Введение
1 Современное состояние вопроса распознавания графических объектов в медицинских информационных системах 15
1.1.1 Способы обследования и диагностирования молочной железы 16
1.1.2 Место и роль маммографического обследования в диагностировании патологий молочной железы 20
1.2 Обзор технических и программных средств обработки маммограмм 22
1.2.1 Технические средства обработки маммограмм 22
1.2.2 Программное обеспечение для работы с маммограммами 27
1.3 Анализ подходов к решению задачи распознавания графических объектов в информационных системах 29
1.3.1 Общая концепция методик распознавания 29
1.3.2 Распознавание на основе словарей признаков 31
1.3.3 Обучающиеся системы 32
1.3.4 Оптимизация и повышение точности 33
1.3.5 Методы распознавания на основе кластеризации 34
1.3.6 Последовательные схемы 35
1.4 Анализ методов фильтрации графических объектов 37
1.4.1 Бинаризация изображения по определенному порогу 37
1.4.2 Классические способы фильтрации 39
1.4.3 Вейвлет-преобразование 41
1.4.4 Корреляция цифровых изображений 43
1.4.5 Фильтрация функций 44
1.4.6 Преобразование Хафа 44
1.4.7 Фильтрация контуров 46
1.4.8 Прочие фильтры 52
1.5 Анализ методов логической обработки результатов фильтрации графических объектов 52
1.5.1 Контурный анализ 53
1.5.2 Код Фримена 55
1.5.3 Поиск особых точек 56
1.6 Анализ методов обучения информационных систем распознавания графических объектов 57
1.6.1 Классификация в одномерном пространстве признаков 60
1.6.2 Классификатор AdaBoost 62
1.6.3 Классификатор SVM 62
1.6.4 Классификатор на основе нейронной сети 63
1.7 Выводы по главе 1. Постановка задачи на исследование 64
2 Модели и методы распознавания графических объектов в медицине 66
2.1 Метод сегментации изображений молочной железы при помощи модели улучшенного пространственного алгоритма нечеткой кластеризации 67
2.1.1 Обычный алгоритм нечеткой кластеризации 67
2.1.2 Инициализация 68
2.1.3 Предложенный улучшенный пространственный алгоритм нечеткой кластеризации 69
2.2 Метод сегментации изображений молочных желез с помощью
вероятностного алгоритма нечёткой кластеризации 70
2.2.1 Модифицированный алгоритм нечеткой кластеризации 70
2.2.2 Вероятностный алгоритм кластеризации 72
2.2.3 Нечёткий вероятностный алгоритм кластеризации 73
2.2.4 Адаптивная система нейро-нечеткого вывода 74
2.3 Выводы по второй главе 84
3 UML модели информационной системы поддержки принятия решения врача маммолога 86
3.1 Классификация типов диаграмм UML 86
3.2 Диаграмма классов 90
3.3 Диаграммы последовательности 98
3.4 Диаграмма деятельности 112
3.5 Диаграмма прецедентов 118
3.6 Диаграмма компонентов 122
3.7 Диаграмма развертывания 123
3.8 Выводы по третьей главе 125
4 Результаты работы информационной системы поддержки принятия решения врача онколога-маммолога 127
4.1 Работа интерфейса 127
4.2 Структура программного комплекса и описание блоков 130
4.3 Анализ и статистическая обработка результатов исследования
4.3.1 Ошибки первого рода 147
4.3.2 Ошибки второго рода
4.4 Анализ работы аналитической и процедурной моделей улучшенного пространственного алгоритма нечеткой кластеризации 153
4.5 Анализ работы аналитической и процедурной моделей предложенного вероятностного алгоритма нечеткой кластеризации 154
4.6 Выводы по четвертой главе 156
Заключение 157
Список использованных источников
