Ανάπτυξη εξελιγμένων αλγορίθμων για την ψηφιακή επεξεργασία και ανάλυση Κυτταροπαθολογικών Εικόνων με χρήση πλατφόρμας Matlab

Abstract

Στην εποχή μας η ψηφιακή απεικόνιση κυτταροπαθολογικών εικόνων και η ψηφιακή τους επεξεργασία και ανάλυση με τη βοήθεια ηλεκτρονικού υπολογιστή γνωρίζει ραγδαία ανάπτυξη. Αυτό συμβαίνει κυρίως επειδή ο ηλεκτρονικός υπολογιστής αυτοματοποιεί τη διαδικασία αναγνώρισης κακοήθειας και έτσι απαιτείται λιγότερος χρόνος διάγνωσής της. Επιπλέον, τα αποτελέσματα μπορούν να αποθηκευτούν με σκοπό την περαιτέρω μελέτη τους. Στην παρούσα λοιπόν διπλωματική εργασία αναπτύχθηκαν διάφοροι εξελιγμένοι αλγόριθμοι για την κατάτμηση διαφόρων κυτταροπαθολογικών εικόνων. Οι αλγόριθμοι αυτοί υλοποιήθηκαν σε πλατφόρμα MATLAB, που είναι ένα ολοκληρωμένο περιβάλλον προγραμματισμού το οποίο χρησιμοποιεί πίνακες (ΜAtrixLABoratory). Συγκεκριμένα αναπτύχθηκαν απλοί αλγόριθμοι φιλτραρίσματος-ομαλοποίησης της αρχικής εικόνας με χρήση μορφολογικών τελεστών και φίλτρου ενδιάμεσης τιμής, ο αλγόριθμος κατωφλίωσης Otsu, ο αλγόριθμος ταξινόμησης K-μέσων με βάση το χρώμα. Ιδιαίτερη έμφαση δόθηκε στη κατάτμηση με χρήση μορφολογικών τελεστών και συγκεκριμένα στο μετασχηματισμό watershed στις διάφορες εκδοχές του. Τέλικά αναπτύχθηκε αλγόριθμος βασισμένος στο μετασχηματισμό της απόστασης και έγινε μέτρηση δύο βασικών χαρακτηριστικών της κυτταροπαθολογικής εικόνας: του εμβαδού και της κυκλικότητας κάθε κυττάρου.

Nowadays the digital representation of cytopathology images and the computer aided digital processing and analysis is growing very fast. That is happening because the computer makes the procedure automateted and the time needed to make cancer diagnosis is less. Also the results can be stored for further study. In this thesis advanced algorithms about medical image segme-ntation were developed. These algorithms were developed in the environment of MATLAB, which is a programming environment using matrices(MATrix LABoratory). Specifically, the developed algorithms were: simple algorithms for filtering and smoothing the initial image using morphological operators and median filter, the Otsu’s method for thresholding, the color-based k-means algorithm. It was given special attention to morphological segmentation and specifically the watershed transform in different versions. Finally an algorithm based on distance transform was developed and there was extraction of two basic cyto image characteristics, the area and the roundness of each cell.