Реферат за темою випускної роботи
Зміст
- Введення
- Ортопантомографія як метод рентгенодіагностики
- Aналіз сучасних рентгенометричних методів
- Oб’єкт дослідження
- Контрастування зображень
- Висновки
- Перелік джерел
Введення
Висока поширеність хвороб зубів, тканин пародонта та їх ускладнень, аномалії і деформації щелепно-лицьової області пояснюють високий відсоток потребуючих ортопедичного, ортодонтіческого і комплексного методів лікування. При їх лікуванні рентгенологічне дослідження використовується не тільки з метою первинної діагностики, а й у допомогу лікарю-стоматологу при здійсненні ряду лікувальних заходів та контролю за їх якістю.
Ортопантомографія (панорамна зонографія) за останні 30 років стала основною методикою рентгенологічного дослідження зубо-щелепної системи. Цьому сприяла не тільки широта огляду, об’єктивність і хороша якість зображення зубних рядів і щелеп, а й скорочення часу дослідження, низькі дози опромінення пацієнтів і висока інформативність.
Діагностичні можливості ортопантомографії досить широкі, проте, до теперішнього часу оцінка ортопантомограм (ОПТГ) здійснюється візуально, без кількісного аналізу, а значить, певною мірою суб’єктивно. Оцінку одержуваної інформації стоматологи проводять самостійно, покладаючись на свій досвід. Лікар може не помітити дрібних деталей в зображенні, які система дозволяє, або пропустити слабоконтрастних структуру, видиму на тлі шумів зображення, через складну будову навколишніх (або сверхлежащіх) тканин. На сьогоднішній час не створені такі програмні продукти, які б виконували автоматизовану обробку зображень ортопантомограм і, грунтуючись на отриманих результатах виставляли б попередній діагноз.
Ортопантомографія як метод рентгенодіагностики
Ортопантомографія (рентген зубів) є новим методом рентгенодіагностики, при якому робиться панорамний знімок зубів. Це дуже важливий інструмент для стоматолога. Бувають випадки, коли тільки за допомогою ортопантомографії можна виявити зміни в тканинах зуба.
У клініках використовуються плівкові та цифрові ортопантомографи. Цифрові є більш сучасними і зручними у використанні. Вони виводять результати обстеження на екран монітора. Таким чином, цифрова ортопантомографія дозволяє лікарю відразу поставити правильний діагноз.
На панорамних знімках отримують розгорнуте площинне зображення тіла і альвеолярного відростка щелепи з усіма зубами. У терапевтичній стоматології панорамну рентгенографію використовують і як основний і як додатковий метод обстеження. За короткий час при невеликій радіації можна отримати відомості про стан всіх зубів і навколишніх їхніх тканин, про структуру кістки на всьому протязі, виявити приховані каріозні порожнини.
Ортопантомографія дозволяє оцінити стан зубів:
• прилягання коронок
• стан кісткової перегородки
• кісткової тканини щелеп
• наявність періапікальних змін
• розташування зубів мудрості
• стан зачатків постійних зубів
Серед переваг ортопантомографії виділяють велику інформативність. Уже на ранній стадії можна виявити запальний процес кісткової тканини. До недоліків ортопантомографії відносять нашарування (в третині випадків) один на одного тіней коронок нижніх і верхніх премолярів.
Ортопантомографія незамінна, якщо планується терапевтичне, хірургічне та ортопедичне лікування. Також вона дозволяє здійснювати контроль якості пломбування зубів.
Oб'єкт дослідження
Пародонт – єдиний морфофункціональний комплекс, що включає ясна, периодонт, альвеолярний відросток і тканини зуба. У пародонті можуть протікати різні патологічні процеси: запальні, дистрофічні і пухлиноподібні.
Захворювання тканин пародонту за поширеністю посідають друге місце після карієсу, причому після 40 років вони превалюють. Починаючи з 12-річного віку спостерігали поодинокі випадки пародонтиту, в 19–20 років його діагностують у 32% обстежених і до 60-річного віку поражаемость досягає 70–80%.
Найпоширенішими захворюваннями пародонту є гінгівіт, пародонтоз і пародонтит.
Для коректної постановки діагнозу необхідно враховувати як клінічні, так і рентгенологічні дані стану пародонту. На рис.1 представлений діагностичний алгоритм, який використовується стоматологами для визначення типу захворювання пародонту.
Рисунок 1 – Діагностичний алгоритм
(анімація: 4 кадру, 5 циклів повторення, 32,9 кілобайт)
З рисунка 1 випливає, що за допомогою рентгенологічних досліджень, які засновані на візуальній оцінці панорамних знімків, отриманих за допомогою ортопантомографа стоматолог робить висновок про стан рівня кісткової тканини пацієнта. Тільки після цього проводяться клінічні дослідження і в результаті ставиться остаточний діагноз.
