CC BY
12
системы работы с персоналом в современной организации. Рассмотрен процесс обучения с точки зрения финансовых затрат и затрат времени. Проанализированы основные подходы для обеспечения стратегического преимущества в знаниях и инновациях, которые обеспечивают предприятию конкурентное преимущество. Выделена роль информационных технологий в процессе организационно-информационной поддержки процесса управления знаниями.
Ключевые слова: знания предприятия, элементы знаний, корпоративная культура, конкурентное преимущество, инновации, информационные технологии, управленческие задачи, рынок, управленческие задачи, источники знаний, домены знаний, типы знаний, классификация знаний.
Vovk Yu. Ya. The process of knowledge management of enterprise and its features
This paper deals with the management of knowledge. The analysis of different approaches to the interpretation of the process of knowledge management, its main components and features. Different styles of leadership organization. Ways of improving competitiveness. The features of work with the staff in a modern organization. The process of training in terms of costs and time-consuming. The main approaches for strategic advantage in knowledge and innovation, which provide the company a competitive advantage. Highlight the role of information technology in organizational and information support the process of knowledge management.
Keywords: knowledge of the enterprise, the elements of knowledge, corporate culture, competitive advantage, innovation, information technology, administrative tasks, market, management objectives, sources of knowledge, domain knowledge, types of knowledge, classification of knowledge.
УДК 004.932.2:616-006.04 Доц. О.М. Березький, д-р техн. наук -
Терноптьський НЕУ
ДОСЛ1ДЖЕННЯ ПОХИБКИ ПЕРЕТВОРЕННЯ КОНТУР1В БЮМЕДИЧНИХ ЗОБРАЖЕНЬ
Проведено аналiз характерних ознак пстолопчних i цитолопчних зображень i ав-томатизованих систем опрацювання бюмедичних зображень. Дослщжено складовi по-хибки перетворення типу "контур - контур" i здшснено !х оцшку. Проведено комп'ютерш експерименти визначення похибки перетворення контурш на прикладi цитолопчних зображень.
Ключовi слова: перетворення, цитолопчш зображення, похибка, контур.
Вступ. Растровi зображення, отримаш за допомогою будь-яко1 бюме-дично!' техшки, що використовуються для вiзуального та автоматизованого ана-лiзу в медициш та бюлогп назвемо бюмедичними зображеннями (БМЗ). Джере-лами породження БМЗ е: цифрова рентгенографiя [1], томография, рентгешвсь-ка комп'ютерна томография. Попередне оброблення таких зображень [2, 3] зав-жди включае функцií усунення шумш, глобальне i локальне вирiвнювання пс-тограми, пiдвищення рiзкостi. У працях авторш вiдображено методи, алгорит-ми, iнформацiйнi технологií та системи опрацювання БМЗ [4-10].
Свилова мжроскошя е одним iз методiв дослвдження цитологií i пстоло-гií. Пстолопчш i цитологiчнi зображення мають таю особливостг мала чггккть; мiстять мшрооб'екти, оточенi складним за геометричними й оптичними характеристиками фоном; перепади рiвнiв яскравостi об'ектiв такi ж, як i у фону, що 1х оточуе; залежно вiд мiри оптичного збiльшення зображень однi мшрооб'екти
видшяються краше, а шшГ втрачаються; мктять обласп з повторюваною структурою; стабшьнкть кольорово! палГтри для зображень зразюв, mi виготовлеш вщ ввдомих фарбнитв.
МГкрооб'ектами на пстолопчних зображеннях е зрГзи тканин певних ор-гашв [11]. Тканина складаеться Гз клгган округло! форми, розмщених шарами, розмГри яких становлять декшька м1крометр1в; найменшГ з них - ввд 0,5 до 1,2 мкм. Об'ектами на цитолопчних зображеннях е окремГ випадково розмщеш клггани.
