"Разработка методов и алгоритмов обработки медицинских изображений с использованием методов искусственного интеллекта"

Из формулы (2.25) очевидно, что спектр действительного сигнала s(x) есть:
(2.27), где:
(2.28)
(2.29)
Sc(u), Ss(u) - действительная и мнимая части спектра.
При компьютерной обработке последовательности отсчётов сигнала интегральн ы е соотношения заменяют соответствующими операциями дискретного суммирования. Очевидно, что для цифрового сигнала ПФ в общем случае не может быть реализовано из-за необходимости суммирования безконечного числа членов.
Компьютерные алгоритмы ПФ дискретной последовательности отсчётов s(p) , имеющей конечную длину 0<=p<=N-1 , сводятся к вычислению конечного числа коэффициентов S(q), 0<=q<=Q-1 , согласно соотношению:
(2.30)
Формула (2.30) представляет собой дискретную аппроксимацию преобразования (2.25), при которой функция s(x) заменяется ступенчатой функцией s(p)=s(хp) в пределах протяжённости элемента дискретизации, где: x p =pdx (dx – шаг дискретизации ). Выражение (2.30) есть приближение, качество которого должно улучшаться при увеличении N и соответствующем уменьшении шага дискретизации dx .
В работе я также планирую заняться распознаванием двумерных контрастных изображений объектов по инвариантным информативным признакам, для реализации чего мною намечено в частности решение 3-ёх задач:
1. Формирование множества информативных признаков для распознавания, которые должны быть инвариантными как к смещению фигур в плоскости, так и к их поворотам.
2. Определение параметров НС, параметров обучающего алгоритма.
3. Проведение корректного обучения НС.
Эффективность работы системы распознавания с выбранными параметрами будет оцениваться в результате цикла статических испытаний, по результатам которых будет приниматься решение о необходимости корректирования параметров системы.
3. Выводы по работе и перспективы исследований
Результатом данной работы является обобщение и систематизация теоретических сведений о методах и алгоритмах обработки изображений. Был проведен научный поиск по теме "Разработка методов и алгоритмов обработки медицинских изображений с использованием методов искусственного интеллекта, проведен анализ существующих разработок в области использования нейронных сетей для этих целей, обоснована актуальность темы магистерской работы, определены направления исследования в данной области. Проанализировав существующие на сегодняшний день алгоритмы и методы обработки медицинских изображений, можно подвести итоги.
Значительная часть задач обработки информации и анализа данных связана с изображениями. Примерами могут служить обработка и анализ данных дистанционного зондирования Земли со спутников, объемные изображения объектов, полученные с помощью голографических устройств, результаты применения методов неразрушающих исследований и контроля в промышленности, разработка “органов зрения” роботов и современных медицинских систем диагностики (рентгенография, машинная томография, эндоскопия и т.д.). Для успешного решения задач поиска и идентификации объектов, определения различного рода их количественных характеристик необходимо, чтобы первичные изображения характеризовались высоким визуальным качеством, которое теряется из-за неудовлетворительных условий получения изображений, несовершенства систем передачи видеоинформации и ее отображения, влияния помех и т.п.
Поэтому актуальной является задача преобразования изображений с целью улучшения их визуального качества и повышения информативности. Все основное множество методов, которые решают эту задачу, делится на методы обработки в частотной и пространственной областях . Для обработки изображений в пространственной области наибольшее распространение получили методы пяти классов, которые были рассмотрены выше: