Адаптивні методи попереднього оброблення для підвищення точності сегментації стоматологічних рентгенівських знімків
Предметом дослідження в статті є ефективність адаптивних методів попереднього оброблення медичних зображень, зокрема білатерального фільтра та модифікованого CLAHE, у задачах сегментації стоматологічних рентгенівських знімків. Ці методи дають змогу зберігати важливі деталі зображення та ефективно з...
Saved in:
| Main Author: | |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Kharkiv National University of Radio Electronics
2024-09-01
|
| Series: | Сучасний стан наукових досліджень та технологій в промисловості |
| Subjects: | |
| Online Access: | https://www.itssi-journal.com/index.php/ittsi/article/view/504 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1850081554754174976 |
|---|---|
| author | Олег Коменчук |
| author_facet | Олег Коменчук |
| author_sort | Олег Коменчук |
| collection | DOAJ |
| description |
Предметом дослідження в статті є ефективність адаптивних методів попереднього оброблення медичних зображень, зокрема білатерального фільтра та модифікованого CLAHE, у задачах сегментації стоматологічних рентгенівських знімків. Ці методи дають змогу зберігати важливі деталі зображення та ефективно зменшувати шум, навіть у разі високої варіативності зображень, що надходять із різних джерел. Мета роботи – розроблення покращень методів попереднього оброблення медичних зображень, а саме білатерального фільтра та CLAHE, з огляду на контекст зображення. Дослідження спрямоване на підвищення ефективності сегментації медичних знімків за допомогою збереження важливих деталей і зменшення впливу шуму й артефактів у зображеннях із різних джерел. У статті розв’язуються завдання: експериментальне порівняння розроблених адаптивних методів попереднього оброблення з традиційними підходами; оцінювання ефективності сегментації за допомогою метрик, таких як коефіцієнт Дайса (Dice Score), коефіцієнт Жаккара (IoU Score), влучність (Precision) та чутливість / повнота (Recall); аналіз впливу попереднього оброблення на якість сегментації. Впроваджено такі методи: математичне моделювання, тренування нейронної мережі на основі моделі U-Net із попередньо натренованим енкодером timm-resnest101e, масштабування зображень до 512×512 пікселів, навчання з фіксованим learning rate 0.001. Досягнуті результати. Під час експериментального порівняння розроблених адаптивних методів попереднього оброблення з традиційними підходами встановлено, що комбіноване використання адаптивного білатерального фільтра та модифікованого CLAHE забезпечило найвищі показники якості сегментації. Зокрема, за метриками коефіцієнт Дайса (Dice Score) 0.9603 та коефіцієнт Жаккара (IoU Score) 0.94501 ці методи перевершили традиційні, що свідчить про їх ефективність у збереженні контурів об’єктів та зниженні шуму. Висновки. Застосування розроблених адаптивних методів попереднього оброблення суттєво покращує точність сегментації медичних зображень. Комбінований підхід, що передбачає адаптивний білатеральний фільтр і модифікований CLAHE, є найбільш ефективним для завдань медичної візуалізації, що підвищує точність діагностики та надійність автоматизованих систем підтримки прийняття рішень.
