Исследование методов компрессии изображений для медицинской диагностики тема диссертации и автореферата по ВАК РФ 05.12.04, кандидат технических наук Аль-Хомза Наги Мусаид Абдулла

• Аль-Хомза Наги Мусаид Абдулла
• кандидат технических наук
• 2005

Оглавление диссертации кандидат технических наук Аль-Хомза Наги Мусаид Абдулла

СПИСОК ИСПОЛЬЗУЕМЫХ СОКРАЩЕНИЙ.

ВВЕДЕНИЕ.

ГЛАВА 1. ИНФОРМАЦИОННЫЕ СИСТЕМЫ В ЗДРАВООХРАНЕНИИ.

1.1.1. Необходимость создания компьютерных систем обработки и передачи графической диагностической информации.

1.2. Информационные системы в медицинских с следованиях.

1.3. Структуры хранения данных.

1.4. Госпитальные информационные системы.

1.4.1. Система интеграции клинических данных.

1.5. Стандарты формирования и передачи медицинской информации.

1.5.1. Систематизированная номенклатура медицинских терминов

SNOMED.

1.5.2. Стандарт «Уровень 7» (Health Level Seven).

1.5.3. Стандарт электронного обмена медицинскими изображениями DICOM-3.

1.5.4. Система архивирования и передачи изображений PACS.

1.5.5. Практическое применение стандарта DICOM в России.

Выводы по первой главе.

ГЛАВА 2. МЕТОДЫ ПОЛУЧЕНИЯ, ХАРАКТЕРИСТИКИ ОБРАБОТКА

МЕДИЦИНСКИХ ИЗОБРАЖЕНИЙ.

2.1. Методы получения медицинских изображений.

2.1.1. Рентгеновская диагностика.

2.1.2. Современные маммографы, их технические характеристики.

2.1.3. Преобразователи рентгеновского изображения.

2.2. Ультразвуковые методы визуализации.

• 2.3. Эндоскопические методы диагностики.

2.4. Получение изображений с помощью радиоизотопов и томографии.

2.5.Анализ алгоритмов повышения визуального качества медицинских изображений.

Выводы по второй главе.

Глава 3. МЕТОДЫ СЖАТИЯ И КОМПРЕССИЯ ИЗОБРАЖЕНИЙ.

3.1. Обзор существующих методов сжатия и компрессии данных.

3.1.1 Алгоритм RLE.

3.1.2 Алгоритм Лемпела—Зива—Велча.

3.1.3. Алгоритм Хаффмана.

3.1.4. Алгоритмы JPEG и JPEG-2000.

3.1.5.Фрактальный алгоритм.

3.1.6. Рекурсивный (волновой) алгоритм.

3.2. Показатели эффективности алгоритмов сжатия изображений.

3.2.1. Показатели точности.

3.3. Критерии оценки отличия исходного и сжатого медицинских изображений.

3.4. Статистика влияния параметров сжатия на отличие исходного и сжатого медицинских изображений различных классов.

3.5. Послойный метод сжатия.

Выводы по третьей главе.

Глава 4. ОБРАБОТКА МЕДИЦИНСКИХ ИЗОБРАЖЕНИЙ.

4.1. Исследование алгоритмов повышения визуального качества изображений.

4.1.1.Изменение яркости и контрастности.

4.1.2.Шумоподавлени е.

4.1.3. Подчеркивание границ.

4.2. Разработка алгоритма сегментации изображений как метода компрессии.

4.3. Этапы сегментирования. Анализ задачи.

4.4. Разработка алгоритма кластеризации.

Выводы по четвертой главе.

Введение диссертации (часть автореферата) на тему «Исследование методов компрессии изображений для медицинской диагностики»

Актуальность проблемы. Эффективность диагностики многих заболеваний зависит от возможности визуализации исследуемых органов, обработки, анализа и хранения полученных изображений. В то же время современные технические возможности рентгеновских диагностических комплексов, УЗИ и эндоскопического оборудования не позволяют врачам клинических отделений непосредственно присутствовать при исследованиях и самим оценивать получаемую визуальную диагностическую информацию.

Современным решением этой проблемы является электронный обмен медицинскими изображениями, который обеспечивает дистанционный доступ нескольких специалистов к одному и тому же изображению, а также передачу изображений из одного лечебного учреждения в другие для проведения консультаций (может выполняться за минуты, тогда как обычная пересылка снимков занимает несколько дней). Наличие изображений в электронной форме позволяет выполнять сложную компьютерную обработку, значительно улучшающую возможность постановки диагноза и принятия решений о тактике лечения пациента.

