Download aplicación de algoritmos evolutivos al análisis de imágenes
Document related concepts
no text concepts found
Transcript
UNIVERSIDAD DE GUADALAJARA CENTRO UNIVERSITARIO DE CIENCIAS EXACTAS E INGENIERÍAS TESIS APLICACIÓN DE ALGORITMOS EVOLUTIVOS AL ANÁLISIS DE IMÁGENES MÉDICAS Que para obtener el grado de Maestro en Ciencias en Ingeniería Electrónica y Computación presenta Ing. Margarita Arimatea Díaz Cortés Dr. Erik Valdemar Cuevas Jiménez Director de Tesis Guadalajara, Jalisco Agosto 2014 RESUMEN El análisis de imágenes microscópicas de los leucocitos es una potente herramienta de diagnóstico en los campos médicos, que podría reducir los efectos del error humano y mejorar la exactitud del diagnóstico, el ahorro de mano de obra y tiempo. Sin embargo, un reto actual es detectar con precisión poblaciones de leucocitos debido a las características cambiantes que se pueden extraer a partir de imágenes de frotis sanguíneo. Por tanto, la detección automática de los glóbulos blancos (GB) sigue siendo un problema no resuelto en la detección de imágenes de células sanguíneas. Por otra parte, la detección de primitivas geométricas en las imágenes digitales se ha considerado como una tarea importante y compleja para la comunidad de visión por computador, que ha dedicado una enorme cantidad de investigación en la búsqueda de un detector óptimo de primitivas. Dado que las células blancas de la sangre pueden ser aproximadas por una forma circular/elipsoidal, algoritmos de detección de círculos y elipses pueden aplicarse para reconocer y marcar en realidad tales células. Este trabajo presenta dos algoritmos para la detección automática de los glóbulos blancos incrustados en imágenes complicadas y desordenadas de frotis sanguíneo, que considera todo el proceso como un problema de detección multi-círculo y multi- elipse. El enfoque inicial se basa en el algoritmo de Optimización Electromagnética (EMO), que es un método evolutivo para resolver problemas de optimización complejos, el segundo enfoque es basado en el algoritmo de optimización Evolución Diferencial (DE), el cual también ha probado ser un método sumamente eficiente para resolver problemas de optimización. Ambos algoritmos son fáciles de usar, mantienen una vi estructura simple y poseen propiedades aceptables de convergencia, así como de robustez. El detector genérico utiliza la codificación de los tres puntos en el caso de los círculos y de cinco puntos de borde en el caso de las elipses, como individuos que emulan candidatos en la imagen del borde del frotis. Una función objetivo evalúa si estos círculos o elipses candidatos se encuentran realmente presentes en la imagen de bordes. Guiado por los valores de esa función, el conjunto de candidatos codificados (individuos) se desarrolla utilizando ambos algoritmos según sea el caso, para que puedan encajar en las células blancas de la sangre presentes en la imagen. Los resultados experimentales de imágenes de células sanguíneas blancas con un rango variable de complejidad se incluyen, para validar la eficacia de la técnica propuesta en términos de precisión, velocidad y robustez. vii ABSTRACT Image analysis of microscopic leukocytes is a powerful diagnostic tool in medical fields that could reduce the effects of human error and improve the diagnosis accuracy, saving manpower and time. However, a current challenge is to accurately detect leukocyte populations due to the changing features that can be extracted from smear images. Therefore, the automatic detection of white blood cells (WBCs) still remains an unsolved issue in blood cell image detection. On the other hand, geometrical primitive’s detection in digital images has been considered as an important and complex task for the computer vision community that has devoted a tremendous amount of research on seeking for an optimal detector. Since white blood cells can be approximated by a circular or an ellipsoid form, several detection algorithms may be applied to actually recognize and mark such cells. This work presents an algorithm for the automatic detection of white blood cells embedded into complicated and cluttered smear images that considers the complete process as a multi-circle or multi-ellipse detection problem. The approach is first based on the Electromagnetism-like Optimization algorithm which is an evolutionary method for solving complex optimization problems. In the second case, is based on the Differential Evolution (DE) algorithm, which is also an effective evolutionary method for solving complex optimization problems. Both algorithms are easy to use, keep a simple structure and hold acceptable convergence properties and robustness. The detector uses the encoding of three edge points in the case of circle and five edge points in the case of ellipse, as individuals viii which emulate candidate circles/ellipses in the edge image of the smear. An objective function evaluates if these candidates are really present in the edge image. Guided by the values of such function, the set of encoded candidates (individuals) are evolved using the EMO/DE algorithm so that they can fit into the white blood cells enclosed within the edge-only map of the image. Experimental results from white blood cell images with a varying range of complexity are included to validate the efficiency of the proposed technique in terms of accuracy, speed, and robustness. ix CONTENIDO Página AGRADECIMIENTOS ................................................................................................................... v RESUMEN ................................................................................................................................vi-vii ABSTRACT .............................................................................................................................viii-ix LISTA DE TABLAS ............................................................................................................... xiv-xv LISTA DE FIGURAS . .......................................................................................................... xvi-xvii CAPÍTULO 1 1. INTRODUCCIÓN ......................................................................................................... 