ОЦЕНКА ИНФОРМАТИВНОСТИ И ОТБОР ПРИЗНАКОВ ПРИ ИДЕНТИФИКАЦИИ ОБЪЕКТОВ НА ЦИФРОВЫХ ИЗОБРАЖЕНИЯХ МИКРОСКОПИЧЕСКИХ ПРЕПАРАТОВ, ОКРАШЕННЫХ ПО МЕТОДУ ЦИЛЯ-НИЛЬСЕНА : научное издание

Описание

Перевод названия: ESTIMATING OF INFORMATIVITY AND SELECTION OF FEATURES IN IDENTIFICATION OF OBJECTS IN DIGITAL IMAGES OF MICROSCOPIC PREPARATIONS, STAINED BY THE METHOD OF ZIEHL-NIELSEN

Тип публикации: статья из журнала

Год издания: 2017

Ключевые слова: dimension reduction, information content of features, acid-fast bacilli, smear diagnosis, снижение признакового пространства, информативность признаков, кислотоустойчивые микобактерии, бактериоскопическая диагностика

Аннотация: Цель. Оценка информативности и осуществление отбора признаков для классификации объектов, на цифровых изображениях микроскопических препаратов, окрашенных по методу Циля-Нильсена с помощью методов Шеннона и Кульбака, а также сравнение результатов их применения. Материалы и методы. Использовались данные о 343 687 объектах, выделенныПоказать полностьюх на цифровых изображениях микроскопических препаратов: 6 708 объектов - кислотоустойчивые микобактерии, 336 979 - иные объекты. Анализ объектов производился по 240 цветовым и морфометрическим признакам, оценка информативности которых осуществлялась с помощью методов Шеннона и Кульбака. Оценка качества отбора признаков осуществлялась с применением наивного Байесовского классификатора. Результаты. Наибольшую информативность по методу Шеннона имели цветовые признаки объектов и соотношения их размеров, а наибольшая доля верно классифицированных объектов (84,6%) была достигнута при включении в классификационную модель 6 признаков с наибольшей информативностью по методу Шеннона. Наибольшую информативность по методу Кульбака имели радиальные размеры объектов и их соотношения, а наибольшая доля верно классифицированных объектов (78,0%) была достигнута при включении в классификационную модель 14 признаков с наибольшей информативностью по методу Кульбака. Заключение. Методы Шеннона и Кульбака могут применяться для снижения признакового пространства при классификации объектов. Метод Шеннона позволяет в большей мере сократить количество признаков, обеспечивая при этом наибольшую долю верной классификации объектов. Background. Selecting features for classifying objects in digital images of microscopic preparations, stained by the method of Ziehl-Nielsen with the use of methods for evaluating the informativeness of the Shannon and Kullback, and a comparison of the results of their application. Materials and methods. Used data on 343 687 the selected objects on digital images of microscopic preparations: 6 708 objects acid-fast bacilli, 336 979 - other objects. The analysis of items was carried out for 240 color and morphometric characteristics, evaluating the information content of which was carried out using the methods of Shannon and Kullback. Quality evaluation of selection traits were carried out using the naive Bayesian classifier. Result. The most informative method Shannon had the color characteristics of objects and the ratio of their sizes, and the highest proportion of correctly classified objects (84,6%) were achieved by inclusion in the classification model 6 characteristics with the highest informativeness according to the method of Shannon. The most informative method of the Kullback had radial sizes of objects and their relationships, and the highest proportion of correctly classified objects (78,0%) was achieved when included in a classification model of the 14 signs from the most informative method of Kullback. Conclusion. Methods of estimating the information content of the Shannon and Kullback, can be used in the reduced feature space for classification problems use the method of Shannon allows to a greater extent to reduce the number of signs and thus provides the greatest proportion of correct object classification.

Ссылки на полный текст

Издание

Журнал: В мире научных открытий

Выпуск журнала: Т. 9, 4

Номера страниц: 106-121

ISSN журнала: 20720831

Место издания: Красноярск

Издатель: Общество с ограниченной ответственностью Научно-инновационный центр

Персоны

  • Наркевич Артем Николаевич (Красноярский государственный медицинский университет им. проф. В.Ф. Войно-Ясенецкого)
  • Виноградов Константин Анатольевич (Красноярский государственный медицинский университет им. проф. В.Ф. Войно-Ясенецкого)
  • Корецкая Наталия Михайловна (Медико-санитарная часть № 24)
  • Катаева Алина Владимировна (Институт математики и фундаментальной информатики Сибирского федерального университета)
  • Журбенко Екатерина Олеговна (Красноярский государственный медицинский университет им. проф. В.Ф. Войно-Ясенецкого)

Вхождение в базы данных