3D векторный анализ 2D ультразвуковых диагностических изображений

Юрий Юрьевич, не совсем понятно, сколько здесь новаторских идей? Одна или две? Если я правильно правильно уловил Вашу задумку, речь идёт о создании какого-то аналога компьютерной системы распознавания лиц, только вместо лиц распознаются заболевания. Так? Но тогда при чём здесь 3D анализ 2D изображений? Непонятно. Неужели нельзя создать большую базу рефренсных 2D сонограмм (как атлас заболеваний) и, просто, сравнивать с ними 2D-сонограммы обследуемого пациента? Но только сравнивать будут не сами врачи, а тот Ваш "суперкомпьютер". И он же потом предложит наиболее возможную нозологию. Без всяких "векторов". Или я неправильно понимаю Ваш замысел?

Валерий Васильевич, Да, в этих 2х видео речь о нескольких модификациях алгоритма компьютерного зрения. Данный алгоритм отличается от алгоритмов распознавания лиц, которые заточены именно под распознавание лиц, тем что он универсален и может быть применен для распознавания любых объектов на 2х мерных изображениях. Алгоритм основан на распознавании массива векторов полученных из изображения образца, из которых строится 3D весовая модель, т.е. определятся вес каждого пикселя полученного при наложении массива совпавших векторов на карту изображения, в котором производится поиск изображений сходных с изображением образца, с расчетом процента совпадения и др. статистических показателей. Т.е. есть возможность не только сказать, что изображения похожи, но и насколько именно. Примеры работы модификаций этого алгоритма в форме поиска по базе данных изображений по образцу и даже в форме создания классификации изображений в базе данных изображений показаны во 2м видео.

Подробнее про данный алгоритм вы можете прочитать - https://www.uzgraph.ru/cad/5/554/klassifikator-na-osnove-3d-vektornogo-analizaprodolzhenie-i-pois.htm

Спасибо, интересно.

Для получения параметров одного вектора достаточно одного статичного 2D изображения? Или нужна серия "веерных" 2D изображений? Или нужно что-то другое?

Из одного изображения образца берутся тысячи векторов...

Это чем-то напоминает настольную игру пазл, когда из фрагментов изображения нужно собрать изображение. Только тут эти "пазлы" ищутся на других изображениях.

В геометрии, любой "вектор" имеет две характеристики: величину и направление. А что представляет собой Ваш "компьютерный вектор"? Он тоже имеет величину и направление? Или "компьютерный вектор" похож на "геометрический вектор" только названием, а по сути, он не имеет с "геометрическим вектором" ничего общего? Тогда что это такое - "компьютерный вектор"?

Ну, это понятно. Но я не совсем понимаю, что представляет из себя "вектор".

Может, этот "компьютерный вектор" - это пиксель, имеющий две характеристики: место и величину? Я угадал? Тогда, в принципе, все остальное понятно. Удачи в реализации замысла!

Это не замысел, а работающий алгоритм. Глубокая детализация алгоритма в рамках его презентации не имеет смысла, т.к. это не лекция о том, как делать такие алгоритмы, достаточно принципа, который я уже объяснил.

Принцип понятен. А глубокая детализация программного алгоритма, в рамках этого форума, действительно, не имеет смысла. Мало кто будет её читать. Я - уж точно не буду. В общем, удачи!

Какой же я бестолковый! Наконец-то понял разницу между тем, как сравнивают изображения люди (врачи) и тем, как сравнивает изображения машина. Мы сравниваем изображения по аналоговому принципу. А машина - по цифровому принципу. Проще говоря, мы пиксели не выделяем и не квантифицируем, а ищем общее визуальное сходство картинок (то есть, аналогию). А машина квантифицирует пиксели, то есть, определяет их вес (после чего их можно уже называть векторами), и сопоставляет их цифровые величины. По карте, естественно. Если совпадений много - это и будет диагноз. Теперь понятно.

Машина, в данном случае компьютер, делает то, на что её запрограммирует человек, у компьютерного зрения есть много вариантов, в последнее время наибольшую популярность приобрели сверточные нейронные сети, которые по сути "черный ящик", т.е. принцип принятия ими решения фактически не известен, об этом можно только гадать. Данный открытый алгоритм полная противоположность нейронным сетям, он открыт, предсказуем, понятен и поэтому легко корректируется. Подробнее об этом можно почитать - https://www.uzgraph.ru/cad/5/470/3d-vektornyy-analiz-2d-ultrazvukovyh-diagnosticheskih-izobrazhen.htm

Действительно, интересно... Кто-нибудь ещё разрабатывает подобные поисковики? Если да, то как далеко они продвинулись? Кому-нибудь удалось использовать подобный алгоритм в клинической практике?

Как я уже и написал ранее, у нас внедряют технологии компьютерного зрения на основе сверточных нейросетей( это не поисковики, как в представленной мною модификации моего алгоритма), в частности насколько мне известно этим активно занимался экс-директор центра диагностики и телемедицинских технологий ДЗМ С.Морозов - "«Нужны также инструменты анализа изображений. Мы очень много работаем в этом направлении: с компаниями-партнёрами и в пилотных проектах. Думаю, очень скоро мы увидим интересное развитие этой темы, когда начнётся массовое тестирование алгоритмов и их внедрение в практику», - отметил Сергей Морозов." - https://tele-med.ai/press-centr/novosti/sergej-morozov-it-specialisty-pomogayut-medicine-vstat-na-put-standartizacii К сожалению, мой алгоритм наткнулся на нашу научную бюрократию, у меня потребовали предоставить исходный код программы, я отказался (потому что дарить свой код бесплатно не планировал), после чего мне пожелали удачи с моим стартапом и помахали мне вслед рукой ...

