![](/user_photo/2706_HbeT2.jpg)
- •1(Часть 1) Разделы дисциплины.
- •1.1Биометрия
- •1.2Этапы истории
- •2Предмет и основные понятия биометрии
- •2.1Группировка первичных данных
- •2.2Признаки и их свойства.
- •2.3Классификация признаков
- •2.4Причины варьирования результатов наблюдений
- •2.5Точность измерений и действия над приближенными числами
- •2.6Способы группировки первичных данных
- •2.7Статистические ряды.
- •2.8Графики вариационных рядов
- •2.9Особенности биообъекта и экспериментальных данных о его свойствах и состоянии. Основные источники медико-биологических данных.
- •3Общая характеристика биологических сигналов и медико-биологических данных
- •3.1Случайный сигнал и случайная величина
- •3.2Одномерные случайные сигналы. Функция распределения и плотность вероятности
- •3.3Усреднение. Моменты случайной величины
- •3.4Равномерное распределение случайной величины
- •3.5Гауссово (нормальное) распределение
- •3.6Статистические характеристики систем случайной величины (Многомерные сигналы)
- •3.7Функция распределения и плотность вероятности.
- •3.8Вычисление моментов
- •3.9Корреляция
- •3.10Статистическая независимость случайных величин.
- •3.11Многомерное Гауссово распределение.
- •3.12Случайные процессы.
- •3.12.1Предварительная обработка сигналов.
- •3.12.2Моментальные функции случайных процессов.
- •3.12.3Взаимная функция корреляции двух случайных процессов.
- •3.13Помехи и их математические модели.
- •3.13.1Виды аддитивных помех.
- •3.13.2Законы распределения помех.
- •3.13.3Отношение сигнала помехи на прмере гауссовских помех.
- •4Основные понятия теории обнаружения сигнала
- •4.1Проверка статистических гипотез.
- •4.2Критерий Неймана-Пирсона.
- •4.3Алгоритмы обнаружения.
- •5Фильтрация сигналов
- •5.1Временная фильтрация.
- •5.2Частотная фильтрация.
- •5.3Связь между фильтрацией и сверткой.
- •5.4Физически реализуемые линейные фильтры частоты.
- •5.5Идеальный фильтр.
- •5.6Реализуемые непрерывные аналоговые фильтры.
- •5.7Узкополосные фильтры.
- •5.8Оптимальная фильтрация.
- •6(Часть 2) Корреляционный анализ
- •6.1Функциональная зависимость и корреляция
- •6.2Параметрические показатели связи. Коэффициент корреляции
- •6.3Вычисление коэффициента корреляции при малых выборках
- •6.4Минимальный объем выборки для точной оценки коэффициента корреляции
- •6.5Вычисление коэффициента корреляции при больших выборках
- •6.6Оценка разности между коэффициентами корреляции
- •7Качественное описание задач распознавания
- •7.1Основные задачи построения системы распознавания
- •7.2Параметрические и непараметрические методы и критерии
- •7.3Параметрические критерии
- •7.4Непараметрические критерии
- •7.5Статистические методы классификации многомерных наблюдений
- •7.6Минимаксный критерий
- •8Вопросы планирования исследований
- •8.1Приближенные оценки основных статистических показателей
- •8.2Определение необходимого объема выборки
- •9Типы медицинских изображений. Способы их обработки
- •9.1Иднтификация пространственных объектов. Схема этапов распознавания
- •9.2Обработка точечных изображений
- •9.3Моделирование процесса идентификации точечных изображений на эвм
- •9.4Основные принципы цифровых операций над изображениями
- •9.5Операции над изображениями. Хранение и представление изображений.
- •9.6Цветные изображения
- •9.7Окружающие и примыкающие пиксели
- •9.8Основные требования к аппаратуре
- •9.9Устройства ввода изображений
- •9.9.1Видеокамеры
- •9.9.2Насадки
- •9.9.3Другие устройства ввода изображений
- •9.10Устройства вывода изображений на дисплей
- •9.11Процессоры
- •9.12Критерий полезности признаков при распознавании объектов
- •9.13Геометрическая модель биологических данных. Система геометрических признаков при распознавании объектов
- •9.14Простые методы обработки изображений
9.1Иднтификация пространственных объектов. Схема этапов распознавания
Под идентификацией пространственных объектов понимают (см. схему) три этапа:
* - запрос новой реализации объекта.