Сукупшсть прийомш для юльюсно! ощнки параметрГв клгганних i тка-нинних структур на пстолопчних або цитологiчних препаратах (або !х зображеннях) називають морфометричними методами. Завдяки !х використанню виз-начають такi параметри: дiаметр, висоту, товщину, площу перетину, кiлькiсть мшрооб'екпв на одиницi плошi, !х форму та ш. При морфометрií мжрооб'ектш на гiстологiчних препаратах необхiдно враховувати, що параметри ощнювання вiдносяться не до тканинних компонентов, а до !х перетинiв на зрiзах. Для кшь-кiсного опису мiкрооб'ектiв на цитолопчних зображеннях використовують такi ознаки [12]: площа клiтини, площа ядра клггани, оптична шiльнiсть ядра ктти-ни за шкалою градацiй "срого", площа цитоплазми клiтини тощо.
Для яшсного опису мiкрооб'ектiв на цитолопчних зображеннях використовують таю ознаки [12]: границ цитоплазми (чит, нечит), локалiзацiя вакуолей (по периферп, бiля ядра), форма ядра (округла, овальна), контур ядра (рГв-ний, нерiвний), полiморфiзм ядер (слабо виражений, значний), нашарування ядер клiтин, наявнкть " голих" ядер (ядра клгган, що повнiстю втратили цитоплазму), структура хроматину (рiвномiрна, нерiвномiрна, дрГбнозерниста, грубозерниста), наявнiсть внутрiшньоядерних включень, вакуолей в ядрi, кiлькiсть ядерець (одиничш, множиннi), !х положения (центральне, ексцентричне).
Об'ектами на гiстологiчних зображеннях е зрiзи тканин певних оргашв [11]. Тканина складаеться iз клггин округло!' форми розмiшених шарами, розмь ри яких становлять ввд 0,5 до 3 мкм. Для аналiзу БМЗ використовують автома-тизованi системи опрацювання бiомедичних зображень (АСОБМЗ) [13]. Прог-рамне забезпечення сучасних АСОБМЗ мае у своему складГ таю процедури опрацювання БМЗ: попередне оброблення вхвдного зображення, обчислення ха-рактерних ознак, обчислення статистичних ознак, вишд iнформацií у вГзуально-му формата та забезпечуе взаемодiю з шшим програмними засобами, наприклад MS Word, MS Excel, MS Access, FoxPro тощо.
Важливою проблемою шд час аналiзу БМЗ е виявлення та дослiдження дiагностичних ознак, ят використовують для постановки дiагнозу. 1нформатив-ною ознакою у цьому процес е контурна функщя БМЗ, яка мктить iнформацiю про змшу стану мГкрооб'ектш та протiкання патологiчних процеав у них. У роботах дослвджено перетворення контурГв у афшному та тополопчному просторах [14, 15]. Проте залишились не вивченими похибки перетворення контурГв i !х складовi.
Тому актуальною задачею е дослiдження похибок перетворення типу "контур - контур" з метою здшснення перетворень зображень Гз заданою по-хибкою шд час аналГзу цитолопчних зображень.
Постановка задачг Нехай задано два зображення Im1 та Im2. Предста-вимо !х у виглядi Im1 = C1 u O1, Im2 = C2 u O2, де: C1, C2 - контури, а O1, O2 -внутрiшнi областi зображень. Контури C1, C2 e зв'язними та замкненими, тобто:
Ci ={Ci(x,, y. )|(x,, y) ® (xm, ); m e {i -1, i, i +1}, n e {j -1, j, j +1}, i, j = Ц x = хг, y = y } ; (1) C2 = {C2 (x,., yj) | (x,.,yj) ® (Xm, Jn); m e {i -1,i, i +1},n e {j -1, j, j +1},i, j = Ü, x = x¿,У1 = y¿} . (2)
Згiдно з теоремою Жордана [16], для замкнених областей iснуe перетво-рення T, тобто C2 = T(C1). Задаемо похибку перетворення eT, з якою необхiдно здшснити перехiд вiд C1 до C2, тобто C2 = T(C), де T - щеальне перетворення. Оскiльки iдеальне перетворення невщоме мiж контурами C1 i C2, то будемо вiдшукувати перетворення мiж апроксимованими контурами Cí i C2. Тодi C2 » Tr(Cí), де Tr - реальне перетворення мiж Cí i C2. Тодi похибка перетворення дорiвнюe £t = C2 - Tr (C1). У метрищ Ь« похибка дорiвнюe eT = max{x, - X; y¡ - yí}, i = 1, N.