На рисунку 2 показані умовні лінії рівня кісткової тканини в нормі і лінія рівня кісткової тканини при пародонтиті (чорним і білим кольором відповідно).
Рисунок 2 – Рівні кісткової тканини в нормі і при пародонтиті
Процес визначення відхилення рівня кісткової тканини від норми може бути автоматизований за допомогою комп’ютерної обробки зображення.
Aналіз сучасних рентгенометричних методів
Правильний вибір алгоритму обробки має вирішальне значення для всіх етапів перетворення вихідного зображення і представляє найбільшу складність.
Попередня обробка, що складається в максимальному наближенні досліджуваного зображення до еталонного або нормалізованого. Найчастіше для медичних зображень це просторово інваріантні операції, зсув, зміна яскравості, зміна контрасту, квантування та геометричні перетворення (зміна масштабу, поворот осі). Теорія цих перетворень добре розроблена і, як правило, не викликає труднощів при використанні сучасних ЕОМ.
Виділення ознак, при яких функція, що представляє оброблене зображення, піддається функціональному перетворенню, виділяють ряд найбільш суттєвих ознак, які кодуються дійсними числами. Виділення ознак полягає в математичних перетвореннях зображення залежно від задачі аналізу. Це може бути віднімання з еталона, віднімання постійної складової для виключення заважають тіней, диференціювання або автокорреляция для виділення контуру, частотна фільтрація та багато інших.
Класифікація ознак. Отримані в результаті попередньої операції набори дійсних чисел, що описують виділені ознаки, порівнюються з еталонними числами, закладеними в пам’ять машини. ЕОМ на підставі такого порівняння класифікує зображення, тобто відносить його до одного з відомих видів, наприклад, норма або патологія. Набір дійсних чисел, що характеризують виділені ознаки, при цьому можна розглядати як точку в n-мірному просторі. Якщо в цей простір попередньо введені області, займані тим чи іншим класом в просторі, званому простором ознак, або, що трапляється частіше, задана щільність ймовірності для кожного класу, з’являється можливість з відомою ймовірністю віднести дане зображення до певного класу.
Медичні зображення, одержувані при рентгенівської, ізотопної або ультразвукової діагностиці різні як за характером їх складності, так і по вигляду закладеної в них інформації, яка визначається механізмом взаємодії використовуваного виду випромінювання з органами і тканинами. Однак вони мають загальних ознак, важливих для проблеми автоматичної класифікації. Це, перш за все, відсутність:
1) еталона норми через індивідуальні особливості кожного організму;
2) еталона патології при величезному розмаїтті її форм.
Таким чином повна автоматична класифікація при диференційній діагностиці поки що неможлива.
Контрастування зображень
Властивість контрастності зображень є не менш важливим, ніж властивість яскравості, оскільки при незначних варіаціях яскравості рівні контрастності незмінні.
Методи сегментації зображень (кордонів зображень) по контрастності засновані на використанні порогового детектора, що застосовується для ідентифікації неконтрастних (контрастних) пікселів нутрощі (межі) зображення, з наступним застосуванням спеціальних методів, наприклад, хвильового методу, для отримання зв’язкових областей (кордонів). Використовуваний при цьому граничний детектор має вигляд:
де а – задана гранична величина, яка використовується для класифікації пікселів зображення на неконтрастні пікселі нутрощі і контрастні пікселі кордону.
Для оцінювання контрасту використовують дискретну апроксимацію значення градієнта в околиці розглянутого пікселя вида:
де Mx * N [x, y], My * N [x, y] – скалярний добуток маски вагових коефіцієнтів M на матрицю яркостей пікселів околиці N.
При цьому для оцінки напрямку градієнта використовується наступне співвідношення:
Для оцінювання градієнта функції в теперішній час застосовується досить широкий спектр функцій, заснований на використанні масок Робертса, Собеля, Превітта і ряду інших. Так, наприклад, при використанні масок Превітта (ріс.3.а) оцінка градієнта (2) прийме вигляд:
Використання розглянутої оцінки градієнта характеризується тими ж недоліками і достоїнствами, що і використання спрямованих масок, крім того, оцінка (2) проводиться з прив’язкою до напрямів по осях. Для усунення цього недоліку ми можемо піти двома шляхами.
По-перше, ми можемо використовувати технологію обертання пари масок (рис. 3.б) з оцінкою градієнта за критерієм максимуму, типу g (i, j) = g * = max {g (ξ)}.