блоки: 1, 2, 3, 4, 5, 6, 7, 8, *.
1 – неизвестный объект.
2 – получение одиночных изображений.
3 – кодирование изображений (дискретизация, квантование и получение по ним кода).
4 – минимизация информации (уплотнение дифферинцирования по значимости, выявление основнх признаков).
5 – выделение контура изображения (плоское изображение).
6 – определение опорных элементов изображения (анализ изображения).
7 – преобразования контура изображения (нелинейные).
8 – идентификация объекта.
После блока 8 ЭВМ классифицирует объект (относит к какому-либо классу); если данный объект не подлежит классификации, то машиной выдается запрос на новую реализацию объекта (на повторное исследование исходного объекта под другим ракурсом). Этот этап пространственного изображения.Он позволяет минимизировать искажения изображения и определить основные параметры идентификации изображения.
Блоки: 1, 9, 10, 11, 12, 13, 14, 15.
С неизвестного объекта информация поступает на блок 2 для получения одиночного изображения. В блоке 9 происходит кодирование изображений, как в блоке 3. в блоке 10 происходит минимизация информации(блок 4). В блоке 11 происходит препарирование изображений, т.е. многосвязный контур изображения подразделяется на систему односвязных контуров. В блоке 12 производится нормализация контуров, т.е. удаление помех и сглаживание изображения. В блоке 13 – распознавание отдельных контуров. В блоке 14 – формирование целевых признаков (выделяется система односвязных контуров). В блоке 15 – распознавание объекта по набору признаков. Распознавание происходит по той же схеме, что и на этапе 1. этап 2 – это этап распознавания по одиночным снимкам..
распознавание по стереоскопическим снимкам. С помощью двух видеокамер получают стереопарные изображения неизвестного объекта (блок 16), затем в блоке 17 происходит кодирование изображений, где каждый снимок стереопары дискретизируется и кодируется. В блоке 18 информация минимизируется, а в блоке 19 происходит препарирование односвязных контуров. Идентификация соответствующих точек стереопары производится в блоке 20 – это позволяет составить пространственное описание видимой части неизвестного объекта (блок 21) и сформировать целевые признаки (блок 22), по которым и происходит распознавание объекта (блок 23), либо запрос на новую реализацию обекта.
9.2Обработка точечных изображений
Типичная задача точечных изображений – это их идентификация, занимающая в распознавании не различных изобразительных отметок, отвечающих одним и тем же по своей физической сущности объектам.
Об идентификации можно говорить лишь в том случае, когда идентифицируемые изображения перекрываются, т.е. в них заведомо содержатся одноименные отметки. Уровень перекрытия зависит от цели обработки, а также от вида алгоритма идентификации.
Пример задачи идентификации точечного изображения следующий:
Рассмотрим степень поглощения радиоактивного йода различными частями поврежденного органа. Изображение степени поглощения воспроизводится с помощью гамма-камеры и компьютерного сканирования. Автоматизация распознавания этой задачи возможна с помощью вычислительных средств. При этом на каждом сеансе идентификации наблюдения определяются машинные кадры, формируемые в памяти ЭВМ по средствам обращения к электронному каталогу патологических отклонений. ТВ кадр при этом регистрируется датчиком. Условие идентификации в этой постановке имеет свою специфику. В машинном кадре, в отличие от телевизионного, практически отсутствуют нелинейные и геометрические искажения, а также помехи и какие-либо другие отметки, кроме отметок о патологиях. Поэтому помимо идентификации необходима предварительная обработка телевизионных кадров с целью компенсации в них нелинейных и геометрических искажений и рациональная организация каталога патологических отклонений для формирования на его основе машинных кадров.