В целом электронная передача медицинских изображений способна существенно ускорить процесс диагностики заболеваний и лечения пациентов, снизить долю повторных исследований, экономить дорогостоящую рентгеновскую пленку и реактивы для фотолабораторного процесса.

Практика оснащения отечественных учреждений здравоохранения диагностическим оборудованием показывает, что оно приобретается постепенно, у разных производителей, которые предлагают несовместимые аппаратные и программные средства. Это существенно затрудняет задачу интеграции устройств медицинской визуализации в единой сети лечебного учреждения.

Для того чтобы сделать такие системы более открытыми, крупнейшие разработчики (General Electric, Toshiba, Philips, Siemens PICKER, HP) включают в них возможность передачи изображений во внешние информационные системы и сети по стандарту DICOM-3.0 (Digital Imaging and Communication in Medicine). Однако эта возможность предоставляется опционально, дополнительные DICOM- аппаратно-программные модули не локализованы, весьма дороги и малодоступны.

Формат файлов DICOM 3.0 отличается от стандартных форматов изображений типа BMP, TIFF, JPG, GIF и т.д. передачей дополнительной информации об истинных размерах, позиционировании, плотностях и других параметрах исследуемого объекта. При этом ее структура и объем существенно зависят от вида проведенного обследования.

Следует отметить, что при анализе медицинских изображений небольшого числа пациентов эта дополнительная информация, как правило, не бывает сразу же необходима врачам-диагностам. Она может быть получена на основе практики проведения исследований, надписей, сделанных на самом изображении, сопровождающих текстов заключений и более существенна для последующей автоматизированной обработки результатов.

Решить перечисленные проблемы позволяет использование альтернативных цифровых технологий и создание автоматизированных систем ввода, архивирования, анализа и обработки цифровых изображений на базе имеющегося диагностического оборудования с применением персональных компьютеров на платформе Intel под управлением ОС семейства Windows.

Таким образом в настоящее время актуальна задача исследования эффективности и разработки методов компрессии медицинских изображений.

Цель работы и задачи исследования. Целью работы является разработка рекомендаций по использованию различных методов компрессии для конкретных задач медицинской диагностики.

Для достижения поставленной цели необходимо решить следующие задачи:

1. Изучить специфику формирования и оцифровки медицинских изображений.

2. Разработать критериальную базу для сравнения методов компрессии.

3. Провести исследование и сравнительный анализ существующих методов компрессии.

4. На основе известных методов компрессии разработать новый алгоритм сжатия медицинских изображений.

5. Исследовать возможность сжатия медицинских изображений с целью ускорения и повышения точности обработки при проведении медицинской диагностики.

Методы исследования .Для решения перечисленных выше задач были использованы методы компрессии изображений, математической статистики, теории матриц, теории вероятностей, математического моделирования.

Научная новизна работы заключается в следующем:

1. Разработаны критерии оценки качества сжатых изображений медицинской диагностики.

2. Предложен и исследован новый алгоритм сжатия черно-белых медицинских изображений.

3. Предложена процедура обработки сигнала с сегментацией для ускорения процесса оконтуривания медицинских изображений.

Практическая значимость работы заключается в следующем:

1. Разработаны рекомендации по использованию различных методов компрессии для конкретных типов медицинских изображений.

2. Определены параметры качества типовых методов сжатия для разных типов медицинских изображений.

3. В медицинских организациях России и Йемена применен метод сжатия черно-белых медицинских изображений имеющий выигрыш по показателям качества в 1.15 раза по сравнению с лучшими из современных методов компрессии.

4. Предложена реализация и разработана программа алгоритма сегментации изображений на базе преобразования Хо.

На защиту выносятся следующие основные результаты и научные положения:

1. Результаты сравнительного анализа и экспериментальных исследований существующих методов компрессии. Изображений.

2. Критерии оценки эффективности методов компрессии.

3. Алгоритм сжатия черно-белых изображений на основе послойной обработки с последующей интерполяцией данных.

4. Метод сегментации изображений с использованием преобразования Хо.

Апробация работы. Основные положения диссертационной работы докладывались на VI международной научно-технической конференции « Физика и радиоэлектроника в медицине и экологии (ФРЭМЭ'2004)», (Апрель 2004г., г.Владимир, 3 доклада); на первой всероссийской научно-технической конференции " Мехатроника, автоматизация, управление*' (июнь 2004г.,г. Владимир); на VI международной научно-технической конференции, ПТСПИ-2005. г.Владимир.

Публикации. По теме диссертации опубликовано 8 печатных работ, в том числе 3 в центральных изданиях.

