Разработка и моделирование алгоритмов распознавания маркёров на изображениях фаций сыворотки крови тема диссертации и автореферата по ВАК РФ 05.13.18, кандидат технических наук Копылова, Анна Сергеевна

• Копылова, Анна Сергеевна
• кандидат технических наук
• 2012

Оглавление диссертации кандидат технических наук Копылова, Анна Сергеевна

Оглавление

Список сокращений, принятых в диссертации

Введение

Глава 1. Обработка изображений в медицине

1.1. Задачи медицины, решаемые с применением обработки изображений

1.2. Медицинская диагностика по изображениям фаций биологических жидкостей

1.2.1. Метод клиновидной дегидратации биологических жидкостей

1.2.2. Алгоритмы анализа изображений фаций сыворотки крови

1.3. Обзор методов обработки изображений и распознавания образов

1.3.1. Методы обработки изображений

1.3.2. Методы распознавания образов

1.4. Выбор метода для распознавания маркёров на изображениях ФСК

1.5. Выводы

Глава 2. Алгоритмы обнаружения и распознавания маркёров на изображениях фации сыворотки крови

2.1. Изображения фаций сыворотки крови

2.1.1. Общий вид изображений фаций

2.1.2. Морфологические типы фаций

2.2. Модель изображения фации

2.2.1. Форма фации

2.2.2. Текстура фона фации

2.2.3. Текстура окружения фации

2.2.4. Скелет фации

2.2.5. Модели маркёров

2.3. Разработка алгоритмов распознавания маркёров на изображениях фаций

2.3.1. Предварительная обработка изображений фаций

2

2.3.2. Определение морфологического типа

2.3.3. Обнаружение гребешковых структур

2.3.4. Обнаружение жгутовых трещин

2.3.5. Обнаружение морщин и токсических бляшек

2.3.6. Обнаружение листовидных структур

2.3.7. Обнаружение воронкообразных структур

2.3.8. Обнаружение трещин «серебра»

2.3.9. Обнаружение трещин «закруток»

2.3.10. Обнаружение трёхлучевых трещин

2.3.11. Оценка эффективности алгоритмов

2. 4. Выводы

Глава 3. Программная реализация алгоритмов распознавания маркёров

3.1. Структура комплекса программ

3.1.1. Описание и возможности программы обнаружения маркёров

сыворотки крови

3.2. Аппаратные требования для комплекса

3.3. Выводы

Заключение

Список использованных источников

Приложение. Акты внедрения результатов диссертационной работы

Введение диссертации (часть автореферата) на тему «Разработка и моделирование алгоритмов распознавания маркёров на изображениях фаций сыворотки крови»

ВВЕДЕНИЕ

Актуальность темы. В последнее время в силу ряда причин количество больных людей возрастает во всем мире и в России, в частности. Несмотря на значительные достижения в методике лечения, медицина часто оказывается не в силах помочь пациенту по причине запущенности его болезни. Поэтому огромное значение для здравоохранения имеет профилактика и ранняя диагностика, позволяющая обнаружить предрасположенность или самые начальные проявления заболеваний, когда лечебно-профилактические мероприятия наиболее эффективны. При этом необходимо проводить массовые, достаточно подробные обследования населения, что при нынешнем состоянии медицинской службы в России и других странах, к сожалению, выполняется не в достаточной мере. Поэтому во всём мире активно ведется поиск способов диагностики недорогих, быстрых и в то же время достаточно ёмких, то есть пригодных для массового обследования населения.

Перспективным с этой точки зрения является метод ранней диагностики, предложенный академиком РАМН В.Н. Шабалиным и профессором С.Н. Шатохиной. Этот метод основан на исследовании биологических жидкостей (БЖ) человека (сыворотки крови, желчи, лимфы и т.д.). Капля БЖ наносится на предметное стекло и медленно высушивается, остается тонкая сухая плёнка (фация). Особенности состояния организма сказываются на процессе кристаллизации веществ, содержащихся в жидкости, поэтому на изображении фации возникают характерные структуры (маркёры), которых замечено более двадцати видов (гребешки, листы, жгуты, языковые поля, клиновидные трещины и т.д.), и в процессе ведущихся исследований список маркёров постоянно расширяется. Авторами этого метода убедительно доказано, что по составу и расположению этих маркёров можно с большой уверенностью судить не только об уже имеющихся и проявившихся заболеваниях, но и о самой начальной их форме, когда никаких симптомов еще не наблюдается, и даже о предрасположенности к некоторым болезням.