|
| format | Article |
| id | doaj-art-11a00ea85273436e93380ad0ecb08fd4 |
| institution | DOAJ |
| issn | 2522-9818 2524-2296 |
| language | English |
| publishDate | 2024-09-01 |
| publisher | Kharkiv National University of Radio Electronics |
| record_format | Article |
| series | Сучасний стан наукових досліджень та технологій в промисловості |
| spelling | doaj-art-11a00ea85273436e93380ad0ecb08fd42025-08-20T02:44:42ZengKharkiv National University of Radio ElectronicsСучасний стан наукових досліджень та технологій в промисловості2522-98182524-22962024-09-013(29)10.30837/2522-9818.2024.3.029Адаптивні методи попереднього оброблення для підвищення точності сегментації стоматологічних рентгенівських знімківОлег Коменчук0Вінницький національний технічний університет Предметом дослідження в статті є ефективність адаптивних методів попереднього оброблення медичних зображень, зокрема білатерального фільтра та модифікованого CLAHE, у задачах сегментації стоматологічних рентгенівських знімків. Ці методи дають змогу зберігати важливі деталі зображення та ефективно зменшувати шум, навіть у разі високої варіативності зображень, що надходять із різних джерел. Мета роботи – розроблення покращень методів попереднього оброблення медичних зображень, а саме білатерального фільтра та CLAHE, з огляду на контекст зображення. Дослідження спрямоване на підвищення ефективності сегментації медичних знімків за допомогою збереження важливих деталей і зменшення впливу шуму й артефактів у зображеннях із різних джерел. У статті розв’язуються завдання: експериментальне порівняння розроблених адаптивних методів попереднього оброблення з традиційними підходами; оцінювання ефективності сегментації за допомогою метрик, таких як коефіцієнт Дайса (Dice Score), коефіцієнт Жаккара (IoU Score), влучність (Precision) та чутливість / повнота (Recall); аналіз впливу попереднього оброблення на якість сегментації. Впроваджено такі методи: математичне моделювання, тренування нейронної мережі на основі моделі U-Net із попередньо натренованим енкодером timm-resnest101e, масштабування зображень до 512×512 пікселів, навчання з фіксованим learning rate 0.001. Досягнуті результати. Під час експериментального порівняння розроблених адаптивних методів попереднього оброблення з традиційними підходами встановлено, що комбіноване використання адаптивного білатерального фільтра та модифікованого CLAHE забезпечило найвищі показники якості сегментації. Зокрема, за метриками коефіцієнт Дайса (Dice Score) 0.9603 та коефіцієнт Жаккара (IoU Score) 0.94501 ці методи перевершили традиційні, що свідчить про їх ефективність у збереженні контурів об’єктів та зниженні шуму. Висновки. Застосування розроблених адаптивних методів попереднього оброблення суттєво покращує точність сегментації медичних зображень. Комбінований підхід, що передбачає адаптивний білатеральний фільтр і модифікований CLAHE, є найбільш ефективним для завдань медичної візуалізації, що підвищує точність діагностики та надійність автоматизованих систем підтримки прийняття рішень. https://www.itssi-journal.com/index.php/ittsi/article/view/504штучний інтелект; глибоке навчання; сегментація зображень; медичні зображення; попереднє оброблення; CLAHE; білатеральний фільтр |
| spellingShingle | Олег Коменчук Адаптивні методи попереднього оброблення для підвищення точності сегментації стоматологічних рентгенівських знімків Сучасний стан наукових досліджень та технологій в промисловості штучний інтелект; глибоке навчання; сегментація зображень; медичні зображення; попереднє оброблення; CLAHE; білатеральний фільтр |
| title | Адаптивні методи попереднього оброблення для підвищення точності сегментації стоматологічних рентгенівських знімків |
| title_full | Адаптивні методи попереднього оброблення для підвищення точності сегментації стоматологічних рентгенівських знімків |
| title_fullStr | Адаптивні методи попереднього оброблення для підвищення точності сегментації стоматологічних рентгенівських знімків |
| title_full_unstemmed | Адаптивні методи попереднього оброблення для підвищення точності сегментації стоматологічних рентгенівських знімків |
| title_short | Адаптивні методи попереднього оброблення для підвищення точності сегментації стоматологічних рентгенівських знімків |
| title_sort | адаптивні методи попереднього оброблення для підвищення точності сегментації стоматологічних рентгенівських знімків |
| topic | штучний інтелект; глибоке навчання; сегментація зображень; медичні зображення; попереднє оброблення; CLAHE; білатеральний фільтр |
| url | https://www.itssi-journal.com/index.php/ittsi/article/view/504 |
| work_keys_str_mv | AT olegkomenčuk adaptivnímetodipoperednʹogoobroblennâdlâpídviŝennâtočnostísegmentacíístomatologíčnihrentgenívsʹkihznímkív |