових зображень
Система координат Метрика Хаусдорфа середньоквадратичне помилка відхилення Міра подібності зображень
HLS 0,337 0,22755 0,05178
RGB 0,302 0,217798 0,047436
YIQ 0,302 0,235654 0,055533
PHS 0,176 0,138054 0,019059

      У четвертому розділі описується система аналізу зображень Bioscan.
      Для цієї системи були розроблені та випробувані всі наведені вище алгоритми. Більшість алгоритмів по автоматичній обробці зображень у цій системі розроблені автором. Наведено програмні та технічні характеристики системи, організація програмного забезпечення та геометричні та оптичні параметри, які можна отримати в результаті вимірювання об'єктів.
      У системі аналізу зображень реалізований повний апарат математичної морфології для роботи з кольоровими, напівтоновими і бінарними зображеннями, який є важливою частиною у вирішенні багатьох завдань сегментації. Робоча панель системи Bioscan наведена на рис. 8.

Рис. 8. Робоча панель системи Bioscan:
1) меню, 2) панель інструментів, 3) вікно з зображенням, 4) динамічне вікно виконання функцій, 5) редактор підпрограм інтерпретатора

      Наведено наступні приклади завдань медичної морфології, що вирішуються системою:
      * Дослідження пірамідальних нейронів головного мозку різного ступеня ураження вірусом простого герпесу;
      * Визначення щільності радіальних і тангенціальних волокон мозкової тканини;
      * Спостереження обміну речовин в клітині за допомогою радіоавтографіі (рис. 9).

а) б) в)
Рис. 9. Клітини крові з радіоізотопними мітками а) напівтонове зображення; б) результат порогової сегментації для сегментації клітин; в) бінарне зображення радіоізотопних міток, отриманих порогової сегментацією

      У додатках наведено акти впровадження результатів дисертаційної роботи.
ВИСНОВОК
      Результати, отримані в ході дисертаційного дослідження, можна сформулювати наступним чином.
   1. Виділення гістологічних об'єктів на цифрових зображеннях утруднене істотної варіабельністю і слабкою контрастністю. Тому в задачах сегментації для розв'язання окремих задач застосовуються різноманітні методи. Універсальні підходи до вибору алгоритму для сегментації довільного зображення гістологічних об'єктів невідомі. Отже, існує необхідність побудови взаємозалежної класифікації гістологічних об'єктів і алгоритмів сегментації, а також розвитку алгоритмів сегментації більш загального і універсального характеру для виділення широкого класу об'єктів.
   2. Розроблено класифікацію гістологічних об'єктів для визначення методу сегментації зображень гістологічних об'єктів. В основі класифікації лежать оптичні та геометричні характеристики гістологічних об'єктів, а також оптичні характеристики їх оточення - фону. Для кожного класу об'єктів визначено найбільш оптимальний метод сегментації. Така класифікація визначає універсальний підхід до вибору алгоритму для виділення гістологічних об'єктів певного класу, при цьому зберігаючи високу якість отриманих результатів.
   3. Розроблено алгоритм напівтонового утоньшенія об'єктів на слабоконтрастних зображеннях гістологічних об'єктів. Основною відмінністю алгоритму є те, що операція утоньшенія починає обробляти зображення з точок об'єктів, що мають для свого оточення максимальні яскравості характеристики. Ця особливість дозволяє обробляти і отримувати якісний результат на зображеннях зі складним фоном з мінливими характеристик яскравості, особливо для зображень гістологічних препаратів.
   4. Розроблено алгоритм сегментації і відстеження судин або волокон при великих оптичних збільшеннях. Запропонований алгоритм, заснований на аналізі областей, отриманих за допомогою утоньшенія перепадів яскравості, дозволяє отримати якісний результат, придатний для подальшої обробки. Крім того, для даного методу сегментації пропонується метод відстеження, також заснований на аналізі виділених областей. Ці особливості дозволяють підвищити швидкість і якість обробки.
   5. Розроблено алгоритм морфологічної сегментації майданних гістологічних об'єктів. Алгоритм виділяє такі об'єкти як клітини, судини і волокна в поперечному перерізі на зображеннях гістологічних препаратів з фоном, яскравості характеристики якого змінюються, а текстура не виражена.
   6. Розроблено алгоритм сегментації клітин методом об'єднання областей. Він орієнтований на обробку зображень зі складним фоном, у якого змінюються характеристики яскравості і присутній текстура, яка складається з помилкових об'єктів і артефактів. Метод об'єднання областей істотно повільніше морфологічної сегментації, але він дозволяє визначати об'єкти навіть тоді, коли перепади рівнів яскравості об'єктів такі ж, як і у навколишнього їх фону. Відсутність стадій "засівання", росту і поділу областей призводить до виграшу в швидкості в порівнянні з традиційними алгоритмами зростання областей.
   7. Пропонується система координат опису кольору, призначена для збереження кольоровості при роботі методів математичної морфології на зображеннях гістологічних препаратів. При поданні зображення в цій координатної системі основна частина обробки проходить по одній координатної осі, що відображає напівтонові властивості зображення. Це дозволяє поліпшити якість і прискорити обробку кольорових зображень гістологічних препаратів.
      Отримані в дисертаційної роботі результати призначені для реалізації в автоматичних системах аналізу гістологічних препаратів і можуть використовуватися при традиційній обробці та аналізі гістологічних об'єктів.

