Данная работа посвящена изучению методов вычисления серо-взвешенной карты расстояния (англ. Grey-weighted distance transform, GWDT), а также исследованию его последующего применения в схеме сегментации объектов на медицинских изображениях. Задачи, которые решались в ходе исследования: 1. Исследовать вычисление преобразования взвешенного расстояния для изображения с помощью решения уравнения эйконала, 2. Включить преобразование взвешенного расстояния в сценарий сегментации клеток для улучшения разделения слившихся объектов 3. Применить разработанный сценарий к экспериментальным изображениям клеток. В ходе работы был проведен обзор численным методов вычисления GWDT, выбран оптимальный способ для последующей реализации,разработана схема сегментации — последовательность выполнения методов для получения контуров объектов на изображении. В результате работы была разработана схема сегментации на языке Python, использующая дискретный метод вычисления GWDT с использованием chamfer– метрики с соседством (3×3). Был сделан вывод, что можно определить контуры объектов на изображении по его GWDT с высокой точностью. Предложенный в работе подход может совершенствоваться и быть использован в проведении научных исследований для представления о расположении и числе объектов на изображениях в градациях серого.

This work is devoted to studying the methods of calculating the grey-weighted distance transform (GWDT), as well as to investigating its subsequent application in the scheme of object segmentation in medical images. The tasks that were solved during the research are: 1. Study the calculation of the weighted distance transform for an image using the eikonal equation solution, 2. Include the weighted distance transform in the cell segmentation scenario to improve the separation of merged objects, 3. Apply the developed scenario to experimental cell images. During the work, a review of numerical methods for calculating GWDT was carried out, and the stages of subsequent automatic segmentation were developed. As a result of the work, a segmentation scheme was developed using a discrete method for calculating GWDT with the use of a 3×3 Chamfer metric neighborhood. It was concluded that object contours on an image can be accurately determined based on its GWDT. The approach proposed in the work can be further improved and used in scientific research to represent the location and number of objects on grayscale images.

• Совершенствование метода сегментации изображений биологических объектов с целью определения структуры клеток с помощью взвешенного расстояния
  • Введение
  • 1. Постановка задачи и описание исходных данных
  • 2. Применение GWDT для сегментации изображения
  • 3. Разработка метода сегментации
  • 4. Применение разработанного сценария к экспериментальным изображениям клеток
  • 5. Выводы
  • Заключение
  • Список использованных источников
  • Приложение 1. Схема сегментации, клетки ганглионейробластомы
  • Приложение 2. Схема сегментации, клетки HaCaT_1
  • Приложение 3. Схема сегментации, клетки HaCaT_2
  • Приложение 4. Схема сегментации, клетки нейробластомы_1
  • Приложение 5. Схема сегментации, клетки нейробластомы_2