В статье рассмотрено применение критериев оценки качества сегментации цифровых изображений мокроты, окрашенной по методу Циля-Нильсена для выбора оптимального параметра «сигма» вейвлет преобразования Mexican Hat. В качестве материала исследования использовались 830 цифровых изображений, полученных при микроскопии мазков мокроты. Для оценки оптимальности подбора значения параметра σ использовались: среднее число объектов, выделенных на изображениях, доля пропущенных кислотоустойчивых микобактерий на изображениях, критерий однородности и 3 комплексных критерия оценки качества сегментации изображений. Проведенный анализ показал, что при увеличении параметра σ происходит незначительное снижение значение критерия однородности. При этом увеличение параметра σ с 2,4 и более согласно комплексным критериям происходит повышение качества сегментации изображений. Таким образом, наиболее оптимальными значениями параметра σ вейвлета Mexican Hat для сегментации цифровых изображений мокроты, окрашенной по методу Циля-Нильсена, являются значения в интервале от 2,90 до 3,09.

Ключевые слова: метод Циля-Нильсена, сегментация изображений, критерии оценки качества, вейвлет преобразование, Mexican Hat

05.11.17 - Приборы, системы и изделия медицинского назначения , 05.13.01 - Системный анализ, управление и обработка информации (по отраслям)

Проведено сравнение различных методов отбора признаков для идентификации объектов на цифровых изображениях микроскопических препаратов мокроты, окрашенной по методу Циля-Нильсена. Рассматривались следующие методы: метод пересечений, Шеннона, Кульбака и накопленных частот. Сделано заключение о том, что метод пересечений позволяет осуществлять отбор признаков из всего признакового пространства так, что классификационные модели позволяют получить максимальную точность классификации при наименьшем числе входных параметров.

Ключевые слова: метод Циля-Нильсена, распознавание объектов, распознавание изображений, отбор признаков, метод накопленных частот, метод Шеннона, метод Кульбака, метод пересечений, логистическая регрессия, дерево классификации, дискриминантный анализ

05.11.17 - Приборы, системы и изделия медицинского назначения , 05.13.01 - Системный анализ, управление и обработка информации (по отраслям)