Рассмотреть изображения фаций можно только в микроскоп. При массовых профилактических обследованиях населения требуется проанализировать большое количество изображений. Произвести качественный анализ изображений могут только квалифицированные специалисты-операторы, которых, к сожалению, имеется немного. Глаза оператора быстро утомляются, поэтому анализ становится недостаточно качественным, мелкие и слабо выраженные маркёры пропускаются, что ведёт к некачественной диагностике. Выходом из этой ситуации является алгоритмическая обработка изображений, введённых в компьютер. Отметим, что окончательный диагноз пациенту может поставить только врач. Поэтому желательно отсеять изображения, на которых явно нет патологических маркёров, а на оставшихся изображениях отметить найденные маркёры и дать по ним предварительные заключения о возможных заболеваниях. Это в

значительной мере сократит нагрузку на медицинский персонал, что будет способствовать повышению эффективности профилактического медицинского обследования населения.

Таким образом, разработка алгоритмов обнаружения и распознавания маркёров на изображениях фаций БЖ является актуальной задачей, решение которой будет способствовать повышению качества здравоохранения. В данной диссертации разрабатываются алгоритмы обнаружения и распознавания маркёров на изображениях фаций сыворотки крови (ФСК).

На медицинском факультете Ульяновского государственного университета под руководством профессора Л.И. Трубниковой работает коллектив исследователей, успешно развивающий диагностику с использованием различных БЖ. При неоценимой помощи этого коллектива была определена цель данной диссертации, предоставлено множество реальных изображений ФСК, обсуждались получаемые результаты, за что автор выражает глубокую признательность.

Цель и задачи работы. Целью диссертации является повышение эффективности медицинской диагностики по изображениям ФСК за счёт их компьютерной обработки. Для достижения поставленной цели решаются следующие задачи.

- разработка математической модели изображений ФСК, учитывающей особенности фактуры и разнообразие формы, размеров, расположения и количества маркёров,

- выявление информативных признаков маркёров, по совокупности которых возможна их идентификация,

- синтез эффективных алгоритмов обнаружения и распознавания маркёров на изображениях ФСК,

- составление комплекса программ, реализующего предложенные алгоритмы и осуществляющего медицинскую диагностику по изображениям ФСК.

Методы исследования. При решении поставленных задач применялись методы теории вероятностей, математической статистики, обработки изображений, вычислительной математики и математического моделирования с применением вычислительной техники.

Научная новизна положений, выносимых на защиту.

1. Впервые разработана модель изображений ФСК, учитывающая вид корреляционной функции и другие особенности реальных изображений и позволяющая имитировать изображения с учётом высокой вариативности маркёров.

2. Разработан алгоритм для нахождения границы, центра и характерных областей ФСК, что, в частности, позволяет определить морфологический тип фации.

3. Выявлены признаки, характеризующие структуру отдельных маркёров. Совокупность этих признаков позволяет идентифицировать наиболее распространённые маркёры.

4. Разработаны алгоритмы и численные процедуры обнаружения признаков маркёров, которые дают возможность при небольших вычислительных затратах достаточно эффективно распознавать маркёры на изображениях ФСК.

Достоверность. Достоверность выводов диссертации обеспечивается корректным использованием математических методов и подтверждается высокой эффективностью разработанных алгоритмов распознавания маркёров при их тестировании на реальных и имитированных изображениях ФСК.

Практическая значимость. Разработанный комплекс программ даёт возможность практически осуществлять медицинскую диагностику по методу Шабалина-Шатохиной при массовых профилактических обследованиях населения.

Реализация работы. Результаты диссертационной работы приняты для практического применения в медицинских центрах «Литиком» и «Академия» (г. Ульяновск), а также в учебном процессе кафедры акушерства и гинекологии Ульяновского государственного университета и кафедры САПР Ульяновского государственного технического университета, что подтверждено актами использования результатов диссертации. Материалы диссертационной работы также использованы при выполнении гранта по программе «УМНИК-2011» Государственного фонда содействия развитию малых форм предприятий в научно-технической сфере, государственный контракт № 9015р/14145 от 19.04.2011.

Апробация работы. Основные результаты работы докладывались на 6-й и 7-й Всероссийских с участием стран СНГ научно-практических конференциях «Современные проблемы создания и эксплуатации радиотехнических систем» (Ульяновск, УлГТУ, 2009 и 2011); Всероссийских конференциях с элементами научной школы для молодежи «Инновационные технологии ранней диагностики и лечения в медицинской практике» (Ульяновск, УлГУ 2009 и 2011); научных сессиях Общества им. A.C. Попова (Москва, 2009 и 2010); 10-й Международной научно-технической конференции PRIA-10-2010 «Распознавание образов и анализ изображений: новые информационные технологии» (Санкт-Петербург, 2010); 8-м открытом российско-немецком семинаре OGRW-8-2011 «Распознавание образов и понимание изображений» (Нижний Новгород, 2011) и на ежегодных научно-технических конференциях профессорско-преподавательского состава УлГТУ (2009-2011 гг.).

