біомедичні зображення

Характерною властивістю цифрових біомедичних зображень є наявність повторюваних елементів з нечіткою геометричною структурою. Наближення форми клітин до форми круга або еліпса вимагає вдосконалення алгоритмів зіставлення областей. Для визначення найкращого афінного перетворення між областями використано симетричну різницю множин точок областей. Застосуванням дискретних центральних моментів області підвищено точність визначення відповідних точок на контурах при визначенні афінних перетворень між областями мікрооб’єктів.

Характерною властивістю цифрових біомедичних зображень є наявність повторю- ваних елементів з нечіткою геометричною структурою. Наближення форми клітин до форми круга або еліпса вимагає вдосконалення алгоритмів співставлення областей. Для визначення найкращого афінного перетворення між областями використано симетричну різницю множин точок областей. Застосування дискретних центральних моментів області дозволило підвищити точність визначення відповідних точок на контурах при визначенні афінних перетворень між областями мікрооб’єктів.

Mo­dern da­ta­ba­ses of bi­ome­di­cal ima­ges ha­ve be­en in­ves­ti­ga­ted. Bi­ome­di­cal ima­ging has be­en shown to be ex­pen­si­ve and ti­me con­su­ming. A da­ta­ba­se of ima­ges of pre­can­ce­ro­us and can­ce­ro­us bre­asts "BPCI2100" was de­ve­lo­ped. The da­ta­ba­se con­sists of 2,100 ima­ge fi­les and a MySQL da­ta­ba­se of me­di­cal re­se­arch in­for­ma­ti­on (pa­ti­ent in­for­ma­ti­on and ima­ge fe­atu­res). Ge­ne­ra­ti­ve ad­ver­sa­ri­al net­works (GAN) ha­ve be­en fo­und to be an ef­fec­ti­ve me­ans of ima­ge ge­ne­ra­ti­on.