Необхiдно знайти похибку перетворення eT та ii складов^ Похибки перетворення типу "контур - контур". Апроксимуемо контури C1 i C2 за допомогою неперервних параметричних кривих Ca1 i Ca2, де Cai ={Cj(0,a),0e [0, T]}, i = 1,2, j = 1,5, де 5 - кшьюсть кусково знайдених кривих.
Параметр в задае положення точки на кривш C{6,a), а ae A задае кон-кретну криву в деякому класг
Неперервна параметрична крива апроксимована вiдрiзками кривих
u w
Cjqe,a), тобто Ca1 = UCj(e,a), Ca2 = UC/в,a), де u i w - кшьюсть апроксимо-j=1 j=1 ваних вiдрiзкiв першого i другого контурiв вiдповiдно.
Для кожно! криво! Ca вводимо величину: r¡(Ca1, Cí) - inf ¡(Ca1, Cí) <e1 та
aeA
¡(Ca2, C2) - inf ¡(Ca2, C2) <e2, де e1 i £2 похибки апроксимацп першо! i друго!
aeA
кривих. Тодi отримаемо функцй C1 ® п= /1(в), C2 ® r2 = /2(в).
Рис. 1. Функцй першого та другого KOHmypie Твердження. Верхня границя похибки перетворення мiж двома контурами C1 та
C2 дорiвнюe
£T =8c2 + Tr£Cl. (3)
Доведення.
За означенням похибка перетворення дорiвнюe £t = C2 - Tr(Q). Перетворення Tr [14] можна визначити так:
Тг(х, у) = ((х - а) + а2-Мх )1, (4)
^ Ь - ах )
де: х = Ь—— (х - ах) + а2 - абсциса, $п(х') - ордината. На рис. 2, 3 зображено
Ь - ах
сегмент першого контура, який апроксимований функщею $х(х) i сегмент другого контура, який апроксимований функщею фкх(х).
Рис. 2. Сегмент першого контура Рис. 3. Сегмент другого контура
Визначимо похибку eT через похибки складових. Вона дорiвнюe £T = £с2 + £TrC\ + Tr£Cl + £Tr£cx . ОсЮЛЬКи £Tr << £ i £Tr << £Cl , то вираз ДЛЯ £T ма-тиме вигляд £T = £Cl + Tr£Cl, що й треба було довести.
Наведемо алгоритм визначення похибки перетворення контурiв. Алгоритм визначення похибки перетворення типу "контур - контур".
1. Для двох заданих зображень Im1 i Im2, використавши алгоритм проходжен-ня контуром "Backwand contour tracing" [17], отримуемо контури, тобто множини точок C i C2, яю без розривiв товщиною в один тксель пред-ставляють зовнiшнi границ зображень.
2. В отриманих зв'язних контурах C1 i C2 (C1 ® r(ß), C2 ® r2{&)) видiлимо ха-рактернi точки на основi таких критерй'в: а) змiни знаку кутових коефь цiентiв сусiднiх елементарних вiдрiзкiв; б) максимального значення коефь щента середньо1 кривизни на промiжку випуклост або вгнутостi; в) грани-щ змiни кута мiж елементарними вiдрiзками, тобто отримаемо незв,язнi контури C1, C2, для яких не виконуються умови (1) i (2).
3. Для знайдених двох масивiв контурiв C1, C2, де Cl ={Clo,C11,...,Cln), c2 ={c20, c21,..., c2m), проводимо апроксимацiю з використанням сплайно-вого наближення кривими ra = r(0,a), ве [0, T], де T = 2p - перюд обходу функцп. Параметр в задае положення точки r(ß, a) на кривш, а вектор па-раметрiв ae A визначае конкретну криву у клас полiномiальних функцiй.
n
Наближення вщшукуемо у виглядi Р(в) = ^ авi, i < 3, тобто обмежуемо-
i=0
ся полшомами не бтьше третього степеня. Для всiх точок ве [0,T] повинна ви-конуватися умова |r(e) - Р(в)| < £.
