Назад в библиотеку

---

Исследование методов предобработки изображений рентгенограмм

Автор: Лабинская Д.Е., Мартыненко Т.В.
Источник: Інформаційні управляючі системи та комп’ютерний моніторинг (ІУС КМ-2012) / Матерiали III міжнародної науково-технiчної конференцiї студентiв, аспiрантiв та молодих вчених. – Донецьк, ДонНТУ – 2012, Том , с. 506–511.

Аннотация

Лабинская Д.Е., Мартыненко Т.В. Исследование методов предобработки изображений рентгенограмм. Выполнен анализ методов предобработки изображений. Выбрана их оптимальная последовательность для улучшения качества выделения границ объектов. Произведено сравнение результатов оконтуривания с предобработкой изображений и без нее.

Общая постановка проблемы

Переломы различной степени тяжести были и остаются довольно частым явлением. Нередко, для восстановления перелома необходимо произвести оперативное вмешательство. Каждая операция должна быть всегда заранее спланирована таким образом, чтобы хирургическое лечение перелома было проведено в наименее травматичной манере для пациента.

Несмотря на широкое применение систем компьютерной медицинской диагностики, рентгенография остается основным методом диагностирования поражений костно-суставной системы. Применение методов цифровой обработки изображений позволит повысить качество изображений рентгенограмм, а также автоматизировать поиск основных визуальных характеристик переломов.

Зачастую при переломах наблюдается смещение осколков кости и для лечения предполагается произвести репозицию осколков – сопоставление фрагментов кости после перелома и их прочная фиксация при помощи различных фиксирующих конструкций: стержней, пластин, винтов, спиц и т.д. Для наиболее эффективного сращения осколков необходимо выбрать, с какой стороны крепить фиксаторы, чтобы обеспечить полную иммобилизацию фрагментов кости, а также предотвратить их возможное смещение в дальнейшем. Чтобы выполнить это, важно учитывать направление и силу тяги мышц, которые крепятся к осколкам.

Таким образом, возникает необходимость разработать систему поддержки принятия решений обработки рентгенограмм переломов, которая обеспечит нахождение направления смещения осколков кости при планировании операций. Для реализации этого нужно выполнить следующие этапы:

- выделить контуры объектов;

- определить количество объектов;

- определить локализацию каждого осколка;

- найти набор мышц, которые крепятся к осколкам;

- определить направление смещения каждого осколка.

Для выделения контуров выбран метод Канни, который дает хорошие результаты при обработке рентгенограмм. Следующий этап – определение количества объектов (осколков кости на изображении). Исходные изображения – оцифрованные рентгенограммы в формате jpeg в градациях серого [0…255] (рис.1). Следует отметить, что они могут иметь различные средний уровень яркости и степень зашумленности. Поэтому до применения метода Канни необходимо использовать дополнительную предобработку изображений для удаления лишних деталей и помех, которые могут усложнить процесс поиска отдельных объектов на изображении (рис.2).

Рисунок 1 – Исходные изображения рентгенограмм переломов нижних конечностей

Рисунок 2 – Примеры применения метода Канни к рентгенографическим изображениям

Постановка задачи исследования

Задан набор цифровых полутоновых рентгенографических изображений Ai, i∈{1, …, N}. Для каждого Ai на базе экспертной оценки специалиста-травматолога сформировано бинарное изображение Gi (GT-образ).

Необходимо определить метод обработки изображений F, преобразующий исходные изображения Ai в бинарные изображения. При этом, различие между изображением Oi, сформированными методом F, и Gi, предоставленными экспертом, должно быть минимальным, т.е. необходимо найти:

где Δ – мера отличия между двумя изображениями.

Поскольку от меры Δ зависит результат выбора метода контурной сегментации, то необходимо подобрать такую оценку, чтобы Δ(Oi,Gi) было минимальным.

Решение задач и результаты исследований

Для решения поставленной задачи предлагается исследовать применение следующей последовательности методов предобработки: алгоритм шумоподавления; контрастирование.

