Застосування методу збалансованого порогового вiдсiкання гiстограми у задачi сегментацiї легень на рентгенiвськихзображеннях грудної клiтини
DOI:
https://doi.org/10.17721/2706-9699.2026.1.07Ключові слова:
сегментація зображень, методу збалансованого порогового відсікання гістограми, рентгенівські зображення грудної клітини, метод адаптивного вирівнювання гістограми з обмеженням контрастуАнотація
У статті розглядається застосування методів глобального порогування для сегментації області легень на рентгенівських зображеннях грудної клітини, зокрема методів Оцу, Капура та методу збалансованого порогового відсікання гістограми (Balanced Histogram Thresholding, BHT). Проведено порівняльний аналіз вказаних методів. Оцінювання ефективності підходів здійснюється за допомогою метрик Dice, Recall та показника надлишкової сегментації (OSI). Додатково у роботі досліджено вплив попередньої обробки зображень з використанням методу адаптивного вирівнювання гістограми з обмеженням контрасту (CLAHE) на якість сегментації. Отримані результати показують, що застосування CLAHE суттєво покращує результати сегментації для методів Оцу та Капура. Метод BHT забезпечує найвище значення повноти сегментації, проте характеризується підвищеним рівнем надлишкової сегментації. Показано, що досліджувані методи можуть бути використані як інструмент попереднього виділення області легень.Посилання
1. Пашко А. О., Сучков В. І. Сегментація легень на рентген-знімках грудної клітини з анатомічно орієнтованою оцінкою.
2. Ronneberger O., Fischer P., Brox T. U-Net: Convolutional Networks for Biomedical Image Segmentation. Medical Image Computing and Computer-Assisted Intervention (MICCAI 2015). 2015, pp. 234-241. https://doi.org/10.1007/978-3-319-24574-4_28
3. Rajinikanth V., Dey N., Raj A. N. J., Hassanien A. E., Santosh K. C., Raja N. S. M. Harmony-search and Otsu based system for coronavirus disease (COVID-19) detection using lung CT scan images. arXiv. 2020, arXiv:2004.03431. https://doi.org/10.48550/arXiv.2004.03431
4. Han Y., Chen W., Heidari A. A., Wang M., Chen H. Multi-verse Optimizer with Rosenbrock and Diusion Mechanisms for Multilevel Threshold Image Segmentation from COVID-19 Chest X-Ray Images. Journal of Bionic Engineering. 2023, Vol. 20, pp. 1198-1262. https://doi.org/10.1007/s42235-022-00295-w
5. Thamilarasi V., Asaithambi A., Roselin R. Enhanced Ensemble Segmentation of Lung Chest X-Ray Images by Denoising Autoencoder and CLAHE. ICTACT Journal on Image and Video Processing. 2025, Vol. 15, Issue 3, pp. 3501-3508. https://doi.org/10.21917/ijivp.2025.0496
6. Jaeger S., Candemir S., Antani S., Wang Y., Lu P. X., Thoma G. Two Public Chest X-ray Datasets for Computer-Aided Screening of Pulmonary Diseases. Quantitative Imaging in Medicine and Surgery. 2014, Vol. 4, Issue 6, pp. 475-477. https://doi.org/10.3978/j.issn.2223-4292.2014.11.20
7. Stirenko S., Kochura Y., Alienin O., Rokovyi O., Gordienko Y., Gang P., Zeng W. Chest X-Ray Analysis of Tuberculosis by Deep Learning with Segmentation and Augmentation. In: 2018 IEEE 38th International Conference on Electronics and Nanotechnology (ELNANO). IEEE, 2018, pp. 422-428. https://doi.org/10.1109/ELNANO.2018.8477564
8. Otsu N. A Threshold Selection Method from Gray-Level Histograms. IEEE Transactions on Systems, Man, and Cybernetics. 1979, Vol. 9, Issue 1, pp. 62-66. https://doi.org/10.1109/TSMC.1979.4310076
9. Kapur J. N., Sahoo P. K., Wong A. K. C. A New Method for Gray-Level Picture Thresholding Using the Entropy of the Histogram. Computer Vision, Graphics, and Image Processing. 1985, Vol. 29, Issue 3, pp. 273-285. https://doi.org/10.1016/0734-189X(85)90125-2
10. Anjos A., Shahbazkia H. Bi-Level Image Thresholding A Fast Method. BIOSIGNALS 2008. Vol. 2, pp. 70-76. https://doi.org/10.5220/0001064300700076
11. Zuiderveld K. Contrast Limited Adaptive Histogram Equalization. Graphics Gems IV. Academic Press, 1994, pp. 474-485.
Завантаження
Опубліковано
Номер
Розділ
Ліцензія
Авторське право (c) 2026 В. І. Сучков
Ця робота ліцензується відповідно до ліцензії Creative Commons Attribution 4.0 International License.