Структура и объем работы. Диссертационная работа состоит из введения, четырех глав, заключения, списка литературы и приложений. Общий объем работы (169 ) страниц, (53 ) рисунков и (18 ) таблиц.

Заключение диссертации по теме «Радиотехника, в том числе системы и устройства телевидения», Аль-Хомза Наги Мусаид Абдулла

ВЫВОДЫ

1.Проведен анализ направлений обработки медицинских изображений, рассмотрены типовые задачи и некоторые из путей их решения 2 Показано, что для сегментации необходимо применять сжатие изображения под которым следует понимать не уменьшение изображения по объему занимаемой памяти , а уменьшение количества структурных элементов, позволяющего сократить объем вычислений при последующей обработке.

3. Для уменьшения количества структурных элементов в изображении предложено изменить структурный элемент пикселя на отрезок прямой, для чего предлагается применить преобразование Хо.

4. Показано, что алгоритм преобразования пикселей в отрезки позволяет уменьшить количество структурных элементов в изображении на 20 и более процентов.

5. Экспериментально доказано, что предложенный метод кластеризации элементов изображения обладает высокой устойчивостью к действию аддитивного шума.

152

ЗАКЛЮЧЕНИЕ

Сформулированы основные результаты работы, которые сводятся к следующим:

1 .Разработана критериальная база для количественной оценки методов компрессии.

2.На основе анализа специфики формирования и оцифровки медицинских изображений определены параметры качества сжатия рентгенограмм, результатов ультразвуковых исследований, эндоскопии.

3.Проведено экспериментальное исследование эффективности различных методов компрессии для различных параметров, включая коэффициент сжатия.

4. С учетом анализа известных методов компрессии разработан новый послойный метод сжатия, позволяющий на 10% повысить точность воспроизведения черно-белых после декомпрессии.

5. Показано, что для различных типов медицинских изображений (рентгеноскопия, УЗИ, эндоскопия) может быть оптимизирован выбор конкретного метода компрессии.

6. В результате проведения экспериментальных исследований большого объема медицинских изображений создан комплекс рекомендаций по использованию методов компрессии, включая новый метод, предложенный в данной работе.

7. Предложен новый алгоритм обработки сигналов с помощью преобразования Хо, позволяющий ускорить процедуру оконтуривания изображений, облегчающую задачу медицинской диагностики.

153

Список литературы диссертационного исследования кандидат технических наук Аль-Хомза Наги Мусаид Абдулла, 2005 год

1. Астраханцев Ф.А., Кондратьев В.В., Рассохин Б.Н., . Чикирдин Э.Г. Автоматизированное рабочее место врача-рентгенолога // Вестник рентгенологии. 1993.- №1.- С. 54-56.

2. Абду И. Э., Прэтт У. К. — ТИИЭР, 1979, т. 67, № 5, с. 59—70.

3. Антонова Н. А. Методы сжатия данных в вычислительных системах. — СПб.: БХВ, 1994.-326 с.

4. Бакут П. А., Колмогоров Г. С, Ворновицкии И. Э. — Зарубежная радиоэлектроника, 1987, № 10, с. 6.

5. Беликова. Т.П. PACS: системы архивирования и передачи медицинских изображений // Компьютерные технологии в медицине. -1997. -№3.-С. 27-32.

6. Блинов Н.Н., Власов П.П., Гуревич A.M. и др. Технические средства рентгенодиагностики и др. М.: Медицина, 1981,- 376 с.

7. Блинов Н.Н. Микропроцессорная техника и ЭВМ в медицинской интроскопии М.: Знание, 1986.- 64 с.

8. Блинов Н., Жуков Е.М., Козловский Э.Б., Мазуров. А.И. Телевизионные методы обработки рентгеновских и гамма-изображений. М.: Энергоатоиздат, 1982. — 200 с.

9. Боде Г., Шеннон К. Упрощенное изложение линейной минимально-квадратичной теории сглаживания и предсказания//Теория информации и ее применение. М.: Физматиз, 1959. - С.113-137.

10. Бьемон Ж., Лагендейк Р.Л., Марсеро Р.М. Итерационные методы улучшения изображений // ТИИЭР. 1990. - Т.78, № 5. - С. 58-84.

11. Бертеро М., Поджо Т.А., Торре В. Некорректные задачи в предварительной обработке визуальной информации // ТИИЭР. 1988. -Т.76, № 8. - С. 17-40.

12. Бейтс Р., Мак-Донелл М. Восстановление и реконструкция изображений.-М.: Мир, 1989. 333 с.

