Перевозник Алексей Олегович

Тема магистерской работы: "Разработка специализированной компьютерной системы диагностики заболеваний тазобедренных суставов".

Руководитель: доц., к.т.н. Адамов В.Г.

Автореферат магистерской работы

    На современном этапе развития информационных технологий появилась возможность разработки программного обеспечения для различных медицинский учреждений. Современные программные пакеты позволяют максимально быстро и довольно точно постановить диагноз пациенту, что значительно ускоряет и улучшает работу врачей.

   Данная работа посвящена разработке программного обеспечения для диагностики заболеваний костей тазового пояса и тазобедренного сустава.

    Цель работы заключается в обработке оцифрованных рентгеновских снимков тазобедренного сустава.

    При решении поставленной задачи необходимо выполнить следующие этапы:
     1. Улучшение качества изображения (увеличение контраста, фильтрация и т.д.).
     2. Определение контура объекта (костей).
     3. Выделение из полученного контура участков, необходимых для расчёта того или иного параметра.
     4. Определение уравнений линий (парабол) на каждом найденном участке контура.
     5. Выполнение геометрических построений и определение заданного параметра.

    В качестве примера может служить медицинский компьютеризированный комплекс анализа изображений "ДиаМорф", применяемый в лечебных учреждениях и научных институтах. Специализированные комплексы "ДиаМорф" обеспечивают автоматический ввод микроскопических изображений, выделение объектов снимка (клеток, ядер, участков разной окраски или яркости). Предусмотрен развитый инструментарий для проведения измерений на снимке: линейные размеры, периметр, площадь, оптические параметры, положение объектов. Статистическая подсистема проводит математическую обработку результатов измерений с автоматическим построением широкого набора гистограмм, графиков, таблиц.
    Программное обеспечение комплекса в автоматическом режиме осуществляет следующие функции количественного и качественного анализа изображения:
    По группе объектов: количество объектов, суммарный периметр, суммарная площадь, суммарная интегральная оптическая плотность.
    По каждому объекту: периметр, площадь, фактор формы, диаметр круга, равного по площади, минимальный диаметр, максимальный диаметр, величины проекций на оси, координаты "центра масс", угол между направлением максимального диаметра и осью абсцисс, цвет (на полноцветном/полутоновом изображении), среднее значение интенсивности и его СКО (среднеквадратическое отклонение), средняя оптическая плотность и ее СКО, среднее значение оптического пропускания и его СКО, интегральная оптическая плотность.
    Ввод и специализированная обработка рентгенограмм, морфологических изображений, мазков с целью повышения диагностической значимости исследований, объективизации оценок, а также для архивации и ведения базы данных.

4. Теоретический анализ

    Оценка пространственного положения таза в трех плоскостях допустима только на рентгенограммах, выполненных при строго правильной укладке. Критерием нормы пространственного положения таза во фронтальной плоскости служит пересечение под углом 90° продольной оси позвоночника и двух линий, из которых одна проведена касательно к обоим подвздошным гребням, вторая — касательно к нижней поверхности обоих седалищных бугров. Ориентироваться только на одну какую-либо из полседних двух линий нельзя, так как косое ее положение по отношению к продольной оси позвоночника может быть следствием не только перекоса таза, но и различия вертикального размера правой и левой тазовых костей. Рентгенологическим показателем нормального положения таза в горизонтальной плоскости является расположение лобкового симфиза на продолжении продольной оси крестца и равенство поперечных размеров крыльев подвздошных костей (только при условии достоверно правильной укладки таза при выполнении рентгенограммы!). Особенности положения таза в сагиттальной плоскости определяются на основании анализа формы и размеров запирательных отверстий. Кроме того, анализируются: форма, размеры, контуры и структура костей таза; форма, размеры и контуры входа в малый таз; анатомические соотношения в лобковом симфизе. Критерием правильности этих соотношений является расположение на одном уровне нижних краев симфизеальных поверхностей обеих лобковых костей.