Для кожного контура t{, r необхiдно знайти ктьюсть сегментiв при за-данiй похибщ апроксимацп
r = U {(в, ^авв в} е [0,2p] 1, де ац, в} е R, n < 3.
m f n Л
Г = U |(0 11 ач0)\0 & , Де ач , ej & R, n < 3.
Для кожного контура Г, r похибка апроксимацп* дорiвнюe: \т{{в) - P{0)\ < e1 та |г2(0) - P(0)| < e2 i вiдповiдно отримуемо pi3Hy кiлькiсть сегмен-TiB l i m .
Для проведення перетворення контypiв необхiдно, щоб l = m. Кiлькiсть сегменлв на контypi зростае, в якого похибка апроксимацп бтьша.
4. У випадку, коли e1 + e2 > eT необхiдно зменшити похибки апроксимацп
KOHTypiB.
Якщо e1 >e2, то збтьшуемо кiлькiсть апроксимуючих кривих контура Ci i коли e1 <e2, аналопчш дiï проводимо для C2.
5. Здiйснюeмо перетворення сегменлв контуру Ci у вiдповiднi сегменти контуру C2 на основi формули (4).
6. Похибку перетворення знаходимо, використовуючи вираз (3).
Експериментальш дослщження. Для тестування запропонованих алго-
pитмiв було розроблене програмне забезпечення в сеpедовищi Borland Delphi 7.°. Як тестову вибipкy було обрано бшьше 1°° цитологiчних зображень з мш-рооб'ектами piзноï форми. Для проведення процесу перетворення двох мкро-об'екпв, необхiдно виконати опеpацiï попереднього оброблення. На першому етапi проводимо сегментацш вхiдного зображення за допомогою алгоритму на основi попеpеднiх розмггок. На другому етапi, використавши алгоритм прохо-дження контуром "Backwand contour tracing" [17], отримуемо контури видше-них мiкpооб,eктiв. Приклад вхiдного зображення тсля попереднього оброблення та вндтених мiкpооб,eктiв наведено на рис. 4.
Рис. 4. Видтеш мтрооб'екти
Для проведення апроксимацп знаходимо масив характерних точок, на основi якого проводимо наближення контурно'1 фyнкцiï кривими першого, другого та третього поpядкiв з урахуванням максимально допустимо'1 похибки ап-pоксимацiï. Якщо похибка окремого апроксимуючого вiдpiзка бiльша за допус-тиму, то ця частина контуру розбиваеться на двi однаковi частини i проводиться повторна спроба апроксимацп. Якщо похибка окремих апроксимуючих вщ-piзкiв менша за задане експертом значення, то пpиpiвнюeмо кiлькiсть апроксимуючих вiдpiзкiв для двох мкрооб'еклв. На останньому етат, на основi отри-маних апроксимуючих вiдpiзкiв, знаходимо коефiцieнти перетворення типу "контур - контур".
На рис. 5 вщображено приклад апроксимацií фуикцп двох контурiв мж-рооб,eктiв, а також приклад порiвняння результатiв проведеного перетворення.
Рис. 5. Апроксимащя контурiв та похибка перетворення типу "контур - контур "
На рис. 5 показано, що максимальна похибка перетворення буде тод^ коли похибки вщповщних апроксимуючих вiдрiзкiв е максимальними. У таблицi наведено результати експериментальних дослiджень вибiрки зображень, похибки перетворення в яких були максимальними.