Рисунок 3 – Спрямовані маски Преввіта (а), обертання пари масок (б)
По-друге, для розподілу яскравості в розглянутій околиці (в припущенні лінійного характеру цього розподілу), ми можемо оцінити коефіцієнти лінійної регресії виду:
і в якості оцінки контрастності центрального пікселя околиці розглядати норму градієнта виду:
Для оцінювання контрасту запропонована наступна чисельна апроксимація норми градієнта виду:
де f (i, j) – яскравість оцінюваного пікселя, поєднаного з центром маски, а f (ξ,μ) – яскравості пікселів околиці, що визначаються положенням маски. На відміну від класичного підходу маска при цьому визначається не у вигляді матриці вагових коефіцієнтів, а геометрично (рис. 4). На базовому рівні маска визначається у вигляді образу кола (рис. 4, а), а складова маска – у вигляді образу кола доповненого слідом окружності до 8-зв’язковий лінії.
Рисунок 4 – Образ кола радіуса 2 (а), слід окружності радіусу sqrt (2) (б), і побудована їх об’єднанням складова маска радіуса 2 (в)
За рахунок подолання тіні зображення (із застосуванням маски запропонованого типу не мінімального радіусу) і використання оцінки (8), при суміщенні центру маски з пікселем межі зображення тепер ми можемо оцінювати його контрастність щодо пікселя фону, а не тіні зображення; базовою в цьому відношенні вважається маска радіуса 2 (рис. 4, а).
Крім того, для нас тепер не важлива ступінь кривизни кордону. Важливо лише, щоб при сумісного щении центру маски з пікселем межі зображення, серед пікселів, що визначаються положенням маски, був хоча б один піксель фону. З метою використання маски для диференціальної обробки зображень за напрямами, параметрізуем пікселі маски полярним кутом α, з використанням параметричного представлення окружності радіусу ρ з центром в пікселі (i, j):
і представимо отримані результати – напрямки
на пікселі
маски матрицею-рядком напрямків A.
Метод сегментації зображення по контрастності надалі буде використаний для визначення рівня кісткової тканини при патології та рівня при нормі.
Висновки
Панорамна рентгенографія з комп’ютерним забезпеченням представляють різноманітні можливості для проведення функціональної діагностики на чітких високоінформативних зображеннях. Однак розшифровка ортопантомограма здійснюється досить суб’єктивно, оскільки проводиться лише візуальна оцінка знімків. В результаті поставлений діагноз буде залежати від досвіду лікаря і від його вміння читати ортопантомограми.
Була розглянута можливість створення СКС діагностики захворювань пародонту по ортопантомограма, яка буде автоматично виконувати рентгенологічний етап в діагностичному алгоритмі, а саме знаходити ступінь відхилення рівня кісткової тканини від норми, за допомогою комп’ютерної обробки зображень. В якості методу обробки обрана сегментація зображення по контрастності.
Перелік джерел
1. Опис комп’ютерної програми для стоматологів Дентал-Софт [Електронний ресурс]. – Режим доступу: http://www.dental-soft.ru
2. Ортопантомографія [Електронний ресурс]. – Режим доступу: http://med-dovidka.com.ua
3. Цифрові рентгенографічні системи [Електронний ресурс]. – Режим доступу:
4. Вибір протезування при пародонтиті [Електронний ресурс]. – Режим доступу: http://www.zub-zub.ru
5. Пародонтит – діагностика [Електронний ресурс]. – Режим доступу: http://zdravoe.com
6. Пародонтит. Основні ознаки пародонтиту [Електронний ресурс]. – Режим доступу: http://zubki.kiev.ua
7. Лікування захворювань ясен (пародонтит, пародонтоз) [Електронний ресурс]. – Режим доступу: http://stomatolog.com.ua
8. Рабухін Н.А., Аржанцев А.П. – Рентгенодіагностика в стоматології [Електронний ресурс]. – Режим доступу: http://dental-ss.org.ua
9. Внутрішньоротовий знімок. Класична рентгенографія в стоматології [Електронний ресурс]. – Режим доступу: http://stomfak.ru
10. Мухаметшина, Л.І. Метод визначення щільності кісткової тканини в нормі, патології та при пародонтологічних операціях із застосуванням біоматеріалів
серії «Аллоплант» / Л.І. Мухаметшина, Л.Р. Хусаинова, В.Г. Гафаров: Збірник статей III республіканській конференції приватно практикуючих лікарів-стоматологів. – Уфа: 2007. – С. 87–89.
11. Семенов, С.І. Теорія неадаптивних масок для обробки зображень / С.І. Семенов / Біомедичні технології та радіоелектроніка. – 2002. – № 13. – С. 33–40.
12. Шапіро, Л. Комп'ютерне зір: пров. з англ. / Л. Шапіро, Дж. Стокман. – М.: БІНОМ, 2006. – 752 с.
13. Аржанцев, А.П. Діагностичні можливості комп’ютерної ортопантомографія, навчально-методичні рекомендації / А.П. Аржанцев, В.В. Свірін. – Зміна, 2006. – 20с.