Публикации. По теме диссертации опубликовано 12 печатных работ, одна из которых в издании из перечня ВАК и 11 в материалах международных и всероссийских научно-технических конференций. Общий объём 3 печатных листа.

Объем и структура диссертации. Диссертация объемом 161 машинописных страницы, содержит введение, три главы и заключение, список литературы (110 наименований), 97 рисунков, 9 таблиц, в приложении приведены ксерокопии актов использования результатов диссертации.

Заключение диссертации по теме «Математическое моделирование, численные методы и комплексы программ», Копылова, Анна Сергеевна

ЗАКЛЮЧЕНИЕ

Главным итогом диссертации является разработка алгоритмов компьютерного распознавания маркёров на изображениях фаций, требующих небольших вычислительных затрат и способствующих повышению качества массового медицинского обследования.

Основные результаты диссертации заключаются в следующем.

1. Предложена математическая модель изображения ФСК, учитывающая наиболее существенные особенности реальных изображений и позволяющая имитировать изображения для определения эффективности алгоритмов анализа изображений ФСК.

2. Разработан алгоритм определения общей структуры изображения ФСК (граница, центр, секторы и т.д.) что, в частности, позволяет определить морфологический тип фации.

3. Выявлены признаки, характеризующие структуру различных маркёров. По совокупности этих признаков возможна идентификация наиболее распространённых маркёров на изображениях ФСК.

4. Разработаны алгоритмы и численные процедуры обнаружения маркёров. Проведенные испытания описанных алгоритмов на большом количестве изображений ФСК (более двух тысяч) показали их высокую эффективность: было обнаружено более 95% изображений, на которых имелись маркёры, ложные обнаружения были на 10% изображений.

5. Разработанный комплекс программ, реализующих предложенные алгоритмы обнаружения, может быть использован в медицинской диагностике по методу Шабалина-Шатохиной при массовых обследованиях населения, что будет способствовать улучшению качества медицинского обслуживания.

Список литературы диссертационного исследования кандидат технических наук Копылова, Анна Сергеевна, 2012 год

СПИСОК ИСПОЛЬЗОВАННЫХ источников

1. Адаптивные фильтры: Пер. с англ./ Под. ред. К.Ф.Н. Коуэна и П.М. Гранта. -М.: Мир, 1988. -392 с.

2. Айзерман, М.А. Метод потенциальных функций в теории обучения машин/М.А. Айзерман, Э.М. Браверманн, Л.И. Розонэр. - М.: Наука, 1970. -240 с.

3. Бардин, Б.В. Исследование возможностей медианной фильтрации при цифровой обработке изображений совокупностей локальных биологических объектов/ Б.В. Бардин// Научное приборостроение-2011. Том 21, №2.-с. 120-125.

4. Бененсон, З.М., Кульберг, Н.С. Повышение контрастности изображений медицинской рентгеновской диагностики. Материалы 2 Международной научно-технической конференции "Радиоэлектроника в медицинской диагностике", Москва, 1997, с.93-97.

5. Бондарев, В.Н. Цифровая обработка сигналов: методы и средства: учеб. пособие для вузов / В.Н. Бондарев, Г. Трёстер, B.C. Чернега. - 2-у изд. -X.: Конус, 2001.-398 с.

6. Брохман, С.Е. Новая техническая и информационная поддержка ранней диагностики и прогнозирования злокачественных новообразований/С.Е. Брохман, Е.В. Елисеев, Д.В. Ниязгулов //Вестник Южно-Уральского государственного университета. Серия: Образование, здравоохранение, физическая культура-2006. -№3. -с.210-214.

7. Бузоверя, М.Э. Автоматизированный анализ структур биожидкостей /М.Э. Бузоверя, В Л. Сельченков, Ю.П. Щербак // Медицинская физика. -2002. - №4. - с.74-78.

8. Бузоверя, М.Э. Использование программно-аппаратного комплекса "МОРФОТЕСТ-1" в анализе структуры дегидратированных биологических жидкостей/М.Э. Бузоверя, М.А. Балакшина, Ю.П. Щербак и др. // Медицинская физика, -2002, № 4 (16). - с. 41-46.

9. Вапник, В.Н. Восстановление зависимостей по эмпирическим данным/В.Н. Вапник. - М.: Наука, 1979. - 448 с.

10. Вапник, В.Н. Теория распознавания образов (статистические проблемы обучения)/В.Н. Вапник, А.Я. Червоненкис. - М.: Наука, 1974. -416 с.

11. Васильев, В.И. Проблема обучение распознаванию образов/В.И. Васильев. Выша шк. Головное изд-во, 1989. - 64с.

