Отбор признаков для задачи диагностики остеопороза по рентгеновским изображениям шейки бедра Гайдель А.В., Крашенинников В.Р. Аннотация В работе анализируется информативность нескольких признаков текстуры рентгеновских изображений костной ткани для компьютерной диагностики остеопороза. Описываются че-тыре эвристических признака, также рассматривается тринадцать согласованных квадратич-ных признаков, описанных ранее. Решается задача выбора минимального набора из этих при-знаков, достаточного для линейной разделимости векторов признаков из обучающей выборки в соответствующем признаковом пространстве. В ходе вычислительных экспериментов уста-новлено, что этому условию удовлетворяет набор из четырёх эвристических признаков, а также набор из трёх квадратичных признаков и одного из эвристических признаков.Ключевые слова: текстурный анализ, отбор признаков, компьютерная диагностика, осте-опороз, линейный классификатор, полиномиальные признаки.
ВведениеОстеопороз -системное заболевание костной тка-ни, ранняя диагностика которого позволяет предот-вратить переломы костей, ведущие к инвалидности. Традиционно для диагностики используются устрой-ства, измеряющие минеральную плотность костной ткани, однако из-за их редкости предлагаются аль-тернативные методы диагностики. Один из них со-стоит в автоматизированном распознавании остеопо-роза на обычных рентгеновских снимках костной ткани, например, шейки бедра [1]. Поэтому актуаль-ной является рассматриваемая в настоящей работе задача разработки алгоритмов такого распознавания.Кости, поражённые остеопорозом, имеют меньшую минеральную плотность по сравнению со здоровыми костями, они более проницаемы для рентгеновских лу-чей. Поэтому рентгеновское изображение поражённой кости (рис. 1б) выглядит темнее, а трабекулы на нём более редкие и нитевидные по сравнению с изображе-нием костной ткани здорового человека (рис. 1а).Особенности задачи анализа цифровых рентгенов-ских изображений костной ткани подробно описаны в работе [2]. Основным результатом работы [2] является достижение вероятности ошибочной классификации 0,20 при использовании корреляционных признаков совмест-но с признаками Харалика. Эти результаты были улуч-шены за счёт использования согласованных полиноми-альных признаков [3]. Оценка вероятности ошибочной классификации при таком подходе составила 0,06.В обеих указанных выше работах производился от-бор из достаточно большого количества признаков: в [2] для этого использовался алгоритм жадного добав-ления признаков в порядке возрастания индивидуаль-ных значений функционала качества, а в [3] -подбор параметров у параметрического семейства признаков. Нужно отметить, что в случае небольшого конечного числа признаков можно использовать обычный пере-бор всех подмножеств признаков, как это сделано в [4].
а) б)Рис.
Рентгеновские изображения шейки бедра: здорового человека (а), поражённой остеопорозом (б)Некоторые морфометрические параметры изобра-жений компьютерной томографии позвонков изуча-лись в [5]. Полученные в этой работе коэффициенты корреляции между параметрами, оцененным...