13. Блэк Ю. Сети ЭВМ: Протоколы, стандарты, интерфейсы: Пер. с англ. —М.: Мир, 1990.-346 с.

14. Варшавский Ю.В., Мамонтов А.С., Верещагин В.Г. Возможности рентгенологической и эндоскопической диагностики рака пищевода при Т1// Советская медицина. -1986. №6. - С. 94-96.

15. Веснин А.Г. Пути улучшения лучевой диагностики опухолей // Новые организационные формы противораковой борьбы. Тез. докл. межгос. симп. -Санкт-Петербург, 1994.- С. 41-42.

16. Власов В.В. Эффективность диагностических исследований: Математическое обеспечение М.: Наука, 1988.- 87 с.

17. Волков А.А., Зирин А.Г., Садыков С.С. Новые возможности эндоскопии с применением компьютерной визуализации диагностических изображений // Системы, методы обработки и анализа данных. -Ташкент: НПО Кибернетика АН РУз, 1997.- С. 36-43.

18. Власенко В.А., Лаппа Ю.М., Ярославский Л.П. Методы синтеза быстрых алгоритмов свертки и спектрального анализа. М.: Наука, 1990. - 180 с.

19. Виткус Р.Ю., Ярославский Л.П. Адаптивные линейные фильтры для обработки изображений // Адаптивные методы обработки изображений / Под ред. В.И.Сифорова и Л.ПЛрославского.- М.: Наука, 1988. С.6-35

20. Ватолин Д., Ратушняк А., Смирнов М., Юкин В. Методы сжатия данных. Устройство архиваторов, сжатие изображений и видео. — М.: ДИАЛОГ-МИФИ, 2002.

21. Галлингер Ю.И., Клявин Ю.А. Сравнительная оценка рентгенологического и гастроскопического исследований при доброкачественной и злокачественной язве желудка // Актуальные вопросы хирургии.: Тез. докл. симп. Тарту, 1974.- С. 40-46.

22. Герасименко В.М., Семенович В.М., Тихонова Н.А., Золотарев А.Е. Автоматизированная система обработки медицинской информации // Вопросы онкологии.-1985.- Т. XXXI, № 9.- С. 85-87.

23. Гришин М.П., Курбанов Ш.М., Маркелов В.П. Автоматический вывод и ообработка фотографических изображений на ЭВМ -М.: Энергия, 1976.152 с.

24. Двойрин В.В., Старинский В.В., Трапезников Н.Н. Информационное обеспечение планирования и оценки Российской Противораковой Программы -М.: ОНЦ РАМН, 1992.- 154 с.

25. Двойрин В.В., Аксель Е.М., Герасименко В.Н. Сравнительный анализ состояния онкологической помощи населению России и некоторых других стран СНГ (по данным статистических отчетов) -М.: ОНЦ РАМН, 1992.294 с.

26. Денисов J1.E., Ушакова Т.И., Володин В.Д. Возможности обработки материалов канцер-регистра на персональном компьютере (на примере рака желудка). -М: Медицина, 1995.- 96 с.

27. Денисов JI.E., Виноградова Н.Н., Ушакова Т.И. Автоматизированная система данных (канцер-регистр) по онкологии на базе персональной ЭВМ // Актуальные вопросы онкологии. Масъалахои мухими саратоншиноси. -Душанбе, 1992.- С. 146-148.

28. Денисов Д. А., Низовкин В. А. — Зарубежная радиоэлектроника, 1985, № 10, с. 5—30.

29. Ватолин. Д.С. MPEG стандарт ISO на видео в системах мультимедиа // Открытые системы, № 2, 1995. - С. 12-24.

30. Емелин И.В. Стандарт электронного обмена медицинскими изображениями DICOM. "Компьютерные технологии в медицине", N3, 1996. С.56-59.

31. Зирин А.Г., Бабкин А.Е., Семенов С.И. Компьютерная диагностическая система в практике онкологического диспансера // Российский онкологический журнал. 1996.- №3.- С. 47-49.

32. Зирин А.Г., Бабкин А.Е. , Семенов С.И. и др. Автоматизированное рабочее место врача-рентгенолога // Математика. Компьютер. Образование.: Тез. докл. IV Междунар. конф. -Пущино, 1997.- С. 171.

33. Зирин А.Г., Бабкин А.Е. , Семенов С.И. и др. Автоматизированное рабочее место врача-эндоскописта // Математика. Компьютер. Образование.: Тез. докл. IV Междунар. конф. -Пущино, 1997. С. 172-173.

34. Ютименков A. JI., Патютко Ю.И., Губина Г.И. Опухоли желудка -М.: Медицина, 1988.- С. 78-79.

