Адаптивний метод попередньої обробки гістологічних та цитологічних зображень.

2017;
: pp. 111-118
Accepted: March 28, 2017
Authors:
1
West Ukrainian National University, Ternopil, Ukraine

 Developed adaptive method and algorithm of image processing. Selection and the parameters setting held in the test sample of 200 histological and cytological images. The method is based on the use of computer vision algorithms for pre-processing images from the previous parametric adaptive selection. The experimental results showed that the method and algorithm are not inferior, and in many cases is the best compared to counterparts.

1. Yinpeng J. Contrast Enhancement by Multi-scale Adaptive Histogram Equalization / Yinpeng Jina, Laura Fayadb, Andrew Laine // Proceedings of SPIE Vol. 4478 (2001), pp 206–-213

2. Baron T. H. A Prospective Comparison of Digital Image Analysis and Routine Cytology for the Identification of Malignancy in Biliary Tract Strictures / Todd H. Baron, Gavin c. Harewood, Ashwin Rumalla // clinical Gastroenterology and Hepatology, 2004, Vol. 2, pp. 214–219.

3. Petushi S. Large-scale computations on histology images reveal grade-differentiating parameters for breast cancer / Sokol Petushi, Fernando U Garcia, Marian M Haber, Constantine Katsinis, Aydin Tozeren // BMC Medical Imaging 2006 Vol. 6 (14)

4. O. Berezsky and O. Pitsun “Automated Processing of Cytological and Histological Images,” Proceedings of the XIIth International Conference “Perspective Technologies and Methods in MEMS Design”, MEMSTECH’2016, Lviv-Polyana, pp. 51–53, April 2016.

5. Pizer, S. M. Contrast-limited adaptive histogram equalization: Speed and effectiveness. / S. M. Pizer, Johnston, R. E., Ericksen, J. P., Yankaskas, B. C., & Muller, K. E. (1990) // In Proceedings of the First Conference on Visualization in Biomedical Computing. pp. 337–345.

6. Бондіна Н. М. Порівняння алгоритмів фільтрації медичних зображень за оцінками їх якості / Н. М. Бондіна, О. С. Калмичков, О. А. Козіна // Вісник НТУ “ХПІ”. Серія: Інформатика та моделювання. – Харків: НТУ “ХПІ”. – 2013. – № 39 (1012). –  С. 15–21.

7. Бондіна Н. М. Порівняльний аналіз алгоритмів фільтрації медичних зображень / Н. М. Бондіна, О. С. Калмичков, В. Е. Кривенцов // Вісник НТУ “ХПІ”. Серія: Інформатика та моделювання. – Харків: НТУ “ХПІ”. – 2012. – № 38. – С. 14–25.

8. Peleshko D. Analysis of invariant moments in tasks image processing / D. Peleshko, M. Peleshko, N. Kustra, I. Izonin // The Experience of Designing and Application of CAD Systems in Microelectronics (CADSM): proc. of XI-th intern. conf.,  23–25 Feb., 2011 y., Lviv Polyana, Ukraine. – Lviv: Publishing House “Vezha&Co”, 2011. – P. 263–264.

9. Хрящев Д. А. Об одном методе анализа цифрового изображения с применинием гистограмм / Д. А. Хрящев // Вестник АГТУ.Сер.: Управлениеб вичислительная техника и информатика – 2010. – № 1.

10. Reza A. M. Realization of the Contrast Limited Adaptive Histogram Equalization (CLAHE) for Real-Time Image Enhancement / A. M. Reza // The Journal of VLSI Signal Processing-Systems for Signal, Image, and Video Technology (2004) Volume 38(1), pp 35–44.

11. Xin Ning, Weijun Li, Xiaoli Dong, Liping Zhang and Yating Shi, “A image fog removal method based on human visual property”, Image and Signal Processing (CISP) 2015 8th International Congress on, pp. 178–183, 2015.

12. Pizer, S. M. Contrast-limited adaptive histogram equalization: Speed and effectiveness. / S. M. Pizer, Johnston R. E., Ericksen J. P., Yankaskas B. C. & Muller K. E. (1990) // In Proceedings of the First Conference on Visualization in Biomedical Computing. pp. 337–345.

13. Pisano E. D. Contrast Limited Adaptive Histogram Equalization Image Processing to Improve the Detection of Simulated Spiculations in Dense Mammograms / E. D. Pisano, S. Zong, B. M. Hemminger // Journal ofDigital Imaging, Vol 11, No 4 (November), 1998: pp. 193–200.

14. Ehsani S. P. Chromosome Image Contrast Enhancement using Adaptive, Iterative Histogram Matching / S.P Ehsani, S. M. Hojjat, B. H. Khalaj // MVIP. 2011. p.1-5.

15. Zhanga Q. Biological weight selection of multi-scale retinex via artificial bee colony algorithm./ Q. Zhanga, H. Duana // Optik.2014. 125, p.1434–1438.

16. Chryahchev D. А. Ob odnom method analyza tayfrovogo izobrazhenia s prymenuniem histogram / D. А. Chryahchev // Vestnyk АGТY.Ser.: Upravlenie vuchyslitelnaja technika I infornmatyka – 2010 – Vol. 1.

17. Jang C. Y. A fast multi-scale retinex algorithm using dominant SSR in weights selection. / C. Y. Jang, J. H. Lim, Y. H. Kim // ISOCC-2012. p. 37–40.  

18. Petro A. B. Multiscale Retinex / Ana Belén Petro, Catalina Sbert, Jean-Michel Morel // Image Processing On Line, (2014), pp. 71–88.

19. Bronikov А. V. Kombinirovanyi algorithmy filtraciizashymlenych signalov I izobrazhenyi / А. V. Bronikov, Yu.Е. Voskoboynikov // Avtometria. –  1990. – Vol 1.

20. Wang Z. Image quality assessment: From error visibility to structural similarity / Z. Wang, A. C. Bovik, H. R. Sheikh and E. P. Simoncelli // IEEE Transactions on Image Processing, vol. 13, no. 4, p. 600–612, Apr. 2004.

21. Rahman Z. U. Multi-scale retinex for color image enhancement / Z. U. Rahman, D. J. Jobson, G. A. Woodell // Proc. IEEE Int. Conf. on Image Processing 1996. 3,  p. 1003–1006.

22. Yang X. S. Cuckoo search via Lvy flights. / X. S. Yang, S. Deb // Proceedings of the world congress on nature and biologically inspired computing (NaBIC) – 2009, pp. 210–214.  

23. Бронников А. В. Комбинированные алгоритмы фильтрации зашумленных сигналов и изображений / А. В. Бронников, Ю. Е. Воскобойников // Автометрия. – 1990. – № 1.