12. Васильев, К.К. Статистический анализ многомерных изображений / К.К. Васильев, В.Р. Крашенинников. - Ульяновск: УлГТУ, 2007. - 172 с.

13. Введение в контурный анализ и его приложения к обработке изображений и сигналов: / Я.А. Фурман, A.B. Кревецкий, А.К. Передреев и др. Под ред. Я.А. Фурмана -2-е изд., испр. -М.: ФИЗМАТЛИТ, 2003. -592 с.

14. Виллевальде, А. Ю. Система анализа и обработки медицинских изображений с малоконтрастными объектами: автореферат диссертации на соискание ученой степени кандидата технических наук: 05.11.17/ А.Ю. Виллевальде. - Санкт-Петербург, 2008. - 18 с.

15. Ворожцов, Д. М. Синтез и анализ нейросетевой системы обнаружения 3D изображений объектов рентгеновской томографии: автореферат диссертации на соискание ученой степени кандидата технических наук: 05.12.04/ Д.М. Ворожцов. - Йошкар-Ола, 2006. - 22 с.

16. Вятченин, Д.А. Нечеткие методы автоматической классификации: Монография/Д.А. Вятченин. - Мн.: УП «Технопринт», 2004. - 219 с.

17. Глумов, Н.И. Компьютерная обработка сцинтиграфических изображений лёгких/ Н.И. Глумов, A.B. Капишников// Компьютерная оптика. -2003. №25.-с. 158-164.

18. Глушков, В.М. Введение в кибернетику/В.М. Глушков.- К.: АН УССР, 1964.-324 с.

19. Гольбрайх, Е. О формировании узора трещин в свободно высыхающей пленке водного раствора белка/ Е. Гольбрайх, Е.Г. Рапис, С.С. Моисеев // Журнал технической физики. - 2003. - Т.73. - № 10. - с. 116—121.

20. Гонсалес, Р. Цифровая обработка изображений/, Р. Гонсалес, Р. Вудс. - М.: Техносфера, 2005. - 1072 с.

21. Горелик, А.Л. Методы распознавания. Учеб. пособие для вузов/ А.Л. Горелик, В А. Скрипкин. - М.: Высшая школа, 1977. - 222 с.

22. Горелик, А.Л. Селекция и распознавание на основе локационной информации. Под ред. Горелика А. Л/А.Л. Горелик, Ю.Л. Барабаш, О.В. Кривошеев и др. М.: Радио и связь, 1990. - 240 с.

23. Горелик, А.Л. Современное состояние проблемы распознавания. Некоторые аспекты/ А.Л. Горелик, И.Б. Гуревич, В.А. Скрипкин. - М.: Радио и связь, 1985.- 162 с.

24. Грузман, И.С. Математические задачи компьютерной томографии/И.С. Грузман// Соросовский образовательный журнал. - 2001. -Т.1. -№5. - с.117-121.

25. Диагностическая значимость показателей морфоструктуры биологических жидкостей при сахарном диабете у беременных/ Л.И. Трубникова, В.Н. Шабалин, С.Н. Шатохина и др.// Российский вестник акушера-гинеколога, 2003.-К 6.-с.33-38.

26. Дуда, Р. Распознавание образов и анализ сцен: Пер. с англ./Р. Дуда, П. Харт. -М.: Мир, 1976. - 512 с.

27. Журавлёв, Ю.И. Об алгебраическом подходе к решению задач распознавания или классификации / Ю.И. Журавлёв// Проблемы кибернетики. - М.: Наука, 1978. - с. 5-68.

28. Журавлёв, Ю. И. Об алгоритмах распознавания с представительными наборами (о логических алгоритмах)/Ю.И. Журавлёв // Журнал вычислительной математики и математической физики, т.42, №9, 2002.-с. 1425-1435.

29. Заблоцкая, Т.Ю. Анализ основных процессов и типов структур при дегидратации биологических жидкостей/Т.Ю. Заблоцкая // Електромехашчш { енергозберггаюч1 системи. - 2010. - Вип. 4(12). -с. 92-95.

30. Заблоцкая, Т.Ю. Основные процессы, наблюдаемые при дегидратации биологических жидкостей/Т.Ю. Заблоцкая // Вюник КДПУ iMeHi Михайла Остроградського. 2009. - №4(57). Частина 2. - с. 133-135.

31. Заблоцкая, Т.Ю. Применение вейвлет-анализа для распознавания структур фаций биожидкости/Т.Ю. Заблоцкая // Електромехашчш i енергозбер1гаюч! системи. - 2010. - Вип. 3 (11). -с. 55-58.

32. Загоруйко, Н.Г. Методы распознавания и их применение/Н.Г. Загоруйко. - М.: Сов. Радио, 1972. - 206 с.