В качестве шумоподавляющего фильтра выберем медианный фильтр, так как при оптимально выбранной апертуре он сохраняет без искажений резкие границы объектов, эффективно подавляя некоррелированные или слабо коррелированные помехи и малоразмерные детали. Это свойство позволяет применять медианную фильтрацию для устранения аномальных значений в массивах данных, уменьшения выбросов и импульсных помех [1].

Медианный фильтр представляет собой оконный фильтр, последовательно скользящий по массиву сигнала, и возвращающий на каждом шаге один из элементов, попавших в окно (апертуру) фильтра. Выходной сигнал скользящего медианного фильтра шириной 2n+1 для текущего отсчета k формируется из входного временного ряда в соответствии с формулой:

Xm – элементы вариационного ряда, т.е. ранжированные в порядке возрастания значений:

Таким образом, медианная фильтрация осуществляет замену значений отсчетов в центре апертуры медианным значением исходных отсчетов внутри апертуры фильтра. Для фильтрации использовалась апертура 3х3, поскольку апертуры большей размерности делают контур менее четким и являются довольно ресурсоемкими.

Далее, полученное в результате фильтрации рентгенографическое изображение, подвергается обработке методами контрастирования. Для начала с помощью нелинейного контрастирования (гамма-коррекция) необходимо увеличить яркость изображения [2].

где gi – новое значение яркости, fi – текущее значение, c, f0 ,γ – неотрицательные числа.

Коэффициент контрастирования предлагается выбирать таким образом, чтобы среднее значение яркости изображение увеличилось не менее, чем в 1,5 раза. Далее необходимо выполнить линейную растяжку гистограммы или линейное контрастирование, где каждое новое значение яркости рассчитывается по формуле:

где gi – новое значение яркости, fi – текущее значение, a и b – некоторые коэффициенты. При этом среднее значение яркости изображения снизится, но оно должно остаться выше, чем в исходном изображении. Полученные после обработки значения средних яркостей изображений представлены в табл.1. Примеры гистограмм яркостей для изображения рис.1 а) после указанных преобразований представлены на рис. 3.

Рисунок 3 – Гистограммы яркостей: а) исходного изображения, б) после гамма-коррекции, в) после линейного контрастирования

Таблица 1. Значения средних яркостей изображений

После выполненных операций снова применяем метод Канни (рис. 4).

Рисунок 4 – Применение метода Канни к рентгенографическим изображениям после предобработки

1. Специфичность – отношение выделенных не граничных пикселей к общему числу не граничных пикселей GT-образа:

2. Чувствительность – отношение правильно выделенных граничных пикселей к общему числу граничных пикселей GT-образа:

Поскольку SP и SV являются количественными характеристиками правильности построения контура, то их значения должны стремиться к максимуму.

Таблица 2. Анализ качества выделения контуров объектов на изображениях рентгенограмм

Для улучшения оценки качества контура, предлагается использовать среднее арифметическое значений SV и SP:

Это обусловлено тем, что при максимальных значениях данных мер, теоретически результат обработки должен быть наилучшим.

Таблица 3. Средние значения величин SV и SP

Выводы

Проведен анализ методов предобработки изображений. Выбраны методы шумоподавления и контрастирования. Произведена оценка качества выделенных контуров с применением выбранных алгоритмов предобработки и без них. Результаты показали, что качество контуров улучшилось как визуально, так и аналитически.

Список использованной литературы

1. Цифровая обработка изображений [Электронный ресурс]. – Режим доступа: http://rudocs.exdat.com/.
2. Гонсалес Р. Цифровая обработка изображений в среде MATLAB / Гонсалес Р., Вудс Р., Эддинс С. – М.:Техносфера, 2006. – 616с.
3. Грибков И.В. Некоторые вопросы количественной оценки производительности детекторов границ / Грибков И.В., Захаров А.В., Кольцов П.П. и др. // «Программные продукты и системы» №4, 2011.