МЕТОД СЕГМЕНТАЦІЇ УЛЬТРАЗВУКОВИХ ЗОБРАЖЕНЬ НА ОСНОВІ АНАЛІЗУ ЛОКАЛЬНОЇ СТАТИСТИКИ ГІСТОГРАМ
Ключові слова:
узд-зображення, сегментація, об’єкт, фон, спекл-шум, гістограма інтенсивності, межова криваАнотація
Запропоновано метод сегментації ультразвукових медичних зображень, що базується на аналізі локальної статистики. Проведено моделювання на еталонному зображенні з використанням сучасних методів сегментації, результати якого підтверджують переваги запропонованого методу. Виконано сегментацію на прикладі типового УЗД-зображення жовчного міхура.Посилання
1. Білинський Й. Й. Проблеми і перспективи застосування методів візуального діагностування патології кульшового суглоба дітей [Електронний ресурс] / Й. Й. Білинський, А. О. Мельничук, О. В. Мельничук // Наукові праці ВНТУ. — 2009 р. 4 вип. — 4 с. — Режим доступу до журн.: http://www.nbuv.gov.ua/e-journals/VNTU/2009-4/2009-4.htm.
2. Прэтт У. Цифровая обработка изображений / У. Прэтт ; пер. с англ. Лебедев Д. С. — М. : Мир, 1982. — 784 с.
3. Shrimadi V. Current trends in segmentation of medical ultrasound B-mode Images: A Review / V. Shrimadi, R. S. Anand, V. Kumar // IETE Technical Review. — 2009. — Vol. 26. — Р. 8—17.
4. Адамов В. Г. Применение нейронных сетей для обработки текстуры эхограмм в информационно-диагностических системах / В. Г. Адамов, М. В. Привалов // Наукові праці Донецького державного технічного університету. Серія: Обчи-слювальна техніка та автоматизація. — Донецьк : Донату, 1999. — Вип. 12. — С 151—157.
5. Dokur Z. Segmentation of ultrasound image using a hybrid neural network / Dokur Z., Olmez T. // Elsevier Pattern Recognition Letters. — 2002. — Vol. 3. — P. 1825—1836.
6. Shen D. Segmentation of prostate boundaries from ultrasound images using statistical shape model / D. Shen, Y. Zhan,
C. Davatzikos // IEEE Transaction on Medical Imaging. — 2003. — Vol. 22. — P. 539—51.
7. Huang Y. L. Watershed segmentation for breast tumor in 2-D sonography / Y. L. Huang, D. R.Chen // Ultrasound in Med. and Biol. — 2004. — Vol. 30. — No 5. — Р. 625—632.
8. Хофер М. Ультразвуковая диагностика. Базовый курс / Хофер М. — М. : Мед.лит, 2006 — 104 с.
9. Сойфер В. А. Методы компьютерной обработки зображений / Сойфер В. А. — М. : ФИЗМАТЛИТ, 2003. — 784 с.
10. Sudha S. Speckle noise reduction in ultrasound images by wavelet thresholding based on wavelet variance / S. Sudha,
G. Suresh, R. Sukanesh // International journal of computer theory and engineering. — 2009. — No 1. — Р. 45—58
11. Wang Z. Image quality assessment:from error visibility to structural similarity / Z. Wang, A. Bovik, E. Simonce // IEEE Transaction Image processing, 2004. — Vol. 13. — No 4. — Р. 521—531.
2. Прэтт У. Цифровая обработка изображений / У. Прэтт ; пер. с англ. Лебедев Д. С. — М. : Мир, 1982. — 784 с.
3. Shrimadi V. Current trends in segmentation of medical ultrasound B-mode Images: A Review / V. Shrimadi, R. S. Anand, V. Kumar // IETE Technical Review. — 2009. — Vol. 26. — Р. 8—17.
4. Адамов В. Г. Применение нейронных сетей для обработки текстуры эхограмм в информационно-диагностических системах / В. Г. Адамов, М. В. Привалов // Наукові праці Донецького державного технічного університету. Серія: Обчи-слювальна техніка та автоматизація. — Донецьк : Донату, 1999. — Вип. 12. — С 151—157.
5. Dokur Z. Segmentation of ultrasound image using a hybrid neural network / Dokur Z., Olmez T. // Elsevier Pattern Recognition Letters. — 2002. — Vol. 3. — P. 1825—1836.
6. Shen D. Segmentation of prostate boundaries from ultrasound images using statistical shape model / D. Shen, Y. Zhan,
C. Davatzikos // IEEE Transaction on Medical Imaging. — 2003. — Vol. 22. — P. 539—51.
7. Huang Y. L. Watershed segmentation for breast tumor in 2-D sonography / Y. L. Huang, D. R.Chen // Ultrasound in Med. and Biol. — 2004. — Vol. 30. — No 5. — Р. 625—632.
8. Хофер М. Ультразвуковая диагностика. Базовый курс / Хофер М. — М. : Мед.лит, 2006 — 104 с.
9. Сойфер В. А. Методы компьютерной обработки зображений / Сойфер В. А. — М. : ФИЗМАТЛИТ, 2003. — 784 с.
10. Sudha S. Speckle noise reduction in ultrasound images by wavelet thresholding based on wavelet variance / S. Sudha,
G. Suresh, R. Sukanesh // International journal of computer theory and engineering. — 2009. — No 1. — Р. 45—58
11. Wang Z. Image quality assessment:from error visibility to structural similarity / Z. Wang, A. Bovik, E. Simonce // IEEE Transaction Image processing, 2004. — Vol. 13. — No 4. — Р. 521—531.
##submission.downloads##
-
PDF
Завантажень: 208
Переглядів анотації: 180
Опубліковано
2010-11-12
Як цитувати
[1]
Й. Й. Білинський, А. О. Мельничук, і О. А. Чумак, «МЕТОД СЕГМЕНТАЦІЇ УЛЬТРАЗВУКОВИХ ЗОБРАЖЕНЬ НА ОСНОВІ АНАЛІЗУ ЛОКАЛЬНОЇ СТАТИСТИКИ ГІСТОГРАМ», Вісник ВПІ, вип. 6, с. 102–107, Листоп. 2010.
Номер
Розділ
Радіоелектроніка та радіоелектронне апаратобудування
Ліцензія
Автори, які публікуються у цьому журналі, згодні з такими умовами:
- Автори зберігають авторське право і надають журналу право першої публікації.
- Автори можуть укладати окремі, додаткові договірні угоди з неексклюзивного поширення опублікованої журналом версії статті (наприклад, розмістити її в інститутському репозиторії або опублікувати її в книзі), з визнанням її первісної публікації в цьому журналі.
- Авторам дозволяється і рекомендується розміщувати їхню роботу в Інтернеті (наприклад, в інституційних сховищах або на їхньому сайті) до і під час процесу подачі, оскільки це сприяє продуктивним обмінам, а також швидшому і ширшому цитуванню опублікованих робіт (див. вплив відкритого доступу).