33. Загоруйко, Н.Г. Прикладные методы анализа знаний и данных/Н.Г. Загоруйко.— Новосибирск: ИМ СО РАН, 1999. - 270 с.

34. Казначеева, А.О. Разработка методов и средств шумоподавления в томографии: автореферат диссертации на соискание ученой степени кандидата технических наук: 05.11.01/ А.О. Казначеева. - Санкт-Петербург, 2006.- 19 с.

35. Калдыбаева, Р. С. Особенности морфологической картины сыворотки крови, эритроцитарного гемолизата и ротовой жидкости у мужчин в пожилом и старческом возрасте больных туберкулезом легких: автореферат диссертации на соискание ученой степени кандидата медицинских наук: 14.01.30/ P.C. Калдыбаева. - Самара, 2010. - 29 с.

36. Калугин, Ф.В. Выделение контуров дегидратированных биологических жидкостей человека на медицинских снимках/ Ф.В. Калугин // Материалы международной конференции «Современные информационные и телемедицинские технологии для здравоохранения (AITTH'2008)». - Минск: Объединенный институт проблем информатики Национальной академии наук Белоруссии, 2008. - с. 192-196.

37. Компьютерное обнаружение некоторых маркёров на изображениях фации сыворотки крови/ В.Р. Крашенинников, В.Н. Голованов, И.В. Крашенинников и др.// Материалы Всероссийской конференции «Инновационные технологии ранней диагностики и лечения в медицинской практике». - Ульяновск: УлГУ, 2009. - с. 57-60.

38. Копылова, A.C. Обнаружение бляшек на изображениях фаций сыворотки крови/ A.C. Копылова// Труды Российского научно-технического общества радиотехники, электроники и связи им. А.С.Попова. Серия: Цифровая обработка сигналов и ее применение. Выпуск XII. - Москва, 2010.-е. 192-194.

39. Копылова, A.C. Обнаружение трещин «закруток» на изображениях фаций сыворотки крови/ A.C. Копылова// Труды седьмой Всероссийской научно-практической конференции (с участием стран СНГ) «Современные проблемы создания и эксплуатации радиотехнических систем». - Ульяновск: УлГТУ, 2011.-с. 40-43.

40. Копылова, A.C. Обнаружение трещин серебра на изображениях фаций сыворотки крови/ A.C. Копылова// Материалы VII Российской научно-практической конференции «Онкология сегодня: пациент, государство, медицинское сообщество». - Ульяновск: УлГУ, 2011. - с. 152-155.

41. Крашенинников, В.Р. Нахождение граничных точек изображения фации биологической жидкости/ В.Р. Крашенинников, A.C. Копылова // Труды шестой всероссийской научно-практической конференции (с участием стран СНГ) «Современные проблемы создания и эксплуатации радиотехнических систем». - Ульяновск: УлГТУ, 2009. - с. 126-129.

42. Крашенинников, В.Р. Обнаружение воронкообразных структур на изображениях фаций сыворотки крови/ В.Р. Крашенинников, A.C. Копылова, A.B. Тарасова// Материалы VII Российской научно-практической конференции «Онкология сегодня: пациент, государство, медицинское сообщество». - Ульяновск: УлГУ, 2011. - с. 169-173.

43. Крашенинников, В.Р. Обнаружение жгутовидных структур на изображениях фаций сыворотки крови/ В.Р. Крашенинников, И.В. Крашенинников, A.C. Копылова // Труды Российского научно-технического общества радиотехники, электроники и связи им. А.С.Попова. Серия: Научная сессия, посвященная Дню радио. Выпуск LXIV. - Москва, 2009-с. 313-315.

44. Крашенинников, В.Р. Обнаружение трёхлучевых трещин на изображениях фаций сыворотки крови/ В.Р. Крашенинников, A.C. Копылова// Труды седьмой Всероссийской научно-практической конференции (с участием стран СНГ) «Современные проблемы создания и эксплуатации радиотехнических систем». - Ульяновск: УлГТУ, 2011.-е. 3740.

45. Крашенинников, В.Р. Определение границы изображения фации биологической жидкости/ В.Р. Крашенинников, A.C. Копылова // Труды шестой всероссийской научно-практической конференции (с участием стран СНГ) «Современные проблемы создания и эксплуатации радиотехнических систем». - Ульяновск: УлГТУ, 2009. - с. 129-133.

46. Крашенинников, В.Р. Основы теории обработки изображений/В .Р. Крашенинников. - Ульяновск: УлГТУ, 2003. - 151 с.

47. Кривозубов, В.П. Распознавание текстур рентгенографических снимков и УЗИ изображений программными методами/ В.П. Кривозубов, A.B., Николаева, А.Ю. Хлесткин// Инфокоммуникационные технологии. -2006.-№ 3.-е. 64-69.