СПИСОК ОПУБЛІКОВАНИХ РОБІТ
З ТЕМИ ДИСЕРТАЦІЇ

      Статті в збірниках і журналах

1. Недзьведь А.М., Абламейко С.В. Утоньшеніе напівтонових зображень шляхом послідовного аналізу бінарних шарів// Цифрова обробка зображень. - Мінськ: Інститут технічної кібернетики АНБ 1997 .- Вип.1. - С.137-147.
2. Морфометрія змін онтогенезу у щурів, викликаних малими дозами іонізуючої радіації. Мельниченко Е.М., Чешко М.М., Берлов М.М. та ін// Охорона здоров'я Білорусі. - 1997 .- № 10. - С.19-21.
3. Недзьведь А.М., Абламейко С.В. Напівтонове утоньшеніе кольорового зображення// Цифрова обробка зображень. - Мінськ: Інститут технічної кібернетики НАН Білорусі. - 1998 .- Вип. 2 .- С.41-52.
4. Недзьведь А.М., Абламейко С.В. Сегментація зображень волокон і судин при великому збільшенні// Цифрова обробка зображень. - Мінськ: Інститут технічної кібернетики НАН Білорусі. - 1999 .- Вип. 3. - С.167-176.

Тези доповідей та матеріали конференцій

5. Недзьведь А.М., Абламейко С.В. Представлення кольорових зображень для математичної морфології// Комп'ютерний аналіз даних і моделювання. Сб науч. статей V міжнар. конф., під ред. проф. С. А. Айвазяна та проф. Ю. С. Харіна. - Минск: БГУ. - 1998 .- Ч. 4: К-Я. - С. 86-95.
6. Image analysis system for quantitative morphology task. Nalibotsky B., Nedzved A., Rubenchik A., e.a.// Program and abstract book; 8th International Symposium on Diagnostic Quantitative Pathology. - Amsterdam, 1994. - P.181-182.
7. Комп'ютерна обробка зображень судин і волокон біологічних препаратів та вимірювання їх геометричних характеристик. Недзьведь A.М., Ілліч Ю.Г., Карапетян Г.М. и др.// Тез. докл. третій науч. конф. з розпізнавання образів і обробки інформації.
8. - Мінськ, 1995. - С.110-113.
9. Nedzved A., Ablameyko S. Thinning of gray scale medical images.// System and signals in Intelligent Technologies. Minsk, 1998. - P.236-240.
10. Недзьведь А.М., Абламейко С.В. Сегментація клітин на гістологічних препаратах для світлової мікроскопії// Сб. мат. докл. 5-й міжнар. конф. з розпізнавання образів і обробці інформації PRIP-99. - Мінськ, 1999. - Ч. 2. - С. 143-148.
11. Апаратна і програмна підтримка системи обробки та аналізу зображень "BIOSCAN-AT". Налібоцкій Б.В., Недзьведь А.М., Рубенчік А.Я. и др.// Тез. докл. науч.-техн. конф. з комп'ютерної графіки та анімації. - Мінськ, 1993. - С. 65-68.
12. Недзьведь А.М. Особливості системи пірамідальних нейронів головного мозку поля 10// Тез. докл. республіканської наук. конф. молодих вчених і студентів "Актуальні проблеми сучасної медицини". - Мінськ: МГМИ, 1997. - С.83-89.
13. Сучасні уявлення про морфогенез герпетичної інфекції. Недзьведь М.К., Фрідман М.В., Недзьведь А.М. и др.// Інфекція та імунітет: Мат. республіканської наук.-практ. конф., присвяченій 75-річчю БелНІІЕМ. - Мінськ, 1999. - С.309-313.
14.
РЕЗЮМЕ
дисертаційної роботи Недзьведя Олександра Михайловича "Сегментація слабоконтрастних зображень гістологічних об'єктів"

      Ключові слова: сегментація, медичні зображення, системи аналізу зображень, математична морфологія, колір, гістологічні об'єкти.