35. Коновалов В.К., Кагаловский Г.М., Сметанин А.Г. и др. Опыт использования устройства цифровой записи рентгенотелевизионных изображений БРИЗ-2 в бронхопульмонологии // Вестник рентгенологии и радиологии.-1995.- № 2.- С. 52-59.

36. Королюк И.П., Володин В.М. Медицинское изображение: эффективный выбор в клинической практике // Вестник рентгенологии. -1990.-№5.- С. 13.

37. Королюк И.П. Компьютерная система по оптимальному выбору методов лучевой диагностики // Вестник рентгенологии. -1992.- №1.- С.14.15.

38. Кадач А.В. Свойства кодов Хаффмана и эффективные методы декодирования префиксных кодов. — Новосибирск: Изд-во РАН, 1997. — 348 с.

39. Кучеренко К. И., Очин Е. Ф. — Зарубежная радиоэлектроника, 1986, № 6, с.50—61.

40. Максимов И.А., Савинкин Ю.Н., Лебедев А.В. Гастроскопия в морфологической верификации рака желудка // Советская медицина. -1988.-№11.-С. 78-81.

41. Мерабишвили В.М., Океанов А.Е. Развитие в СССР автоматизированных информационных систем онкологической службы // Автоматизированные информационные системы в онкологии.: Тез. докл. Всесоюзн. симп. -Бишкек, 1991.- С. 12-15.

42. Мюррей Д., Ван Райпер У. Энциклопедия форматов графических файлов: пер. с англ. Киев: Издательская группа BHV, 1997. - 672 с.

43. Мастрюков Д. Сжатие по Хаффмену// "Монитор", NN 7-8, 1993.

44. Нечипай A.M. Роль эндоскопических исследований в диагностике предопухолевых патологий желудка и формирование групп риска: Дисс. .канд. мед. наук. -М., 1987.- 182 с.

45. Никитин О.Р., Агеев А.В. Обработка изображений для последующей сегментации. Проектирование и технология электронных средств №4, 2003. с. 55-59.

46. Павлов К.А., Назаренко В.П. Возможности оптимизации методов исследований при профилактических осмотрах // Вопросы онкологии -1984.-№5.-С. 8-12.

47. Павлов К.А. Возможности эндоскопии для ранней диагностики и выявления злокачественных опухолей // Ранняя диагностика злокачественных новообразований: Тез. докл. Всесоюзн. конф. -Ленинград, 1983.- С. 59-63.

48. Прэтт У. Цифровая обработка изображений: Пер. с англ. / Под ред. Д. С. Лебедева.—М.: Мир, 1982.

49. Рентгенотехника. Клюева В.В. Справочник: В 2 кн -М.: Машиностроение, 1980. Кн. 1.-431 с.

50. Савельев B.C., Буянов В.М., Лукомский Г.И. Руководство по клинической эндоскопии. -М.: Медицина, 1985.- 543 с.

51. Семиглазов В.Ф. Ранняя диагностика опухолей молочной железы. -Л.: Медицина, 1989.- 183 с.

52. Середа С.Н. Система автоматизированной обработки, анализа и хранения маммографических снимков: Дисс. .канд. техн. наук. -Владимир, 2000.153 с.

53. Странадко Е.Ф., Александрова Л.А., Осмоловский М.М. Медицинские и экономические аспекты применения ЭВМ в онкологическом скрининге // Советская медицина. -1986.- № 8.- С. 67-70.

54. Суворова Г. П., Семенов С. И. Графическая база данных // Системы, методы обработки и анализа данных / Под ред. С.С. Садыкова Ташкент: НПО Кибернетика АН РУз, 1997.- С. 180-182.

55. Садыков С. С, Самандаров И. Р. — Зарубежная радиоэлектроника, 1985, № 11, с. 30—37.

56. Стокхэм мл. Обработка изображений в контексте модели зрения/ЛГИИЭР. -1972. -T.60,N 7.- С.93-108.

57. Стокхэм Т. мл., Кэннон Т.М., Ингебретсен Б.Б. Цифровое восстановление сигналов посредством неопределенной инверсной свертки // ТИИЭР. -1975. Т.63, N 4. - С. 160-177.

58. Смирнов,. Ресурсы PC: наиболее полное руководство.

59. Технические средства рентгенодиагностики: Переслегина И.А Сб. статей -М.: Медицина, 1981.- 376 с.

60. Технические средства медицинской интроскопии Леонова Б.И. . Сб. статей, -М.: Медицина, 1989.- 304 с.