Меня терзают смутные подозрения, что Вам бы пожелали удачи и помахали вслед рукой даже в том случае, если бы Вы предоставили свой код бесплатно. Или я ошибаюсь?

Это наиболее вероятный исход указанного варианта развития событий, а еще через какое-то время мог бы появиться такой же алгоритм, но уже от имени другого автора. Все эти варианты развития событий, с поправкой на заинтересованность западных инвесторов, в IT-сфере были хорошо представлены в комедийном сериале Silicon Valley (Силиконовая долина).

Только недавно я получил письмо от одного редактора западного журнала, профессора Принстонского университета, о том, что она прочитала мою работу - https://fruct.org/publications/acm21/files/Kol.pdf - и ей она очень понравилась и предложила опубликовать у них в журнале продолжение этой работы, конечно же на платной основе, но тем не менее приятно, хотя и не реально.

Этот редактор спрашивала, сотрудником какого российского университета я являюсь, а я ей объяснил, что я простой врач на зарплате около 300 USD в месяц...:)))

Да, не ценят у нас талантливых людей... Ни в материальном плане, ни в плане общественного признания...

Что-то я не уловил, кто должен платить за публикацию статьи в их журнале: Вы - им, или они - Вам? РS. Если Вам предлагают опубликовать Вашу статью с условием, что оплатите Вы - будьте осторожны, возможно, Вас хотят "раскрутить на бабки". РРS. Кстати, непонятно, что из себя представляет эта "FRUCT ASSOCIATION". Это респектабельная организация?

Как в РФ, так и на западе, за публикации, как и за доклады на конференциях, как правило, платит автор(ы), в случае западных публикаций суммы исчисляются в сотнях, а порой и тысячах евро/долларов. В респектабельности FRUCT вы можете убедиться по списку членов этой организации - https://fruct.org/fruct_members - где вы можете найти сотрудников некоторых известных компаний - Google, Nokia, а также университетов, в том числе Болонского университета.

Скорее наоборот, т.е. обратное от слова "ценить".

Да, список убедительный. Темы у них тоже серьёзные. Меня вначале смутило игривое название "FRUCT". Наверное, это аббревиатура. Больше не смущает:-)

А названия компаний Google или Apple вас не смущают? Названия организаций не столь важны, важно чем они занимаются.

В вопросах к докладу на указанной конференции прозвучал комментарий о том, что мой алгоритм чем-то напоминает технологию Random forest - https://ru.wikipedia.org/wiki/%D0%9C%D0%B5%D1%82%D0%BE%D0%B4_%D1%81%D0%BB%D1%83%D1%87%D0%B0%D0%B9%D0%BD%D0%BE%D0%B3%D0%BE_%D0%BB%D0%B5%D1%81%D0%B0 И это действительно так, т.к. мой алгоритм также использует комбинаторику, но на другом уровне.

Конечно, в том же ряду... Определённое ребячество в зрелом возрасте - это, вообще, характерная черта представителей физико-математической богемы. Достаточно вспомнить бестселлер "Физики продолжают шутить" и шутки академика Капицы типа "П Ослу и П Ослице от П Капицы", и т.п. Но программисты, в плане развязности (ой! я хотел сказать - в плане свободы самовыражения), даже физиков переплюнули.

Для кого-то, это, может быть и Случайный Лес (Random Forest), а для меня - Дремучий Лес. Я в программировании - дремучий невежда. Поэтому оценить по-достоинству Ваше изобретение я не в состоянии. Но, раз уж ведущие программисты считают Ваше изобретение интересным, то я рад за Ваш успех. Удачи Вам и терпения в реализации Ваших планов!

Спасибо за пожелания. Нет, мой алгоритм не использует метод Случайного леса, он внешне похож, моему алгоритму, как вы правильно сказали, больше подходит название Дремучий Лес (Deep Forest). )))

Спасибо, интересно, но непонятно ... . Память подсказывает, где-то уже подобное встречал... . Напоминает диалог за завтраком у И.Канта из известного романа М.А. Булгакова " Вы профессор, воля ваша, что-то нескладное придумали! Оно может, и умно, но больно непонятно. Над вами потешаться будут". Только пытливый ум Валерия Васильевича рискнул разобраться ... . Юрий Юрьевич, успехов Вам на тернистом пути познания! Всех Благ!

Спасибо за комментарий. Мы сейчас работаем с техникой, компьютерами и УЗ-сканерами на их основе, технические характеристики которой мы без технических знаний не в состоянии до конца понять и это нам не мешает с ней работать. Так же и здесь, алгоритмов по компьютерному зрению много, это один из них, как именно он работает не столь важно для пользователя, главное, что он может. Данный алгоритм может не только найти сходные изображения/фрагменты изображений на больших изображениях/"картах" с указанием их местоположения/координат, но и классифицировать изображения в базе данных. Фактически это алгоритм комьютерного зрения с поддержкой биг-дата/баз данных. Мною был также написан сходный алгоритм биг-дата на языке программирования Java, только не компьютерного зрения, для анализа баз данных МИС на основе кода Грея, который был представлен в другой публикации - https://remedium.ru/health/vozmozhnosti-primeneniya-binarnogo-koda-greya-dlya-analitiki-bolshikh-dannykh-mis-patsienty-s-sd-1-g/ Это всё будущее аналитики больших данных из баз данных, которое у нас в РФ пока никому не нужно.

Текст доклада на Национальном Суперкомпьютерном Форуме, 2018 http://2018.nscf.ru/TesisAll/06_Prikladnoe_PO/259_KolesnichenkoOY.pdf