e-Medicus system to segmentation and analysis medical images

• Autorzy: Rymarczyk, T. , Tchórzewski, P.

Warianty tytułu

PL

System e-Medicus do segmentacji i analizy obrazów medycznych

• Języki publikacji: EN

Abstrakty

EN

In this work, there was presented authoring system to exam the medical images by using statistical methods, topological algorithms and computational intelligence methods. These methods are used to identify the properties for the images. There was prepared a special e-Medicus system to machine learning, analysis and compare data and pictures. The solution shows the architecture of the system collecting and analysing data. There was tried to develop an algorithm for level set method (LSM) applied to piecewise constant image segmentation. These algorithms are needed to identify arbitrary number of phases for the segmentation problem. The image segmentation refers to the process of partitioning a digital image into multiple regions. There is typically used to locate objects and boundaries in images.

PL

W artykule, został przedstawiony autorski system do badania obrazów medycznych przy użyciu metod statystycznych, algorytmów inteligencji obliczeniowej i metod topologicznych. Metody te stosuje się w celu identyfikowania właściwości obrazów. Przygotowano specjalny system e-Medicus do uczenia maszynowego, analizy i porównywania danych i obrazów. Rozwiązanie przedstawia architekturę systemu do gromadzenia i analizy danych. Opracowano algorytmy oparte na metodzie zbiorów poziomicowych (MZP) jako odcinkowo stałej segmentacji obrazu. Algorytmy te są potrzebne do identyfikacji dowolnej liczby faz dla problemu segmentacji, która odnosi się do procesu dzielenia cyfrowego obrazu w różnych regionach. Używana jest zwykle do lokalizacji obiektów i brzegów w obrazach.

Słowa kluczowe

PL

tomografia impedancyjna; analiza obrazów; metoda zbiorów poziomicowych

EN

electrical impedance tomography; image analysis; level set method

• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2017
• Tom: R. 93, nr 1
• Strony: 197--200
• Opis fizyczny: Bibliogr. 20 poz., fot., rys., wykr.

Twórcy

autor

Rymarczyk, T.

• Netrix S.A., Research and Development Center, Związkowa 26, 20-148 Lublin,

autor

Tchórzewski, P.

• Netrix S.A., Research and Development Center, Związkowa 26, 20-148 Lublin

Bibliografia

• [1] Argenziano G., Soyer P.H., De Giorgi V., Piccolo D.: Interactive atlas of dermatoscopy, EDRA (2000)
• [2] Balla-Arabe S., Gao X.: A Fast and Robust Level Set Method for Image Segmentation Using Fuzzy Clustering and Lattice Boltzmann Method, IEEE Trans Cybern. (2013), Jun;43 (3)
• [3] Braun R. P., Rabinovitz H. S.: Dermoscopy of pigmented skin lesions, J Am Acad Dermatol (2005); 52:109-21
• [4] Gdula A., Rymarczyk T.: Application Computational Algorithms for Analysis of Dental Image (2015), WD 2015
• [5] Jajuga K.: Statystyczna teoria rozpoznawania obrazów, PWN, Warszawa (1990)
• [6] Johr R.H. Dermoscopy: Alternative melanocytic algorithms-the ABCD rule of dermatoscopy, Menzies scoring method, and 7- point checklist. Clin. DermC.atol. (2002), 05
• [7] Kamińska J., Winciorek G.: Dermatologia cyfrowa, Cornetis (2008)
• [8] Kurzyński M.: Rozpoznawanie obiektów. Metody statystyczne, Oficyna Wydawnicza Politechniki Wrocławskiej, Wrocław (1997)
• [9] Li C., Kao C., Gore J. C., Ding Z.: Minimization of Region- Scalable Fitting Energy for Image Segmentation, IEEE Trans. Image Processing (2008), vol. 17 (10), pp. 1940-1949
• [10] Mumford D., Shah J.: Optimal approximation by piecewise smooth functions and associated variational problems. Comm. Pure Appl. Math. (1989), (42):577–685
• [11] Osher S., Fedkiw R.: Level Set Methods and Dynamic Implicit Surfaces, Springer, New York, (2003)
• [12] Osher S., Sethian J.A.: Fronts Propagating with Curvature Dependent Speed: Algorithms Based on Hamilton-Jacobi Formulations. Journal of Computational Physics, (1988), 79, 12-49
• [13] Ossowski S.: Sieci neuronowe do przetwarzania informacji, Politechnika Warszawska, Warszawa (2006)
• [14] Osowski S., Markiewicz T., Kruk M., Kozłowski W.: Metody sztucznej inteligencji do wspomagania diagnostyki patologii tkanek, WAT, Warszawa, (2011)
• [15] Rymarczyk T.: Characterization of the shape of unknown objects by inverse numerical methods, Electrical Review (2012), 5/2012/7b
• [16] Rymarczyk T., Osior K.: E-Medicus System for Analysis and Images Segmentation (2013), IIPhWD 2013
• [17] Rymarczyk T.: New Methods to Determine Moisture Areas by Electrical Impedance Tomography, International Journal of Applied Electromagnetics and Mechanics (2016), vol. 08, 1-9, DOI:10.3233/JAE-16207
• [18] Sadowski T, Rymarczyk T.: Method for Segmentation Medical Images of Thorax and Detecting Anomalies (2014), WD2014
• [19] Stolz W., Braun-Falco O.: Color atlas of dermatoscopy, Blackwell Science (1994)
• [20] Vese L. Chan T.: A new multiphase level set framework for image segmentation via the Mumford and Shah model (2001), CAM Report 01-25, UCLA Math. Dept.

Uwagi

Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę (zadania 2017).

Identyfikatory

DOI

10.15199/48.2017.01.48