      Дисертаційна робота присвячена проблемі сегментації об'єктів на зображеннях гістологічних препаратів. Її метою є розробка алгоритмів, що дозволяють виділити гістологічні об'єкти на зображенні препарату, зберігши геометричні та оптичні властивості об'єкта. Запропонована класифікація об'єктів для визначення алгоритму сегментації. Розроблено алгоритм напівтонового утоньшенія, що враховує особливості зображень гістологічних препаратів. На основі методів математичної морфології розроблені алгоритми сегментації судин і волокон при дрібному і великому оптичних збільшеннях, а також алгоритм ідентифікації судин і волокон при великому збільшенні, що використовує результати алгоритму сегментації. Розроблено алгоритми сегментації площинних об'єктів (клітин, ядер клітин, поперечного перерізу судин і волокон) методами математичної морфології та об'єднання областей, а також алгоритм визначення клітин на бінарному зображенні, отриманому в результаті порогової сегментації. Для виконання сегментації гістологічних об'єктів на кольорових зображеннях розроблена система координат опису кольору PHS. Представлена система аналізу зображень Bioscan, в якій реалізовані всі наведені вище алгоритми. Отримані в дисертаційної роботі результати призначені для реалізації в автоматичних системах аналізу гістологічних препаратів і можуть використовуватися при традиційній обробці та аналізі гістологічних об'єктів.

РЕЗЮМЕ
дисертацийнай працю Недзьведзя Аляксандра Мiхайлавiча "Сегментация слабакантрастних вiдариса (гiсталагiчних аб? єкта ("

      Ключавия слова: сегментация, медицинскiя вiдариси, сiстеми аналiзу вiдариса (, математичная марфалогiя, кольор, гiсталагiчния аб? екти.

       Дисертацийная Праця присвечана праблема сегментациi аб? Єкта (на вiдарисах гiсталагiчних препарата (. Яе Мета з? Яўляецца распрацо (ка алгаритма (, дазваляючих вилучиць гiсталагiчния аб? Екти на вiдарисе препарата, захаваўшы геаметричния i аптичния ўласцiвасцi аб? Єкта. Прапанавана класiфiкация аб? Єкта (для визначення алгаритму сегментациi. Распрацавани алгаритм па (тонавага патанчення, якi ўлiчвае асаблiвасцi вiдариса (гiсталагiчних препарата (. На падставе метада (математичнай марфалогii распрацавани алгаритми сегментациi сасуда (i валокна (пры дробовим i буйним аптичним павелiченнi. На падставе алгаритма (сегментациi распрацавани алгаритм iдентифiкациi сасуда (i валокна (пры буйним павелiченнi. Распрацавани алгаритми сегментациi плошчавих аб? єкта ((Клетака, ядзер Клетака, папярочнага сячення сасуда (i валокна () метадамi математичнай марфалогii i аб? яднання абласцей, а таксамо алгаритм визначення Клетака на бiнарним вiдарисе, отримання у винiку парогавай сегментациi. Для виканання сегментациi гiсталагiчних аб (єкта (на калярових вiдарисах распрацавана сiстема каардинат Опис: колір PHS. Прадста (лена сiстема аналiзу вiдариса (Bioscan, у якой реалiзавани вишейапiсания алгаритми. Атримания (дисертацийнай працю винiкi призначани для реалiзациi (а ( таматичних сiстемах аналiзу гiсталагiчних препарата (i могуць викаристо (вацца пры традицийнай апрацо (ци i аналiз гiсталагiчних аб (єкта (.

      SUMMARY
      Dissertation of Nedzved Alexander
      "Segmentation of low contrast images of histology objects"

      Key words: segmentation, medical images, image analysis systems, mathematical morphology, color, histology objects.

      Dissertation is devoted to the problem of object segmentation on histology preparations images. The purpose of research is the elaboration of image segmentation algorithms, allowing to must determine histology objects on preparation images, and preserving objects 'geometrical and optical properties. Object classification is proposed for determination of segmentation algorithm. Algorithm of gray thinning was developed for histology images. Algorithm of fibre and vessel segmentation in small and major magnifications has been worked out on the basis of mathematical morphology methods. Algorithm identification of vessels and fibres, that use results of segmentation, was developed. The algorithms of segmentation of the square objects (cells, nuclei, cross-section of fibres and vessels) were developed by the mathematical morphology and merging region methods. The system of coordinates PHS of color description was collaborated for segmentation of histology objects on color images. Image analysis system Bioscan is described. This system uses the algorithms that have been developed in this dissertation. Results of research can be uses for realization on automatic histology image analysis systems and for processing and analyzing histology objects.

      Підписано до друку 3.02.2000. Формат паперу 60x84 1/16.
      Офсетний друк. Обсяг 1 д.а. Тираж 100 прим. Зак. № 9

_________________________________________< br /> Віддруковано на різографі Інституту технічної кібернетики
НАН Білорусі. 220012, Мінськ, Сурганова, 6

      11