48. Кулинич, С. И. Попытка изучить степень тяжести воспалительных заболеваний матки и придатков методом клиновидно дегидратации сыворотки крови / С. И. Кулинич, К. А. Дементьев // Материалы Межрегиональной научно-практической конференции «Мать и Дитя в Кузбассе. Решенные вопросы и установленные факты в акушерстве и гинекологии». - Кемерово, 2010. - Спецвыпуск № 1.-е. 91-95.

49. Лазько, М.В. Использование морфологического анализа сыворотки крови верблюдов бактрианов калмыцкой породы в селекционно-племенной работе/ М. В. Лазько, И. Д. Габунщина// Естественные науки - 2011 .-№ 1. -с. 165-171.

50. Лепский, А.Е. Математические методы распознавания образов: Курс лекций/А.Е.Лепский, А.Г. Броневич. - Таганрог: Изд-во ТТИ ЮФУ, 2009. -155 с.

51. Луценко, М.Т. Автоматизированная система распознавания объектов на микроскопических изображениях биологических образцов/М.Т. Луценко, Н.В. Ульянычев, Н.П. Семичевская //Бюллетень физиологии и патологии дыхания, 1999. - №3. - с. 83-91.

52. Мазуров, В.Д. Метод комитетов в задачах оптимизации и классификации/В.Д. Мазуров. -М.: Наука, 1990. - 248 с.

53. Максимов, С.А. Алгоритмы анализа структур фаций биологических жидкостей / С.А. Максимов // Вестник новых медицинских технологий. -2007. - Т. XIV, № 1.-с. 115-116.

54. Марусина, М.Я. Вейвлетный анализ в обработке томографических изображений/ М.Я. Марусина, Е.М. Андонина-Андриевская// Научное приборостроение. -2011. Том 21. -с.71-75.

55. Матюнин, С.А. Моделирование состояния эндотелиальных клеток по их фотоизображению/ С.А. Матюнин, Н.С. Селиверстова// Компьютерная оптика. -2002. №24. -с. 173-176.

56. Местецкий, Л.М. Математические методы распознавания образов. Курс лекций/Л.М. Местецкий.-М.: Ф-т ВМиК МГУ, кафедра ММП.-2002.-85 с.

57. Модель автоматизации морфологического анализа клеток крови для диагностики и обучения/ В.Г. Никитаев, А.Н. Проничев, Д.В. Харазишвили и др.//Успехи современного естествознания-2008. -№8. -с. 141.

58. Морфология сыворотки крови (СК) в программе предгравидарной подготовки (ПГП) женщин с сахарным диабетом (СД) 1 типа: исход для матери и плода/ В.Д. Таджиева, Л.И. Трубникова, Н.А. Рыкалина и др.// Медицинский альманах. Акушерство и гинекология.-2009.-№ 4, с.78-81.

59. Навольнев, С.О. Программа для определения морфологических особенностей биологических микрообъектов на изображениях полученных от микроскопа/ С.О. Навольнев, Л.В. Диденко// Медицинский алфавит-2010. Том 2, №2. -с.41-42.

60. Недзьведь, A. M. Сегментация слабоконтрастных изображений гистологических объектов: автореферат диссертации на соискание ученой степени кандидата технических наук: 05.13.16/ A.M. Недзьведь-Минск, 2000. - 23 с.

61. Новые возможности ранней диагностики язвенного колита /С.Н. Шатохина, Т.С. Мишуровская, Г.В. Цодиков и др.// Альманах клинической медицины -2010 .-№2 -с.5 6-59.

62. Обработка и анализ цифровых изображений с примерами на Lab VIEW IMAQ Vision/Ю.В. Визильтер, С.Ю. Желтов, В.А. Князь и др. -М.: ДМК Пресс, 2007. - 464 с.

63. Осадчий, A.C. Методы компьютерной обработки рентгенограмм, повышающие их качество и информативность/ A.C. Осадчий// Казанский медицинский журнал-2008. Том 89, № 6. -с.853-854.

64. Особенности системной организации сыворотки крови у больных с глиобластомой головного мозга в процессе адьювантной лучевой терапии/С.Н. Шатохина, A.C. Балканов, H.H. Петрушкина// Альманах клинической медицины.-2009.-№21 -с.49-51.

65. Патрик, Э.А. Основы теории распознавания образов/Э.А. Патрик. -М.: Советское Радио, 1980. - 407 с.

66. Петров, В.О. Алгоритм текстурной сегментации растровых изображений при решении прикладных задач медико-биологического анализа/В.О. Петров, В.А. Камаев, C.B. Поройский // Современные проблемы науки и образования. -2009.-№6.-с. 105-111.

