На сегодняшний день бесплодие является актуальной проблемой, которая затрагивает около 10% супружеских пар. В настоящее время широкое распространение для лечения бесплодия получило применение экстракорпорального оплодотворения (ЭКО), больше известного как «ребенок из пробирки».

Для наступления беременности необходимы не только хорошие эмбрионы, но и хорошего качества полость матки, куда будут перенесены эмбрионы. Состояние полости матки можно оценить с помощью эндоскопического метода, рентгенологического метода исследования, допплерометрии и ультразвукового исследования (УЗИ). Ультразвуковой метод исследования пришел в медицину значительно позже рентгеновского, но развивался еще стремительнее и стал незаменимым благодаря своей простоте, отсутствию противопоказаний вследствие безвредности для пациента и большой информативности. За короткое время был пройден путь от серошкального сканирования до методик с цветным изображением и возможностью изучения сосудистого русла - допплерографии [1].

В данной магистерской работе планируется создание специализированной компьютерной системы (СКС), которая поможет врачу на полученном изображении УЗИ выявить участки патологии и поставить правильный диагноз.

1.1. Актуальность

Актуальность разработок в данном направлении не вызывает сомнения. Технологии УЗИ развиваются с каждым годом. Если раньше существовали только черно-белые ультразвуковые сканеры, то теперь есть цветные, которые позволяют получить более качественое изображение. Получив четкое изображение УЗИ, необходимо уметь правильно его оценить, т.е. "увидеть" на снимке патологию, если она существует. Разработанная СКС будет хорошим помощником для врача УЗИ.

Предполагается применение данной разработки в условиях Украинско-французского центра репродуктивных функций человека "Семь+Я" ("Семь+Я").

1.2. Цели и задачи работы.

Целью выполнения магистерской работы является создание специализированной компьютерной системы, которая будет обрабатывать изображение, полученное при исследовании и ставить предварительный диагноз. СКС должна быть легкой в использовании, чтобы врач, который обладает даже небольшими навыками работы с компьютером, мог ею пользоваться без затруднений.

Основной задачей, которая решается в работе, является обработка изображения УЗИ с использованием марковских моделей и постановка диагноза с помощью экспертной системы. СКС анализирует изображение, полученое с аппарата УЗИ Aloka SSD 3500. Это универсальный цветной диагностический сканер. Программное обеспечение СКС для обработки изображения разрабатывается на языке программирования Visual Basic 6.0.

1.3. Научная новизна и практическая ценность.

Несмотря на большое количество существующих компьютерных систем обработки изображений, системы для исследования изображения полости матки при подготовке к ЭКО не разработаны.

Созданная специализированная компьютерная система «ЭКО» обратит внимание врача на существующую патологию и поможет ему провести более правильное лечение и получить хорошие результаты при проведении лечения бесплодия методом ЭКО.

2. ОБЗОР ПО ТЕМЕ.

Обработка изображения УЗИ была темой магистерской работы многих магистров ДонНТУ ( Портал магистров ДонНТУ), например, Мартыненко Ю.С. "Обработка УЗИ эхограмм печени для диагностики гепатита", Полтава С. А."Разработка специализированной компьютерной системы для обработки текстуры УЗИ изображения на основе нейронных сетей".

Системы для обработки изображения полости матки магистрами ДонНТУ разработано не было. Марковские модели для обработки УЗИ изображения не использовались.

Рассмотрим существующие системы и технологии получения и улучшения качества изображения, полученного при УЗИ.

Nemio XG

Nemio XG - универсальная цветная ультразвуковая система с полностью цифровым формированием луча.

Реализованные в платформе Nemio XG новые технологии визуализации позволяют получать исключительно четкие изображения как в В-режиме, так и в допплеровских режимах. Nemio XG имеет ряд программ и модулей, которые до недавнего времени были только у ультразвуковых систем высокого класса: Advanced Dynamic Flow (ADF – улучшенный динамический поток), Tissue Doppler Imaging (TDI – тканевой допплер), Aplipure (высокотехнологичное сложное многолучевое сканирование в реальном времени), Contrast Harmonic Imaging (CHI – контрастная гармоника), Automatic Cardiac output Measurement (ACM - автоматическое измерение минутного сердечного выброса).

