Постановка проблеми у загальному плані та аналіз основних досліджень, у яких започатковане розв'язання проблеми. Колір є інформативною ознакою у діагностиці багатьох захворювань. Зокрема, жовтяниця, її форма та ступінь розвитку може бути діагностовано за відповідними змінами кольору шкіри, вогнищеві запальні ураження з характерним червоним кольором, а також вогнищеві ураження ішемічного типу з переважанням білого кольору теж можуть бути діагностовано в автоматизованому режимі із застосуванням систем комп'ютерного зору [1, 2, 3]. Відмінності кольору в зоні макули є інформативними щодо ранньої діагностики діабетичної ретинопатії [4], а вогнищеве збільшення кількості білого світла на емалі зуба -інформативним щодо ранньої діагностики карієсу [5]. Таким чином, створення локальної ознаки на основі кольорових показників являє собою важливу задачу виявлення патологічного об'єкта.На сьогодні немає чітких рекомендацій щодо протоколу інформаційних методів виявлення патології на лапароскопічних зображеннях, що потрібно здійснювати в реальному режимі та за короткий проміжок часу. Тому, слід випробувати методи, які довели свою ефективність в інших наукових галузях. Одним з таких методів є визначення ефективності вейвлетів Хаара для швидкого розпізнавання образів [6, 7]. Однак при ендоскопічній автоматизованій діагностиці поліпозного ураження кишковика за допомогою ендокапсул в дослідженні [8] було поставлено під сумнів ефективність застосування ознак Хаара та гістограми направлених градієнтів, що пояснюється надмірно високою вихідною різноманітністю орієнтацій патологічних утворень. Разом з тим, ефективність методу залежить як від обраних для навчання класифікатора дескрипторів, так і від якості самого навчання [6].Метою роботи є дослідження з'ясувати ефективність використання алгоритму розпізнавання об'єктів -ділянок відеолапароскопічних зображень органів черевної порожнини навчанням каскадного класифікатора за дескрипторами кольору.Викладення основного матеріалу. При розробці алгоритму брали до уваги кадр лапароскопічного зображення, характеристики якого можливо відобразити за допомогою набору гістограм кольорів відповідних каналів. Стандарт відеопослідовності MPEG-7, який був застосований в даному дослідженні, представлений в кольорової палітрі RGB (комбінація червоного, зеленого і синього кольору). Зважаючи на особливості лапароскопічного зображення, а саме: переважання червоного каналу кольорів, наявність артефактів освітлення [9, 10], для розпізнавання об'єктів більш гнучкою є кольорова палітра HSV, так як пошук об'єкта можливо здійснити за характеристиками яскравості і насиченості кольору. Звідси, виникає необхідність переводу кольорової схеми RGB в HSV. Слід також зазначити, що визначення різниці кольорів -контрольних точок також є інформативним щодо контурних та текстурних ознак об'єкту [8].

У роботі представлено порівняльне оцінювання ефективності систем автоматизованої комп'ютерної діагностики, розроблених на основі двох класифікаторів — каскаду дескрипторів Хаара та AdaBoost, під час лапароскопічної діагностики апендициту та метастазів печінки. Для навчання використовували зображення, а також гама-кореговані та конвертовані у HSV шкалу кольори RGB зображення, отримані під час лапароскопічної діагностики. Дескриптори, що використовували для навчання класифікатора AdaBoost отримували за допомогою методу локального бінарного патерну, який включав інформаційні показники кольору, а також показники текстури. Після завершення навчання проводили тест оцінювання ефективності діагностики при якому використовували зображення, що не застосовували для навчання. Найбільш високим показник повноти (recall) був при тестовій діагностиці апендициту за допомогою навчання класифікатора AdaBoost дескрипторами модифікованого кольору локального бінарного патерну, отриманими з RGB зображень, — 0,745, а під час діагностики метастазів печінки — 0,902. Також коректність діагностики (accuracy) склала 74,4 % під час діагностики апендициту та 89,3 % при діагностиці метастазів печінки. Коректність діагностики із застосуванням класифікатора Хаара була найбільш високою за умови діагностики метастазів печінки та склала 0,672 при використанні RGB зображень, 0,723 — при навчанні HSV зображеннями. Діагностика із застосуванням класифікатора Хаара є менш ефективною порівняно з діагностикою, що здійснювалась із застосуванням класифікатора AdaBoost, навчання якого здійснювали із застосуванням дескрипторів модифікованого кольору локального бінарного патерну.