67. Погодин, C.B. Автоматическая постановка диагноза по анализу медицинских снимков/С.В. Погодин // Сборник научных трудов 1-ой международной телеконференции «Фундаментальные медико-биологические науки и практическое здравоохранение», Томск, 2010 - с. 70-71.

68. Потехина, Ю.П. Исследование структуры дегидратированной плазмы крови больных с ишемической болезнью сердца/ Ю.П. Потехина,

Г.Н. Зубеева, М.Э. Бузоверя и др. // Медицинская физика.-2004.-№ 1 (21). -с.46-48.

69. Предварительная обработка изображений ультразвуковых исследований в системах медицинской диагностики/ Н.Г. Федотов, JI.A. Шульга, O.A. Смолькин и др.// Надежность и качество: Труды международного симпозиума.- Пенза, 2006.- с. 247-248.

70. Прикладные нечеткие системы / Асаи К., Ватада Д., Иван С. и др./Под ред. Т. Тэрано, К. Асаи, М. Сугено- М.: Мир, 1993 - 368 с.

71. Прэтт У.К. Цифровая обработка изображений: в 2 кн./ У.К. Прэтт. -М.: Мир, 1982.

72. Пшеничный Б.Н., Данилин Ю.М. Численные методы в экстремальных задачах. -М.: Наука, 1975. - 319 с.

73. Рапис, Е.Г. К вопросу о самоорганизации белка/ Е.Г. Рапис // Письма в ЖТФ. - 1995. - Т.21. - № 9. - с. 13-20.

74. Рапис, Е.Г. Самосборка кластерных пленок белка в процессе конденсации (аллотропная неравновесная некристаллическая его форма) /Е.Г. Рапис // Журнал технической физики. - 2000. - Т.70. - № 1.-е. 122-133.

75. Рапис, Е.Г. Свойства и виды симметрии твердотельной кластерной фазы белка/ Е.Г. Рапис // Журнал технической физики. - 2001. - Т.71. - № 10. -с. 104-111.

76. Распознавание образов: состояние и перспективы: Пер. с англ/ К. Верхаген, Р. Дейн, Ф. Грун и др.-М.: Радио и связь, 1985.-104 с.

77. Рыжкова, О. А. Клинико-диагностическое значение морфологической картины сыворотки крови у больных туберкулезом легких: автореферат диссертации на соискание ученой степени кандидата медицинских наук: 14.00.26Ю.А. Рыжкова. - М., 2008. - 30 с.

78. Сергеева, Ю. В. Оптимизация диагностики острого коронарного синдрома с помощью маркеров функциональной морфологии сыворотки крови (клинико-экспериментальное исследование): автореферат диссертации

на соискание ученой степени кандидата медицинских наук: 14.00.06/Ю.В. Сергеева. - Саратов, 2008. - 20 с.

79. Симанков, B.C., Луценко, Е.В. Адаптивное управление сложными системами на основе теории распознавания образов: Монография (научное издание) / Техн. ун-т Кубан. гос. технол. ун-та.-Краснодар, 1999. -318с.

80. Сойфер, В. А. Методы компьютерной обработки изображений / под. ред. В. А. Сойфера. 2-е изд., испр. - М.: ФИЗМАТГИЗ, 2003. - 784 с.

81. Структурно-оптические свойства сыворотки крови больных туберкулезом легких с лекарственной устойчивостью микробактерий туберкулеза/ E.H. Стрельцова, H.A. Степанова, O.A. Рыжкова и др.// Астраханский медицинский журнал.-2009. -Том 4, №3. -с.41-45.

82. Тарасевич, Ю.Ю. Механизмы и модели дегидратационной самоорганизации биологических жидкостей/Ю.Ю. Тарасевич // УФН. - 2004. -Том 174, №7. -с.779-790.

83. Теоретические основы цифровой обработки изображений: Учебное пособие/ В.А. Сойфер, В.В. Сергеев, С.Б. Попов-Самара: Самарский государственный университет имени академика С.П. Королёва, 2000. - 256 с.

84. Типы структурной организации сыворотки крови при хронических гепатитах и циррозах печени/Б.Н. Левитан, А.Р. Умерова, Д.М. Абжалилова и др.// Астраханский медицинский журнал. -2010. -Том 5, №3. -с.94-97.

85. Ту, Дж. Принципы распознавания образов/ Дж. Ту, Р. Гонсалес. -М.: Мир, 1978.-413 с.

86. Файн, B.C. Опознавание изображений / B.C. Файн. - М.: Наука, 1970.-299 с.

87. Федотов, Н.Г. Распознавание ультразвуковых изображений на основе стохастической геометрии/ Н.Г. Федотов, O.A. Смолькин// Надежность и качество: Труды международного симпозиума.- Пенза, 2007.-с. 266-267.