Платформа Nemio XG имеет модульную архитектуру, которая позволяет пользователю выбрать конфигурацию системы в зависимости от тех целей и задач, которые необходимо решать.

Блок цифрового непрерывного формирования луча (DCBF) обеспечивает высокое пространственное и контрастное разрешение. Модуль тканевой гармоники (THI) повышает контрастное разрешение, уменьшает артефакты в В-режиме. Модули 2-х канальной (PSP) и 4-х канальной (QSP) процессинговой обработки сигнала позволяют достигать более высокой частоты кадров, что особенно важно при кардиологических исследования, исследованиях в режиме тканевого допплера.

Система Nemio XG предлагает обширный пакет программ для исследований с контрастным усилением. Как в 2D- режиме, так и в режимах цветовой ангиографии и улучшенном динамическом потоке, контрастная гармоника (CHI) позволяет показать исключительно четко тканевую перфузию даже в небольшом участке миокарда или паренхиме органов. Усиление сигналов при использовании контрастного вещества значительно улучшает распознавание и оценку перфузии, с исключительно высокой чувствительностью даже при небольших объемах контраста. Измерение временного распределения контрастного вещества (TIC) показывает различия в интенсивности распределения контраста, показывающих поступление / вымывание контрастного вещества. Изменения отображаются в форме таблицы или графика, делая возможным количественный анализ.

Интегрированная система обработки данных, вместе с прикладным модулем программного обеспечения, обеспечивает всеобъемлющий диапазон процессинговых и расчетных опций для расширения диагностических возможностей. Возможность сетевого подключения и передача данных / отчета в стандарте DICOM 3.0 реализуется с помощью необходимых интерфейсов. Стандартная конфигурация позволяет получать одиночные изображения и видеоряд с отличным качеством и максимальным временным разрешением, последующим сохранением в DICOM формате. Для обмена данных имеются фильтры для передачи в формате Windows. Модуль управления данными позволяет связывать ультразвуковую систему Nemio XG с другими диагностическими системами и объединять их в общую сеть лечебного учреждения. Сервис DICOM включает сохранение данных, запрос / ответ, вывод на печать [2].

CLEAR VIEW

CLEAR VIEW–технология повышения качества изображения.

Преимущества применения ультразвука в медицинской диагностике общеизвестны: ультразвуковые сканеры, при сравнительно небольшой цене и размерах, позволяют получать изображения с высокой диагностической информативностью, оценивать динамические характеристики движущихся структур. Ультразвуковые обследования безвредны для пациента и врача, так как уровень излучаемой мощности ультразвука достаточно низкий. Известны также ограничения и недостатки метода ультразвуковой диагностики [1].

Одной из главных и трудноразрешимых до настоящего времени проблем, является спекл-шум, который значительно влияет на восприятие изображения и приводит к тому, что оно выглядит «зернистым». Именно по этой причине для ультразвуковой диагностики требуется специалист, обладающий большим опытом.

Спекл-шумы также затрудняют внедрение алгоритмов автоматической диагностики. Спекл-шум в ультразвуковых медицинских сканерах (как и во всех подобных системах с когерентным формированием изображения) вызван энергетическими помехами из-за беспорядочно распределенных отражателей, слишком малых для того, чтобы их могла отобразить система. Спекл-шум ухудшает пространственное и контрастное разрешение ультразвуковых изображений, и, таким образом, снижает их ценность для диагностики. Цель алгоритмов подавления спекл-шума – убрать отвлекающий внимание шум без понижения детализации или, другими словами, уменьшить зернистость ультразвуковых изображений и сделать их более понятными для «чтения».

