Методика сегментации изображения для поддержки автоматической разметки объектов на эндоскопических изображениях

Резюме: Целью настоящего исследования является разработка способа визуальной сегментации различных объектов эндоскопического изображения на основе коллекции эндоскопических снимков. Материалы и методы: Разработка методики проводилась на основе коллекции изображений, полученной ООО “ЭНВД” на договорной основе с медицинскими организациями республики Башкортостан. Коллекция представляет собой 70 эндоскопических изображений, фиксирующих клинические случаи, диагностированные в соответствии с Парижской опухолевой классификацией заболеваний ЖКТ. Проводился ряд операций машинного зрения, включая предобработку изображения, семплирование изображения, и последующую за ними кластеризацию с целью сегментации изображения. Результаты: Разработана методика анализа эндоскопического изображения, позволяющая получать контуры объектов, представляющих интерес для специалиста, проводящего эндоскопию. Заключение: Разработанное решение позволяет ускорить и улучшить процедуру разметки эндоскопических изображений, что в свою очередь готовит платформу для дальнейшей обработки эндоскопического изображения, например, нозологическую классификацию новообразований.

Ключевые слова: кластеризация, эндоскопическое изображение, сегментация, машинное зрение

R.R. Akhmetvaleev, I.A. Lackman, D.V. Popov, M.V. Krasnoperov

Image segmentation technique to support automatic marking of objects in endoscopic images

Summary: The aim of this study is to develop a method for visual segmentation of various objects of endoscopic images based on a collection of endoscopic images. The method was developed on the basis of a collection of images obtained by ENVD LLC on a contractual basis with medical organizations of the Republic of Bashkortostan, Russia. The collection consists of 70 endoscopic images recording clinical cases diagnosed in accordance with the Paris Tumor Classification of Gastrointestinal Diseases. A number of machine vision operations were carried out, including image preprocessing, image sampling, and__ subsequent clustering for the purpose of image segmentation. Results: A technique for the analysis of endoscopic images was developed, which makes it possible to obtain the contours of objects of interest to a specialist performing endoscopy. Conclusion. The developed solution allows to speed up and improve the procedure for marking endoscopic images, which in turn prepares a platform for further processing of endoscopic images, for example, nosological classification of neoplasms.

Keywords: clustering, endoscopic imaging, segmentation, machine vision

DOI : 10.34219/2078-8320-2021-12-2-146-152