88. Физика визуализации изображений в медицине: В 2-х томах. Т. 1 :Пер. с англ./Под ред. С.Уэбба. -М.:Мир,1991. -408 с.

89. Фисенко, В.Т. Компьютерная обработка и распознавание изображений: учеб. Пособие /В.Т. Фисенко, Т.Ю. Фисенко. СПб: СПбГУ ИТМО, 2008. - 192 с.

90. Фу, К. Последовательные методы в распознавании образов и обучении машин/К. Фу.-М.: Наука, 1971.-256 с.

91. Фу, К. Структурные методы в распознавании образов: Пер. с англ/ К. Фу.-М.: Мир, 1977.-320 с.

92. Фукунага, К. Введение в статистическую теорию распознавания образов/К. Фукунага.-М.: Наука, 1979.-368 с.

93. Фурман, Я.А. Цифровые методы обработки и распознавания бинарных изображений/ Я.А. Фурман, А.Н. Юрьев, В.В. Яшин. - Красноярск, 1992.-248 с.

94. Хант, Э. Искусственный интеллект: Пер. с англ.; Под ред. B.JI. Стефанюка/Э. Хант.-М.: Мир, 1978.-560 с.

95. Хлесткин, А.Ю. Разработка информационных технологий обработки и идентификации неоднородностей на изображениях с использованием нейронных сетей: автореферат диссертации на соискание ученой степени кандидата технических наук: 05.12.04/ А.Ю. Хлесткин - Самара, 2010.-20 с.

96. Цифровая обработка изображений в информационных системах: Учеб. пособие / И.С. Грузман, B.C. Киричук, В.П. Косых и др. Новосибирск: Изд-во НГТУ, 2002. -352 с.

97. Цыпкин, Я.З. Адаптация и обучение в автоматических системах/Я.З. Цыпкин. -М: Наука, 1968.-400 с.

98. Чирков, К. В. Совершенствование методов предварительной обработки изображений в системах визуализации: автореферат диссертации на соискание ученой степени кандидата технических наук: 05.12.04/ К.В. Чирков-Владимир, 2009. - 20 с.

99. Шабалин, В.Н. Морфология биологических жидкостей человека / В.Н. Шабалин, С.Н. Шатохина. М. -: Хризостом, 2001.-304 с.

ЮО.Шатохина, С.Н. Аутоволновые процессы в сыворотке крови. /Шатохина С.Н., Шабалин В.Н //Альманах клинической медицины-2000. -Т. 2.-с. 354-363.

101. Шатохина, С.Н. Новая технология оценки воздействия физических факторов на организм человека/ С.Н. Шатохина// Альманах клинической медицины.-2006.-№ 12.-е. 161.

102. Шатохина, С.Н. Функциональная морфология биологических жидкостей-новое направление в клинической лабораторной диагностике/ С.Н. Шатохина// Альманах клинической медицины. - 2008. - №18. - с. 50-56.

103. Яне, Б. Цифровая обработка изображений/ Б. Яне. - М.: Техносфера, 2007. - 584 с.

104. Ballard, D.H. Generalizing the Hough transform to direct arbitrary shapes/ D.H. Ballard// Pattern Recognition, vol. 13, 1981.-pp.111-122.

105.Boser, B.E. A training algorithm for optimal margin classifiers/B.E. Boser, I.M.Guyon, V.N.Vapnik//in Proceedings of the 5th Annual ACM Workshop on Computational Learning Theory, ACM Press, 1992-pp. 144-152.

106. Canny, J.F. Finding edges and lines in images/J.F. Canny // Master's thesis, MIT, Cambridge, USA, 1983 .-p. 149.

107. Cortes, C. Support Vector Networks/C. Cortes, V.Vapnik//Machine Learning 20(3), 1995.- pp.273-297.

108.Krasheninnikov, V. R. Identification of Pectinate Structures in Images of Blood Serum Facias/V.R. Krasheninnikov, A.S. Kopylova// Pattern Recognition and Image Analysis.-201 l.-Vol. 21, No.3.-pp.508-510.

109. Krasheninnikov, V.R. Identification on leaf-like structures in images of blood serum fades/ V.R. Krasheninnikov, A.S. Kopylova// Proceedings of 8th Open German-Russian Workshop «Pattern Recognition and Image Understanding» OGRW-8-2011. Nizhny Novgorod, 2011.-pp. 158-161.

110. Krasheninnikov, V.R. The Comb Detection on Images of Blood Serum Facia/ V.R. Krasheninnikov, A.S. Kopylova // Proceedings of the 10-th International Conference on Pattern Recognition and Image Analysis: New

Information Technologies (PRIA-10-2010).-St. Petersburg, 5-12 December 2010, Volume II, SPb.: Politechnika, 2010.-pp.285-288.