Конструкторы ультразвуковых систем во всём мире работают над методами уменьшения или полного удаления шумов. Некоторые из них хорошо известны: усреднение по кадрам (frame averaging) и постобработка (enhancement). Каждый из этих методов имеет свои недостатки:

- Frame averaging снижает реальную частоту смены кадров, так как получающийся в результате обработки кадр является суперпозицией нескольких обработанных кадров. Поэтому, изображение движущихся объектов, при наложении друг на друга нескольких кадров, становится нечетким, размытым.

- Результатом работы фильтра постобработки (режим «сгладить» или «сгладить сильнее» в программном обеспечении «Echo Blaster Pro / Echo Wave»), является потеря детализации, хотя «читабельность» обработанного изображения лучше, чем оригинального.

Применение технологии «Clear View» позволяет избежать недостатков вышеперечисленных методов ( frame averaging и enhancement).

Вычислительные мощности современных персональных компьютеров, в сочетании с открытой архитектурой семейства сканеров «Echo Blaster 64/128», позволили инженерам фирмы «Telemed» разработать встраиваемый модуль «ClearView», специально предназначенный для подавления спекл-шума в реальном времени. Модуль работает вместе с программным обеспечением «Echo Wave».

Алгоритм обработки изображения

Рисунок 1 Алгоритм обработки изображения.

Специальный алгоритм (рисунок 1) анализирует и распознает объекты на ультразвуковом изображении: объекты низкого уровня – контуры и линии, и объекты высшего уровня – текстуры, области, границы объектов, сами объекты и соотношения между объектами. Затем алгоритм составляет или выделяет изображение, основанное на результатах этого сравнения.

На ультразвуковых изображениях кровеносные сосуды, мышцы и другие объекты состоят из большого числа пикселей, в то время как характер спекл-шума уникален для каждого ультразвукового кадра, что позволяет его выделить и удалить этот шум. В результате фильтрации улучшается связь между объектами, и, в то же само время, устраняется шум. Для дополнительного улучшения ультразвукового изображения может быть использован фильтр подчёркивания контуров (5 уровней фильтрации) [3].

Первоначальные клинические испытания встраиваемого модуля «ClearView» демонстрируют улучшение контрастного разрешения и общей чёткости без ощутимой потери частоты кадров и детализации.

"Дигирент"

Система получения, обработки и архивирования цифровых диагностических изображений "Дигирент" (реализация и внедрение программно-аппаратного комплекса для развития телемедицинских систем в Сибири). Организация-разработчик: НИИ медицинской и биологической кибернетики СО РАМН (Новосибирск), О.С.Антонов

"Дигирент" предназначен для выполнения рентгенологического исследования пациентов по медицинским показаниям; легко адаптируется к нуждам диагностических дисциплин, работающих с диагностическими изображениями (УЗИ- эндоскопия, КТ и т.д.). Комплектуется следующими программно-аппаратными комплексами для получения цифровых медицинских рентгенографических изображений: приемник рентгеновского излучения "Lider l00", полутоновой графический сканер "Унискан", устройство для захвата кадров из видеотелевизионного тракта "VideoTizer", среднечастотное питающее устройство. "Дигирент" комплектуется несколькими автоматизированными рабочими местами врачей и средних медработников, средствами печати заключений и диагностических изображений, сетевым обеспечением, средствами передачи диагностических изображений по компьютерным сетям и телефонным линиям [4].

УЗИ аппарат ATL HDI 5000

Созданный на основе непрерывного совершенствования HDI 5000, в очередной раз представляет новейшие достижения в ультразвуковых исследованиях. Сегодня система, обладающая производительностью супер-компьютера, делает невозможное возможным: четкое изображение MicroFine™ Imaging, широкополосное отображение потоков Broadband Flow® Imaging, контрастные гармоники изображения, тканевые гармоники изображения, тканевой допплер, усовершенствованное трехмерное изображение, панорамное изображение, приспосабливающаяся интеллектуальная система и отличная совместимость.

Отличительные особенности:

- Технология лучеобразования

Широкополосное цифровое лучеобразование – улавливает и без потерь сохраняет информацию во всей полосе частот, что позволяет улучшить качество диагностической информации.

Интеллектуальный TSI – автоматически оптимизирует тысячи параметров лучеобразования и обработки данных для каждого отдельного сканирования.