    Пространственное положение входа в вертлужную впадину во фронтальной плоскости характеризуется величиной угла, образующегося при пересечении линии, проведенной касательно ко входу в вертлужную впадину, и линии, соединяющей нижние полюса обеих фигур слезы. Нормативные значения этого угла 50-55°. Особого внимания заслуживает анализ пространственного положения, протяженности и состояния контуров крыши вертлужной впадины. Пространственное положение крыши впадины характеризуется величиной угла, образующегося при пересечении линии, касательной к контуру крыши и линии, соединяющей верхние края фигур слезы. Нормативные значения этого угла 10-12°. При анализе оцениваются толщина и контуры дна вертлужной впадины, структура и контуры ее краев. Пространственное положение проксимального конца бедренной кости характеризуется в основном во фронтальной плоскости и по косвенным ориентирам — в горизонтальной. Показателем положения проксимального конца бедренной кости во фронтальной плоскости служит величина шеечно-диафизарного угла, равная в норме 125-130°, косвенным показателем положения в горизонтальной плоскости — степень выступания малого вертела за медиальный контур тела бедренной кости. Кроме того, при анализе оцениваются форма, размеры, контуры и структура головки шейки и вертелов бедренной кости, а также анатомические соотношения в тазобедренном суставе во фронтальной плоскости. Для определения этих соотношений у взрослых используется линия Шентона, проведенная касательно к нижней поверхности верхней ветви лобковой кости и медиальной поверхности шейки бедренной кости. В норме она имеет плавно-дугообразный характер. Уступообразная ее деформация указывает на нарушение анатомических соотношений в суставе. На рентгенограмме, произведенной в аксиальной проекции (или крестцово-вертлужной), возможна оценка значительно меньшего числа показателей анатомического строения тазобедренного сустава. К ним относятся: форма, размеры, контуры и структура проксимального конца бедренной кости и седалищного бугра; проекционные углы антеверсии (поворота вперед) шейки бедренной кости и фронтальной инклинации вертлужной впадины (угол поворота ее тоже вперед), используемые для получения истинных значений этих углов; протяженность переднего края вертлужной впадины. Характеристика возрастной нормальной рентгеноанатомии излагается одновременно применительно к костям таза и к тазобедренному суставу.

    Для нахождения уравнений линий, характерных точек на изображении, а затем и необходимых для постановки диагноза углов использовался метод корреляционно-регрессионного анализа. Данный метод позволяет довольно точно рассчитать уравнения линий и парабол по конечному набору точек изображения, положение которых определяется координатами X и Y.

    Слабый контраст — наиболее распространенный дефект фотографических, сканерных и телевизионных изображений, обусловленный ограниченностью диапазона воспроизводимых яркостей. Под контрастом обычно понимают разность максимального и минимального значений яркости. Путем цифровой обработки контраст можно повысить, изменяя яркость каждого элемента изображения и увеличивая диапазон яркостей. Для этого разработано несколько методов.
    Можно улучшить контраст, используя нормализацию гистограммы. При этом на весь максимальный интервал уровней яркости [0, 255] растягивается не вся гистограмма, лежащая в пределах от fмин до fмакс, а её наиболее интенсивный участок (fмин', fмакс'), из рассмотрения исключаются малоинформативные "хвосты".
    Целью выравнивания гистограммы (эту процедуру называют также линеаризацией и эквализацией equalization) является такое преобразование, чтобы, в идеале, все уровни яркости приобрели бы одинаковую частоту, а гистограмма яркостей отвечала бы равномерному закону распределения.

    Реальные изображения наряду с полезной информацией содержат различные помехи. Источниками помех являются собственные шумы фотоприемных устройств, зернистость фотоматериалов, шумы каналов связи. Наконец, возможны геометрические искажения, изображение может быть расфокусировано.
    При обработке растровых изображений, которые состоят из отдельных пикселов, интегрирование заменено суммированием. Проще всего реализовать ФРТ конечных размеров в виде прямоугольной матрицы форматом N N. N может быть равным 3, 5, 7 и т.д.
    Для устранения эффекта размывания контуров при подавлении шума следует переходить к нелинейной обработке. Примером нелинейного фильтра для подавления шума служит медианный фильтр. При медианной фильтрации (i,j)-му пикселу присваивается медианное значение яркости, т.е. такое значение, частота которого равна 0,5.