61. Тихонов В.И. Автоматизированная система для обработки информации в НИИ онкологии // Автоматизированные информационные системы в онкологии.: Тез. докл. Всесоюз. симп. -Бишкек, 1991.- С. 19-21.

62. Теплинский В., Марк Стори. ТЕЛЕМЕДИЦИНА INTERNET, opyright © 1997, Январь 1997.

63. Теплинский В. ТЕЛЕМЕДИЦИНА АМСЗ, Copyright © 1997, Февраль, 1997.

64. Уэбб С. Физика визуализации изображений в медицине: Пер. с англ. -М.: Мир, 1991.- 552 с.

65. Франк Г.А., Белоус Т.А., Чиссов В.И. Морфологические особенности полипов желудка // Клиническая хирургия. -1986.- № 5. -С. 12-14.

66. Уэбба С. Физика визуализации изображений в медицине: в 2-х томах. Т. 2: Пер. С англ. /-М.: Мир, 1991.-408 е., ил.

67. Фукунага К. Введение в статистическую теорию распознавания образов, М.: Наука, 1979.

68. Цветкова Т.Л., Филинов В.Н. Комплексная автоматизация деятельности онкологической службы // Новые организационные формы противораковой борьбы.: Тез.докл. межгос. симп. -Челябинск, 1994.- С. 29.

69. Чиссов В.И., Сидоренко Ю.С., Старинский В.В. и др. Проблемы организации онкологической помощи на современном этапе / —С.-Пб.: Эскулап, 1995.- Т.41, № 2.- С. 11.

70. Чиссов В.И., Трахтенберг А.Х. Ошибки в клинической онкологии. -М.: Медицина, 1993. 176 с.

71. Ashdown L. PCX Graphics // С Users Journal, 1991, v.5, № 8. pp. 89-96.

72. Azer S. Working With PCX Files //Microcornucopia, 1988, №.42.- pp.42-52.

73. Andrews H. C.Monochrome digital image enhancement. Applied Optics, 1976.- Vol.l5,N 2.-P. 495-503.

74. Berzins V. — Computer Vision, Graphics and Image Processing, 1984, v. 27, №2, p. 195—210.

75. Boppana R. B, Rosenfeld A. — Rat-tern Recognition Letters, 1982, v. 1, № 1, p. 25—29.

76. Buhmann J, Learning and Data Clustering, pp. 1-13.

77. Buhmann J. Stochastic Algorithms for Eploratory Data Analysis: Data Clustering and Data Visualization.

78. Buhmann J, Kuhnel H. Vector Quantization with Complexity Costs. IEEE Transactions on Information Theory 1993, pp. 1133-1145.

79. Correa P. Cronic gastritis as a cancer precursos // Scand. J. Gastroenterol. -1984.-Vol. 19.-P. 131 136.

80. Charlap D. The BMP File Format: Part I // Dr. Dobb's Journal, v.20, №228, 1995.-pp. 201-212.

81. Davies L. S. — Computer Graphics and Image Processing, 1975, v. 4, № 3, pp. 248—270.89. de Albuquerque Araujo A. — Electronics Letters, 1985, v. 21, № 25—26, pp. 1219—1221.

82. Davies E. R. — In: Proc. of 7th Intern. Conf. on Pattern Recognition, 1984, p. 49—51.

83. Data Compression. White paper // Gandalf Technologies Inc., February 1995. -10 p.

84. Fu K. S., Mui J. K. —Pattern Recognition, 1981, v. 13, № 1, pp. 3—16.

85. Foglein J. — Pattern Recognition Letters, 1983, v. 1, № 5—6, p. 429—434.

86. Fischer В., Buhmann J. Data Resampling for Path Based Clustering.

87. Fraunhofer Institut fuer Integrierte Schaltungen: Jahresbericht 2002.

88. Fraunhofer Institut fuer Integrierte Schaltungen: Jahresbericht 2000.

89. Facsimil Coding Shemes and Coding Control Functions for Grup4 Facsimil Apparatuse Recommendation. The international Telegraph and Telephone Consutative Committetee (CCITT), Geneva, Switzerland, 1985.

90. Gliman M.J. Pelvic endoscopy // Progr. Gynecol. -1989.- № 6. -P. 81-109.

91. Gotoh Т., Torin Т., Yamamoto E. — In: Proc. of 7th Intern. Conference on Pattern Recognition, 1984, pp. 1098— 1100.

92. Gottlieb D., Shu C.-W., Solomonoff A., Vandeven H. On the Gibbs phenomenon I: Recovering exponential accuracy from the Fourier partial sum of a nonperiodic analytic function, J. Comput. Appl. Math., v. 43, 1992, pp. 81-92.