- Система обработки сигнала

Опция Улучшенной обработки расширенного сигнала - технология объединения мульти-канальных частот - способствует полному использованию диагностической информации, получаемой с помощью широкополосных сигналов.

Опция гармоник с инверсией импульса - дополнение к нашей передовой технологии Отображения Тканевых Гармоник, которая использует технологии хранения цифрового сигнала в масштабе реального времени и устранения фазовых искажений для получения чистого гармонического сигнала.

Опция перфузного изображения в масштабе реального времени - обеспечивает возможность получения изображения контрастирующих веществ в системе микрососудов с низким механическим коэффициентом без разрушения микропузырей.

- Технология формирования изображения

Опция объединения изображения в масштабе реального времени SonoCT - до девяти линий обзора сканируется и объединяется в масштабе реального времени, что позволяет значительно увеличить количество диагностически полезной информации, одновременно снижая количество ультразвуковых артефактов.

Опция Технологии визуализации XRES - проводит подстраивающийся анализ изображения в масштабе реального времени, что позволяет улучшить четкость видимых тканей и выделить границы структур [5].

Pulse Inversion Harmonic

Pulse Inversion Harmonic или тканевая инверсная гармоника - технология выделения гармонической составляющей колебаний внутренних органов, вызванных прохождением сквозь тело базового и инверсного ультразвуковых импульсов. Полезным считается сигнал, полученный в результате сложения базовой и инверсной составляющих отраженного сигнала. Как правило, инверсная гармоника (по сравнению с прямой гармоникой) обеспечивает лучшее качество, потому что оба сигнала (базовый и инверсный) проходят сквозь тело и при сложении автоматически фильтруются шумы. Наиболее целесообразно применение технологии инверсной гармоники при исследовании движущихся тканей (сосуды, сердце) и трудновизуализируемых тканей (с похожей акустической плотностью), таких как опухоли [6].

Tissue Harmonic Imaging

Tissue Harmonic Imaging (THI™, тканевая или 2-я гармоника) - технология выделения гармонической составляющей колебаний внутренних органов, вызванных прохождением сквозь тело базового ультразвукового импульса. Полезным считается сигнал, полученный при вычитании базовой составляющей из отраженного сигнала. Применение 2-й гармоники целесообразно при ультразвуковом сканировании сквозь ткани, интенсивно поглощающие 1-ю (базовую) гармонику. Данная технология предполагает использование широкополосных датчиков и приемного тракта повышенной чувствительности. Улучшается качество изображения, линейное и контрастное разрешение у пациентов с повышенным весом [6].

Рассмотренные системы и технологии улучшают полученное при УЗИ изображение, но они не проводят анализ изображения, например, полости матки, т.е. не делают заключение о наличии изменений полости матки, они просто выводит на экран полученное при исследовании изображение.

3.МЕТОДЫ ОБРАБОТКИ ИЗОБРАЖЕНИЯ

Основными методами обработки изображения, используемыми в СКС, выбраны Марковские модели, которые являются мощным средством моделирования различных процессов и распознавания образов. По своей природе Марковские модели позволяют учитывать непосредственно пространственно-временные характеристики сигналов, и поэтому получили широкое применение в распознавании речи, а в последнее время – изображений [7].

Проведен анализ существующих Марковских моделей и исследованы возможности их применения для решения поставленной задачи. Исходя из этого, для обработки изображения УЗИ выбраны: Марковские случайные поля, скрытые Марковские модели первого порядка, древовидные Марковские модели, Марковские цепи.

Каждая модель представляет собой набор N состояний S={S₁,S₂,...,S_N} между которыми возможны переходы.

При переходе в каждое состояние генерируется наблюдаемый символ, который соответствует физическому сигналу с выхода моделируемой системы. Набор символов для каждого состояния V={v₁,v₂,...,v_M}, количество символов M. Символ в состоянии q_t=S_j в момент времени t генерируется с вероятностью b_j(k)=P[v_k,t | q_t=S_j]. Набор всех таких вероятностей составляет матрицу B={b_j(k)} [7].

