Chapter

Modern Trends in Biomedical Image Analysis System Design

In book: Biomedical Engineering, Trends in Electronics, Communications and Software
Source: InTech
Download full-text

Full-text

Available from: Grygoriy Mykolayovych Melnyk
  • Source
    • "The architecture of the developed system [5] is shown in Fig. 1. The basis of our intelligent-diagnosis system is the interpreter of scenarios [6]. "
    [Show abstract] [Hide abstract]
    ABSTRACT: We propose an intelligent system for processing histological and cytological images for diagnosing breast cancers. The main components of this system are based on a fuzzy-knowledge base and databases. The fuzzy-knowledge base contains rules for diagnosis, obtained from expert facts. The databases contain images and their quantitative characteristics. The software is implemented as ImageJ plugin
    Full-text · Conference Paper · Feb 2015
  • Source
    • "They differ in functional abilities, specializations, architecture, level of automation of the process analysis. Histological image analysis systems is divided [1] [2] [3] [4] [5] into three classes (see Table 1) based on their purpose, type of output information and the resulting automation level: 1. image editors which provide microobjects manual selection, count their numbers, numerical attributes measurement, results statistical processing; 2. HI automated processing systems (HIAPS) which provide microobject automatic selection (classification), counting their number, numeric attributes calculation, statistical processing of results; 3. image analysis expert systems (IAES) which provide inference of the diagnosis based on the microbject features. Note that the means for morphometric measurements and counting objects, usually present in all systems [4]. "

    Full-text · Conference Paper · Feb 2013
  • Source
    [Show abstract] [Hide abstract]
    ABSTRACT: Стаття присвячена вирішенню актуальної науково-технічної задачі автоматизації аналізу зображень ауто- та ксеногенних тканин шляхом розроблення інформаційної технології аналізу структурної текстури. Підкласом зображень ауто- та ксеногенних тканин є гістологічні зображення. Розроблено метод оцінки структурної атипії гістологічних зображень на основі теорії кристалографічних груп та дерева афінних перетворень, що дало можливість оцінити ступінь їх спотворення. Вдосконалено метод співставлення областей різної форми на основі знаходження відповідних точок за допомогою дискретних центральних моментів області. В результаті досліджень реалізовано інформаційну технологію аналізу структурних текстур зображень. Впровадження розробленої інформаційної технології дозволило підвищити рівень автоматизації опрацювання зображень на 10%. Інформаційну технологію впроваджено у ряді державних медичних установ України
    Full-text · Article · Jan 2014