Розроблено програмний модуль для автоматичного порівняння зображень на основі класичних і сучасних метрик відстані з метою підвищення точності аналізу біомедичних зображень. У роботі розглянуто дедалі більшу потребу в інтелектуальних інструментах, придатних для кількісного порівняння складних структур зображень, що долає обмеження таких систем, як ImageJ і Axio Vision. Дослідження зосереджене на інтеграції метрик Фреше, Хаусдорфа, Громова – Фреше, Громова – Хаусдорфа, а також нечітких метрик Фреше й Хаусдорфа в єдиній модульній архітектурі, призначеній для розподілених середовищ оброблення даних. Методи дослідження ґрунтуються на використанні сучасних технологій програмування (Java, PHP, Vue.js, Laravel, MySQL, OpenCV) та принципів модульності й сервісно-орієнтованого проєктування.
Досліджено розроблення та реалізацію вебінтерфейсу, який дає змогу користувачам інтерактивно завантажувати, переглядати та порівнювати зображення. Архітектура інтегрує RESTful API, мікросервісну комунікацію та засоби візуалізації для відображення результатів метрик у числовому та графічному вигляді. Визначено реляційну схему бази даних із сутностями для користувачів, досліджень, компараторів і результатів, що забезпечує масштабованість і цілісність даних. Розроблено основний модуль, який складається із компонентів RestClient, MainComparator та набору спеціалізованих класів метрик, що реалізують інтерфейс Comparator, забезпечуючи просте розширення системи новими алгоритмами.
Розроблена система демонструє істотне вдосконалення порівняно з наявним програмним забезпеченням, поєднуючи традиційні та сучасні методи на основі метрик і забезпечуючи віддалену взаємодію та інтеграцію з хмарними сервісами. Порівняльний аналіз із системами ImageJ, Axio Vision та HIAMS показав, що запропонований
Ukrainian Journal of Information Technology, 24 2025, vol. 7, No. 2
модуль унікально підтримує метрики на основі Громова та нечіткі метрики, одночасно надаючи зручний вебінтерфейс і доступ через REST API. Результати підтвердили ефективність модуля для задач сегментації та кластеризації біомедичних зображень і його інтеграцію у систему “BRECCAD” для автоматичного діагностування раку молочної залози. Запропонований підхід підвищує відтворюваність, модульність і точність аналізу, створюючи основу для подальшого розвитку інтелектуальних діагностичних систем.
1. Taha, A. A., & Hanbury, A. (2015). Metrics for evaluating 3D medical image segmentation: Analysis, selection, and tool. BMC Medical Imaging, 15(29). https://doi.org/10.1186/s12880-015-0068-x
2. Maier-Hein, L., Reinke, A., Godau, P., et al. (2024). Metrics reloaded: Recommendations for image analysis validation. Nature Methods, 21, 195-212. https://doi.org/10.1038/s41592-023-02151-z
3. Samajdar, T., & Quraishi, M. I. (2015). Analysis and evaluation of image quality metrics. In J. Mandal, S. Satapathy, M. Kumar Sanyal, P. Sarkar, & A. Mukhopadhyay (Eds.), Information systems design and intelligent applications (Advances in Intelligent Systems and Computing, Vol. 340). Springer. https://doi.org/ 10.1007/978-81-322-2247-7_38
4. Zujovic, J., Pappas, T. N., & Neuhoff, D. L. (2013). Structural texture similarity metrics for image analysis and retrieval. IEEE Transactions on Image Processing, 22(7), 2545-2558. https://doi.org/10.1109/TIP.2013.2251645
5. Jagalingam, P., & Hegde, A. V. (2015). A review of quality metrics for fused image. Aquatic Procedia, 4, 133-142. https://doi.org/10.1016/j.aqpro.2015.02.019
6. Reinke, A., Maier-Hein, L., & Müller, H. (2021). Common limitations of performance metrics in biomedical image analysis. Proceedings of the Medical Imaging with Deep Learning (MIDL 2021).
7. Chow, L. S., & Paramesran, R. (2016). Review of medical image quality assessment. Biomedical Signal Processing and Control, 27, 145-154. https://doi.org/10.1016/j.bspc.2016. 02.006
8. Ponomarenko, N., Battisti, F., Egiazarian, K., Astola, J., & Lukin, V. (2009, January). Metrics performance comparison for color image database. Proceedings of the Fourth International Workshop on Video Processing and Quality Metrics for Consumer Electronic, 27, 1-6).
9. Russell, R., & Sinha, P. (2011). A perceptually based comparison of image similarity metrics. Perception, 40(11), 1269-1281. https://doi.org/10.1068/p7020
10. Liu, J., Ding, H., Cai, Z., Zhang, Y., Satzoda, R. K., Mahadevan, V., & Manmatha, R. (2023). Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 18653-18663.
11. Zhu, Y., Huang, B., Gao, J., Huang, E., & Chen, H. (2022). Adaptive polygon generation algorithm for automatic building extraction. IEEE Transactions on Geoscience and Remote Sensing, 60, Article 4702114. https://doi.org/10.1109/TGRS. 2021.3081582
12. Zhang, Y., Fan, H., Wang, F., Gu, X., Qian, X., & Poon, T.-C. (2022). Polygon-based computer-generated holography: A review of fundamentals and recent progress [Invited]. Applied Optics, 61, B363–B374. https://doi.org/10.1364/AO. 461601
13. Khan, W., Kumar, T., Zhang, C., Raj, K., Roy, A. M., & Luo, B. (2023). SQL and NoSQL database software architecture performance analysis and assessments – A systematic literature review. Big Data and Cognitive Computing, 7(2), 97. https://doi.org/10.3390/bdcc7020097
14. Bucaioni, A., Di Salle, A., Iovino, L., Mariani, L., & Pelliccione, P. (2024). Continuous conformance of software architectures. Proceedings of the IEEE 21st International Conference on Software Architecture (ICSA), 112-122. https://doi.org/ 10.1109/ICSA59870.2024.00019
15. Berezsky, O., & Zarichnyi, M. (2021). Metric methods in computer vision and pattern recognition. In N. Shakhovska & M.O. Medykovskyy (Eds.), Advances in Intelligent Systems and Computing V. CSIT 2020 (Advances in Intelligent Systems and Computing, Vol. 1293). Springer. https://doi.org/10.1007/ 978-3-030-63270-0_13
16. Berezsky, O., & Zarichnyi, M. (2018). Gromov – Fréchet distance between curves. Matematychni Studii, 50(1), 88-92. https://doi.org/10.15330/ms.50.1.88-92
17. Bazylevych, L., Berezsky, O., & Zarichnyi, M. (2022). Fréchet fuzzy metric. Matematychni Studii, 57(2), 210-215. https://doi.org/10.30970/ms.57.2.210-215