    Один из новейших алгоритмов детектора границ был разработан авторами из оборонного исследовательского агентства Великобритании в 1995 году и опубликован в 1996. Его название - SUSAN представляет собой аббревиатуру английских слов Smallest Univalue Segment Assimilating Nucleus (наименьший однородный сегмент, ассимилируемый ядром).
    Smith & Brady обратили внимание на то, что соседи каждой точки в однородной области имеют близкую к ней яркость, а вблизи границы число соседей с одинаковой яркостью уменьшается. В соответствии с такой трактовкой границы и был разработан алгоритм детектора границ SUSAN. Кроме границ этот метод обнаруживает и другие особенности на изображении (углы, тонкие линии и т.п.).
    Вокруг каждого пиксела изображения строится маска, центральный пиксел которой называется ядром. Пикселы в пределах маски, имеющие сравнимую с ядром яркость, образуют область USAN (Univalue Segment Assimilating Nucleus — однородный сегмент, ассимилируемый ядром). Для обнаружения двумерных особенностей и границ используются размер, центр тяжести и вторые моменты USAN. Такой подход обнаружения особенностей отличается от известных методов тем, что не использует производных изображения и, следовательно, нет необходимости в предварительном подавлении шума.
    Площадь USAN максимальна, когда ядро находится в однородной (или почти однородной) области изображения, она уменьшается до половины этого максимума вблизи прямой границы и уменьшается еще больше вблизи угла и достигает локальных минимумов точно на границе и в углах. Это свойство площади USAN используется как главный критерий присутствия границ и двумерных особенностей.
    Яркость каждого пиксела в пределах маски сравнивается с яркостью ядра (средней точки) согласно выражению:

    Распознавание (сегментация) изображений - один из главных компонентов многих систем компьютерного зрения. Любая такая система должна выделить область изображения, связанную с объектом, перед выполнением измерений свойств этого объекта, таких как размер, форма, положение, ориентация и т.п.

    Часто для моделирования всего лица или его элементов (глаз, губ и т.п.) в задачах распознавания лиц и визуального распознавания используются деформируемые шаблоны. Эти шаблоны имеют определенные структурные характеристики. Например, голова представляется эллипсом, а губы четырьмя параболами. Для шаблона записывается функция энергии, которая часто является просто суммой энергии, связанной с изображением, и внутренней энергии шаблона:

    В ходе выполнения магистерской работы была создана программа, с помощью которой пользователь может определить следующие показатели анатомического строения костей тазобедренного сустава:
       а) ацетабулярный угол;
       б) шеечно-диафизарный угол;
       в) угол Виберга;
       г) угол вертикального соответствия.

    В дальнейшем я планирую полностью автоматизировать процесс определения контура костей, необходимых участков и параметров, а также постановку диагноза.
    Надеюсь, что моя работа ускорит и облегчит работу врачей, а также положит начало другим исследованиям и разработкам в области травматологии.

7. Список использованной литературы

    1. Рейнберг С. А. Рентгенодиагностика заболеваний костей и суставов. М., 1964. С. 252-269.
    2. Махно С.Я. Конспект лекций по дисциплине "Теория вероятностей и математической статистики". ДонНТУ, 2002 г.
    3. Скобцов Ю.А. Конспект лекций по дисциплине “Обработка сигналов и изображений”. ДонНТУ, 2003 г.
    4. Прэтт У.К. Цифровая обработка изображений (М.: Мир, 1982, 2 т.).
    5. Хуанг Т.С. Обработка изображений и цифровая фильтрация (М.: Мир, 1979).
    6. В.А. Сойфер. Компьютерная обработка изображений. Часть 1. Математические модели. Самарский государственный аэрокосмический университет.Просмотр (необходим Acrobat Reader)
    7. В.А. Сойфер. Компьютерная обработка изображений. Часть 2. Методы и алгоритмы. Самарский государственный аэрокосмический университет.Просмотр (необходим Acrobat Reader)

Содержание:
Актуальность Перечень решаемых задач Обзор существующих разработок Тазовый пояс Тазобедренный сустав Корреляционно-регрессионный анализ Уравнение линейной регрессии Уравнение квадратичной регрессии Улучшение контраста Фильтрация изображений Обнаружение границ на изображениях. Алгоритм SUSAN Распознавание изображения. Деформируемые шаблоны Обзор основных результатов Перспективы исследований Список использованной литературы