Матрица A={a_ij} определяет вероятность перехода из одного состояния в другое: a_ij=P[q_t+1 =S_j | q_t=S_j], 1<=i, j<=N . Считаем, что A не зависит от времени.

Модель имеет вероятность начальных состояний , где .

Модель с настроенными параметрами может быть использована для генерирования последовательности наблюдений. Для этого случайно, в соответствии с начальными вероятностями , выбирается начальное состояние, затем на каждом шаге вероятность B используется для генерации наблюдаемого символа, а вероятность A – для выбора следующего состояния. Вероятность P генерирования моделью последовательности состояний O:

где Q=q₁q₂...q_T - последовательность состояний. Предполагается, что наблюдения статистически независимы.

В распознавании образов скрытые Марковские модели применяются следующим образом. Каждому классу i соответствует своя модель . Распознаваемый образ представляется в виде последовательности наблюдений O. Затем для каждой модели вычисляется вероятность того, что эта последовательность могла быть сгенерирована именно этой моделью. Модель , получившая наибольшую вероятность, считается наиболее подходящей, и образ относят к классу j [7].

Для текстурной сегментации изображения может быть использовано Марковское случайное поле. Текстурным изображением x_T назовем изображение, полученное в результате следующего случайного процесса. Независимо друг от друга генерируются l изображений x¹_T,x²_T,...,x^l_T и размера k_T в соответствии с распределением p¹(x_T),p²(x_T),...,p^l(x_T) и p^разм(k_T) соответственно. Далее текстурное изображение x_T строится из полученных изображений согласно следующему правилу: если пиксел t разметки имеет метку , то в соответствующий пиксел x_t результирующего изображения переносится цвет из изображения k-ой текстуры x^k_T. Точнее, цвет x_t каждого пиксела вычисляется по формуле: .

Из построения следует формула для совместного распределения вероятностей изображений x¹_T,x²_T,...,x^l_T, k_T и x_T:

Модель текстурного изображения описывается l+1 структурой поля зрения и для любого , для любого функции задают гиббсовские потенциалы. Распределение вероятностей i-й текстуры xⁱ_T задается формулой [8].

Рассмотренные модели представлены в виде анимации.


	Анимация 1. Марковские модели.

Анимация состоит из 13 кадров, количество циклов повторения - 10.

3.РЕЗУЛЬТАТЫ

Рассмотренные Марковские модели для обработки изображений обладают оптимальными свойствами и позволяют обнаружить патологии полости матки. На основе этих моделей были проведены исследования и получены хорошие результаты.

4. ЗАКЛЮЧЕНИЕ И ВЫВОДЫ

Существует множество систем получения и обработки изображения УЗИ, но нет такой системы, которая бы использовалась конкретно для обнаружения патологии полости матки перед циклом ЭКО. Надеюсь, что разрабатываемая СКС поможет врачу поставить максимально правильный диагноз и назначить соответствующее лечение для увеличения шанса наступления беременности после ЭКО. На данном этапе магистерская работа находится в стадии разработки. Защита магистерской работы планируется на декабрь 2007 года. За дополнительной информацией обращаться к разработчику.

E-mail: sachucha@mail.ru, sandra0709@rambler.ru

5. ЛИТЕРАТУРА

1.http://doctor-center.ru/diagnostika.html

2. http://medical.toshiba.com.ru/production/cat10/item20/

3.http://www.myscaner.ru/Product/clearview.htm

4.http://www.extech.ru/regions/medicin/04/04_23.htm

5.http://www.ultraland.ru/article/index.php?id_article=24l

6. http://www.mvision.ru/arm/mv_uzi.htm

7. http://www.lampai.tsure.ru/publications/goncharov/Goncharov%20-%20Face%20Detection%20and%20Recognition.pdf

8. http://irtc.org.ua/image/Files/kovtun/kovtun_usim_2003(4)_rus.pdf

Индивидуальное задание

ДонНТУ | Портал магистров ДонНТУ