Табл. Похибки перетворення типу "контур - контур "_
Номер ек-сперименту
Макс. похибка першо! криво!' (п1ксел)
Макс. похибка друго!' криво!' (п1ксел)
Макс. похибка перетворення (шксел)
1
11
30
27
2
9
10
9
14
20
18
19
15
15
13
15
15
21
30
27
12
10
11
3
3
9
8
4
5
6
7
8
9
8
9
8
Висновки. Для розробленого методу перетворення типу "контур - контур" здшснили ощнку похибки перетворення контурiв. Похибка перетворення типу "контур - контур" складаеться з похибки апроксимацп другого контура та похибки апроксимацп першого контура помноженого та функщю перетворення контурiв. Розробили алгоритм ощнки похибки перетворення контурiв i провели комп'ютерний експеримент на прикладi цитологiчних зображень, який показав,
що похибка перетворення типу "контур - контур" пропорцшно залежить вiд по-хибок апроксимацй' функцп контурш зображень.
Лггература
1. Физика визуализации изображений в медицине : пер. с англ. - В 2 т. - Т. 1 / под ред. С. Уэбба. - М. : Изд-во "Мир", 1991. - 408 с.
2. Афанасьев Ю.И. Гистология, цитология и эмбриология / Ю.И. Афанасьев, Н.А. Юрина, Е.Ф. Котовский и др. - М. : Изд-во "Медицина", 2003. - 737 с.
3. Pratt W. Digital image processing: PIKS Scientific inside, 4th ed / William K. Pratt. - USA: John Wiley & Sons, 2007. - 782 p.
4. Абламейко С.В. Медицинские информационные технологии и системы / В.В. Анищен-ко, В.А. Лапицкий, А.В. Тузиков. - Минск : ОИПИ НАН Беларуси, 2007. - 176 с.
5. Абламейко С.В. Обработка оптических изображений клеточных структур в медицине / С.В. Абламейко, А.М. Недзьведь; Объед. ин-т проблем информатики. - Минск : : ОИПИ НАН Беларуси, 2005. - 156 с.
6. Ахметшин А.М. Повышение чувствительности ультразвуковой диагностики на основе псевдоэллипсометрических параметров аналитических импульсных характеристик / А.М. Ах-метшин, А. А. Степаненко // Автоматика. Автоматизация. Электротехнические комплексы и системы. - 2005. - № 1 (15). - С. 90-95.
7. Кожем'яко В.П. Оптико-електронш методи i засоби для оброблення та аналiзу бго-ме-дичних зображень / В.П. Кожем'яко, С.В. Павлов, К.1. Станчук. - 2006. - 203 с.
8. Недзьведь А.М. Современные возможности обработки изображений при морфологическом исследовании карцином щитовидной железы / А.М. Недзьведь, М.В. Фридман, В.Е. Папок // Медицинские новости : науч.-практ. информац.-аналит. журнал для врачей и руководителей здравоохранения - 2006. - № 12. - С. 115-119.
9. Скобцов Ю.А. Моделирование и визуализация поведения потоков крови при патологических процессах / Ю.А. Скобцов, Ю.В. Родин, В.С. Оверко. - Донецк : ИПММ НАНУ, Изд-во Заславский, 2008. - 212 с.
10. Тузиков А.В. Построение поверхностных и объемных моделей объектов медицинских изображений / Снежко Эдуард Витальевич, Тузиков Александр Васильевич // Таврический Вестник информатики и математики -2006. - № 1. - С. 91-96.
11. Автандилов Г.Г. Медицинская морфометрия. Руководство. / Г.Г. Автандилов. - М. : Изд-во "Медицина", 1990. - 384 с.
12. Автандилов Г.Г. Основы количественной паталлогической анатомии / Г.Г. Автандилов. - М. : Изд-во "Медицина", 2002. - 238 с.
13. Егорова О.В. Компьютерная микроскопия / О.В. Егорова, Е.И. Клыкова, В.Г. Пантелеев. - М. : Вид-во "Техносфера", 2005. - 300 с.
14. Березский О.Н. Топологические методы и алгоритмы преобразования контуров и областей плоских изображений / О.Н. Березский // Проблемы управления и информатики. - 2010. -№ 5. - С. 123-131.
15. Березький О.М. Методи та алгоритми перетворення контуров зображень в афшному простер // Вгсник Нащонального университету "Львгвська полгтехшка". - Сер.: Комп'ютернг науки та шформацшш технологи. - Львгв : Вид-во НУ "Львгвська полгтехшка". - 2009. - № 638. -С. 185-189.
