Методы кластеризации данных при распознавании эндоскопических снимков в задачах компьютерной медицинской диагностики

Представлены результаты анализа существующих методов кластеризации данных, получаемых при эндоскопии гортани. Предложена модификация метода Виолы-Джонса для распознавания изображений с использованием критерия гибкого выхода. Метод Виолы-Джонса исследует все области на изображении и принимает решение о принадлежности распознаваемой области к искомой путем прохождения через классифицированный каскад. Эндоскопические снимки имеют большое количество особенностей, таких как засветка, шумы и другие, которые ухудшают качество распознавания. Для улучшения качества распознавания предложена кластеризация с критерием гибкого выхода, которая удовлетворяет критериям масштабируемости – изменение решения вместо перехода к другой области распознавания. Установлено, что предложенная модификация метода Виолы-Джонса показывает высокие результаты распознавания для эндоскопических снимков.

1. Viola, P. Robust Real Time Face Detection / Р. Viola, M. J. Jones // International Journal of Computer Vision. 2004. Vol. 2, No 57. Р. 137–154. DOI: 10.1023/B:VISI.0000013087.49260.

2. Каллан, Р. Основные концепции нейронных сетей / Р. Каллан. М.: Вильямс, 2003.

3. Форсайт, Д. Компьютерное зрение. Современный подход / Д. Форсайт, Ж. Понс. М.: Вильямс, 2004.

4. Николенко, С. И. Глубокое обучение / С. И. Николенко, А. А. Кадурин, Е. О. Архангельская. СПб.: Питер, 2018