93. Hakulinen Т., Наката М. The effect of screening on the incidence and montarlity of cervical cancer in Finland // Nowotwory. -1985. -Vol. 35. P. 285-289.

94. Hardcastle J.D., Chir M., Pye G. Screening for colorectal cancer. A critical review // WLD J. Surg. -1989.- Vol. 13, № 1. P. 38-44.

95. Holbert E. Gastric carcinoma in patients younger than age 36 years // Cancer. -1987.- Vol. 60.- № 6. P. 1395-1399.

96. Hofmann Т., Puzicha J., Buhmann J. Unsupervised segmentation of textured images by pairwise data clustering. Proc. of IEEE Int. Conference on Image Processing, Lausanne, 1996. Vol. 3, pp. 137-140.

97. Haralick R. M. — In: Proc. SPIE, 1982, v. 336, pp. 91—99.

98. Hashimoto M, Sklansky J. — In: Proc. Intern. Conf. on Computer Vision and Pattern Recognition, 1983, pp. 318— 325.

99. HaralickR. M. —IEEE Trans, 1984, v. PAMl-6,№ l, p. 58—68.

100. Hartley R. — Computer Vision, Graphics and Image Processing, 1985, v. 30, № l,p. 70—83.

101. Hofmann T, Buhmann J. Multidimensional Scaling and Data Clustering.

102. Hofinann T, Buhmann J. Active Data Clustering. NIPS, 1997.

103. Heyden A., Sparr G., Nielsen M, Johansen P. Computer vision ECC 2002, vol. 3, pp. 577-591.112. http: // interinOl .botik.ru: 88/ ru/ docs/ MEDINFO/ HL7.HTM113. http://www.hl7.org

104. HL7 standard description http: //www.mcis.duke.edu/ standarts/ HL7/hl7.htm

105. Hall Ch.F., Hall E.L. A nonlinear model for the spatial characte-ristics of the human visual systems. IEEE Trans. Syst. Man and Cybern. - 1977. - V.SMC-7, -P. 161-170.

106. Hamilton E. JPEG File Interchange Format. Version 1.2. San Jose: C-Cube Microsystems Inc., 1992. - 346 p.

107. ISO/IEC FCD15444-2. jpeg 2000 image coding system: extensions Jpeg 2000 part ii final committee draft,7 december 2000.

108. Jasper A., Grundmann E. Die Hantigkeit von Magenkarzinomen nach schweren Displasen- eine retrospektive Studie // Vern. Dtsch. Ges. Pathol. -1984.-Bd. 68. -S. 365.

109. Jeffs B.D., Gunsay M. Restoration of blurred star field images by maximally sparse optimization // IEEE Transaction on image processing. -1993. Vol. 2, № 2. - P. 202-211.

110. Jensen O.M., Storm H.H. Cancer registration: principles and methods. Reporting of results // IARC-Sci-Publ. -1991. № 95.- P. 108-125.

111. Kumazaki Т., Ringertz H. Дигитальная радиология // Общее руководство по радиологии: Пер. с англ. / Под ред. Н Petterson. -М.: РА "Спас", 1996.- С. 101-115.

112. Kundu A., Zhou J. Combination median filter // IEEE Transaction on image processing. -1992.-Vol. 1, № 3. P. 422-428.

113. Kittler J., Illingworth J., Paler K. — Pattern Recognition, 1983, v. 16, № 6, p. 607 —613.

114. Kittler J. — Image and Vision Computing, 1983, v. 1, № 1, p. 37—42.

115. Levialdi S. — In: Digital Image Processing Ed. by J. C. Simon, R. M. Haralick. — D. Reidel Publishing Company, 1981, pp. 105—148.

116. Lee J. S. —Computer Vision, Graphics and Image Processing, 1983, v. 24, № 2, pp. 255—269.

117. Lunscher W. H. H. J. — IEEE Trans, 1983, v. PAMI-5, № 6, pp. 678—680.

118. Lunscher W. H. H. J, Beddoes M. P.— IEEE Trans, 1986, v. PAMI-8, №2, pp. 164—188.

119. Lunscher W. H. H. J, Beddoes M. P.—, IEEE Trans, 1986, v. SMC-16, № 2 pp. 304—312.

120. Lynch T.D. Data Compression Technigues and Applications. — Belmont: Lifetime Learning Publications, 1985. — 478 p.

121. Luse M.D. BMP File Format // Dr. Dobb's Journal, v.9, № 219, 1994. -pp. 18-22.

122. Marr D., Hildreth E.-In: Proc. Royal Soc. London, 1980, B-207, pp.187—217.

123. Marcellin M.W., Gormish M.J., Bilgin A., Boliek M.P. An Overview of JPEG-2000. Proc. of IEEE Data Compression Conference, pp. 523-541, 2000.