16. Косневски Ч. Начальный курс алгебраической топологии / Ч. Косневски. - М. : Изд-во "Мир", 1983. - 304 с.
17. Березький О.М. Алгоритм проходження контуром об'екта з використанням зворотного ходу / О.М. Березький, Ю.М. Батько // Штучний гнтелект : наук.-теорет. журнал. - 2009. - № 3. -С. 116-122.
Березский О.Н. Исследование погрешности преобразования контуров биомедицинских изображений
Проведен анализ характерных признаков гистологических и цитологических изображений и автоматизированных систем обработки биомедических изображений. Исследованы составляющие погрешности преобразования типа "контур - контур" и осуществлена их оценка. Проведены компьютерные эксперименты определения погрешности преобразования контуров на примере цитологических изображений.
Ключевые слова: преобразование, цитологические изображения, погрешность, контур.
Berezsky O.N. Research error of biomedical image contours transformation
The analysis of histological and cytological image characteristic features and automated systems of biomedical image processing is carried out. The errors components of "contour -contour" transformation are analysed and their estimation is carried out. The computer experiments of contours transformation errors are conducted on the example of cytological image.
Keywords: transformation, cytological image, error, contour.
УДК 004.4 Доц. В.В. Яцишин1, канд. техн. наук доц. О.Г. Харченко2,
канд. техн. наук; проф. О.А. Пастух1, д-р техн. наук; асист. 1.О. БоднарчуК
МЕТОД ЗАБЕЗПЕЧЕННЯ ЯКОСТ1 ПРОГРАМНИХ СИСТЕМ НА РАНН1Х СТАД1ЯХ ЖИТТ6ВОГО ЦИКЛУ
Розглянуто метод забезпечення якост вимог, що е одним з аспекпв управлшня та забезпечення якост програмних систем. На осж^ теоретико-множинних нотацш проведено формшшащю вимог якост до програмного забезпечення, проан^зовано крите-ри якостi вимог та запропоновано способи i методи ix штеграцп у процес розробки ПЗ. Розроблено алгоритм збирання i класифжацп вимог якосп, процедуру побудови вимог до програмних систем на основi моделей якост стандарту ISO 25010, що дало змогу застосувати метод комушкаци вимог якост на стадiях життевого циклу.
Ключовi слова: яюсть вимог, яюсть програмного забезпечення, критерп якостi вимог, управлшня яюстю програмного забезпечення.
Вступ. Актуальнiсть. Сучасне програмне забезпечення характеризуемся високою функцiональною жегрованктю, мобiльнiстю, кросплатфор-мнiстю та орiентацiею на широке коло користувачiв. Тому важливим i одним з основних аспектiв розробки будь-якого програмного забезпечення е гаранту-вання якостi кшцевого продукту. Саме якiсть продукту безпосередньо впливае на його конкурентоспроможнiсть та можливкть масового використання.
Як показують дослiдження [1, 2], якiсть програмних продукпв зали-шаеться не надто високою. Основними негативними факторами впливу на якiсть кiнцевого продукту е слабка формалiзацiя вимог якостi, вщсутнкть мето-дiв та процедур ix комунiкацií на стадiях життевого циклу, а також термшоло-гiчнi розбiжностi мiж замовниками та розробниками ПЗ. Для швелювання негативного впливу, наведених вище факторiв на яюсть юнцевого програмного продукту, необхiдно вирiшити низку проблем, пов'язаних з штерпретащею вимог до ПЗ та штегращею процесу управлiння вимогами на стадiях життевого циклу.
Продукто-орiентованi та процесо-оркнтоват пiдходи до розробки програмного забезпечення не гарантують якосп продукту, оскшьки iснують потен-цшш ризики перевищення планово1 вартостi та часу виконання проекту. Це пов'язано з недосконалктю методов контролю та управлшня якктю ПЗ на стадь ях проектування або ж оркнтащею лише на якiсть виконання процеав життево-
1 Тернопiльський НТУ iM. 1вана Пулюя;
2 Нацiональний ашацшний унгверситет, м. Кшв