1-10 1.1 Planteamiento del Problema ...................................................................................... 1-5 1.2 Objetivos ....................................................................................................................... 5 1.2.1 Objetivo General ........................................................................................... 5 1.2.2 Objetivos Particulares ................................................................................... 5 1.3 Antecedentes .............................................................................................................. 5-8 1.4 Descripción de Capítulos ......................................................................................... 8-10 CAPÍTULO 2 2. OPTIMIZACIÓN ....................................................................................................... 11-16 2.1 Optimización ......................................................................................................... 11-12 2.2 Optimización Heurística y Metaheurística............................................................. 12-13 2.3 Tipos de Optimización .......................................................................................... 14-15 x 2.4 Algoritmos de Optimización ................................................................................. 15-16 CAPÍTULO 3 3. IMÁGENES MÉDICAS ............................................................................................. 17-23 3.1 Imágenes Digitales del Frotis Sanguíneo............................................................... 17-23 CAPÍTULO 4 4. DETECCIÓN DE CÍRCULOS USANDO EL ALGORITMO DE OPTIMIZACIÓN ELECTROMAGNÉTICA ............................................................. 24-36 4.1 Algoritmo de Optimización Electromagnética ...................................................... 24-29 4.2 Pre-procesamiento de Datos ................................................................................. 29-30 4.3 Representación de un Individuo ........................................................................... 30-32 4.4 Función Objetivo .................................................................................................. 32-34 4.5 Implementación del Algoritmo de Optimización Electromagnética...................... 35-36 CAPÍTULO 5 5. ANÁLISIS DE IMÁGENES DEL FROTIS SANGUÍNEO MEDIANTE DETECCIÓN DE CÍRCULOS USANDO EL ALGORITMO DE OPTIMIZACIÓN ELECTROMAGNÉTICA .............................................................. 37-54 5.1 Detección de Células Blancas ................................................................................ 37-39 5.2 Ejemplo Numérico ................................................................................................ 39-41 5.3 Resultados Experimentales ................................................................................... 41-45 5.4 Comparación con Otros Métodos ......................................................................... 46-53 5.4.1 Comparación de Detección ................................................................... 46-47 xi 5.4.2 Comparación de Robustez .................................................................... 48-50 5.4.3 Comparación de Estabilidad ................................................................. 51-53 5.5 Conclusiones ............................................................................................................... 54 CAPÍTULO 6 6. DETECCIÓN DE ELIPSES USANDO EL ALGORITMO DE OPTIMIZACIÓN EVOLUCIÓN DIFERENCIAL .................................................... 55-69 6.1 Algoritmo de Optimización Evolución Diferencial .............................................. 55-59 6.2 Pre-procesamiento de Datos ...................................................................................... 59 6.3 Representación de un Individuo ........................................................................... 59-61 6.4 Función Objetivo .................................................................................................. 61-67 6.5 Implementación del Algoritmo Evolución DIferencial para la Detección de Elipses ............................................................................................................ 67-69 CAPÍTULO 7 7. ANÁLISIS DE IMÁGENES DEL FROTIS SANGUÍNEO MEDIANTE DETECCIÓN DE ELIPSES USANDO EL ALGORITMO DE OPTIMIZACIÓN EVOLUCIÓN DIFERENCIAL .................................................... 70-91 7.1 Detector de Células Blancas ....................................................................................... 70 7.2 Preprocesamiento de las Imágenes ....................................................................... 70-73 7.3 Detección de Elipses ............................................................................................. 73-74 7.4 Ejemplo Numérico ................................................................................................ 75-77 7.5 Resultados Experimentales ................................................................................... 77-79 7.6 Comparación con Otros Métodos ......................................................................... 80-90 7.4.1 Comparación de Detección ................................................................... 80-81 xii 7.4.2 Comparación de Robustez .................................................................... 82-85 7.4.3 Comparación de Estabilidad ................................................................. 85-90 7.5 Conclusiones ......................................................................................................... 90-91 REFERENCIAS........................................................................................................................ 92-97 xiii