124. Montgomery B. LZW Compression Used to Encod/Decod a GIF File. — New York: Manuscript Inc., 1988. 240 p.

125. Modestino J. W, Fries R. W. —Computer Graphics and Image Processing, 1977, v. 6, №5, pp. 409—433.

126. Morgenthaler D. G. — Computer Graphics and Image Processing, 1981,

127. Nathan T. An atlas of normal and abnormal mammograms -Oxford: Oxford Univ. Press, 1982. 118 p.

128. Nelson, Mark R., The Data Compression Book, M&T Book, Redwood City, 1991.

129. Pavlldls T. Algorithms for Graphics and Image Processing. —N. Y.: Springer, 1982.

130. Peli Т., Malah D.-Computer Graphics and Image Processing, 1982, v. 20, № 1,

131. Puzicha J, Held M, Ketterer J, Buhmann J, Fellner D. On Spatial Quantization of Color Images. Technical Report LAI-TR-98-1, University of Bonn, 1998.

132. Puzicha J, Hofmann Т., Buhmann J. Histogram Clustering for Unsupervised Image Segmentation.

133. Puzicha J, Hofmann T, Buhmann J. Histogram Clustering for Unsupervised Image Segmentation and Image Retrieval. 1999.

134. Pratt W.K. Generalized Wiener Filter Computation Techniques. IEEE Trans. Computers. 1972. - V.C-21, N 7. - P. 636-641.

135. Pratt W.K. Digital Image Processing.- New York: J. Wiley, 1978. 750 p.

136. Rzempoluch J., Beercharz A., Wolf A. Laparoscopy in clinical practice // Gynecol. Pol. -1993. № 64. - P. 179-85.

137. Rosenfeld А., Как S. — Digital Picture Processing. — N. Y.: Academic Press, 1982.

138. Robinson G. S. — Computer Graphics and Image Processing, 1977, v. 6, № 5, pp. 492—501.

139. Rosenfeld A.—IEEE Trans, 1981, v. PAMI-3, № l,p. 101—103.

140. Roth V, Lange T, Braun M, Buhmann J. A Resampling Approach to Cluster Validation.

141. Shiftman S., Shortliffe E.H. Biomedical imaging the evolution of medical informatics // Computing medical imaging and graphics. -1996. Vol. 20, № 4. -P. 189-192.

142. Storer J.A., Szymanski T.G. Data Compression via Textual Substitution // Journal ACM, v. 29, №4, 1982. pp. 928-951.

143. Torre V, Poggio T. — IEEE Trans, 1986, v. PAMI-8, •№ 2, p. 147—163.

144. Tabatabai A. J. Mitehell 0. R. — IEEE Trans, 1984, v. PAMI-6, № 2, p. 188— 201.

145. TIFF Revision 6.0, Final - Aldus Corporation Developer's Desk, 1992 - 368 p

146. TIFF Developer's Manual Greeley: Hewlett-Packard Company, 1988- 246 p.

147. Wojcik Z. M. — Pattern Recognition, 1985, v. 18, № 5, pp. 299—326.

148. Will S., Hermes S., Buhmann J., Puzicha J. On learning texture edge detectors. Proc. ICIP, 2000, pp. 877-880.

149. Wang D. C., Vangnucci A. H., Li С. C. — Computer Graphics and Image Processing, 1981, v. 15, №2, pp. 167—181.

150. Williams R. Adaptive Data Compression, Kluwer Boston, MAr 1990,pp.30-44.

151. Welch Т. A. Technique for High-Performance Data Compression // Computer, v. 17, №6, 1984. pp. 368-376.

152. Wallace G.K. "The JPEG still picture compression standard" // Communication of ACM. Volume 34. Number 4 April 1991.

153. Zvika M., Dagan I., Buhmann J., Shamir E. Coupled Clustering: A Method for Detecting Structural Correspedence. Journal of Machine Learning Research 3 (2002), pp. 747-780.

154. J.Ziv and A.Lempel. A universal algorithm for sequential data compression. IEEE Transactions on Information Theory. Vol. IT-23, N.3, May 1977.

155. Ziv J., Lempel A. Compression of individual Sequences via Variable-Rate Coding // IEEE Transsaction on Information Theory, v.24, №5, 1978. — pp. 978988.1. УТВЕРЖДАЮ1. ШШт*0?ВлГУ