Математические и программные средства обработки рентгенографических медицинских изображений тема диссертации и автореферата по ВАК РФ 05.13.11, кандидат наук Чернухин, Никита Андреевич

• Чернухин, Никита Андреевич
• кандидат наук
• 2014

Оглавление диссертации кандидат наук Чернухин, Никита Андреевич

Содержание

Введение

1 Актуальность задачи массовой обработки медицинских рентгенографических снимков. Обзор существующих средств обработки графической медицинской информации

1.1 Задача массовой обработки рентгенографических медицинских изображений и ее актуальность

1.2 Обзор существующих программных средств обработки медицинских изображений

1.3 Анализ известных методов обработки цифровых медицинских изображений

1.4 Формальная постановка задачи исследования

1.5 Выводы

2 Методы детектирования объектов и уточнения их границ на

рентгенографических медицинских изображениях

2.1 Метод детектирования объектов на рентгенографических медицинских изображениях

2.2 Метод уточнения границ объектов на рентгенографических медицинских изображениях

2.3 Осуществление оценки расстояний между ключевыми точками объектов

2.4 Выводы

3 Программный комплекс для анализа и интерактивной диагностики медицинских рентгенографических снимков

3.1 Библиотека обработки изображений FIPL

3.2 Программный комплекс XRIDA

3.3 Выводы

4 Опыт практического применения программного комплекса XRIDA и библиотеки обработки изображений FIPL

4.1 Интерактивная диагностика по единичному рентгенологическому исследованию коленного сустава

4.2 Сравнительный анализ возрастных изменений коленного сустава

у детей 4-6 лет

4.3 Массовая обработка рентгенографических изображений коленного сустава с применением механизма фильтрации по диагностическим критериям

4.4 Выводы

Заключение

Список рисунков

Список таблиц

Термины и обозначения

Литература

Приложения

Введение диссертации (часть автореферата) на тему «Математические и программные средства обработки рентгенографических медицинских изображений»

Введение

Актуальность работы.

Цифровая обработка изображений с момента своего возникновения заняла твердые позиции в прикладной математике и на сегодняшний день является весьма востребованным её разделом. Методы цифровой обработки изображений применяются повсеместно: в робототехнике, системах видеонаблюдения, медицинских системах, системах контроля качества и других.

Постоянное совершенствование технической аппаратной базы позволяет, с одной стороны, получать и хранить изображения все больших размеров и качества. С другой стороны, непрерывный рост производительности вычислительных систем и повсеместное внедрение многопроцессорных машин позволяют применять все более мощные и сложные способы обработки изображений и видео без риска неприемлемого снижения производительности.

Обработка медицинских изображений, в свою очередь, является одним из наиболее актуальных направлений цифровой обработки изображений. В условиях постоянного развития медицины, методов терапии и диагностики, использующих современные технические достижения, спрос на аппаратные и программные средства медицинской визуализации постоянно возрастает.

Новые средства диагностики, такие как компьютерная, магнитно-резонансная и позитрон-эмиссионная томография в настоящее время вообще неотделимы от компьютерных методов представления и обработки результатов.

Рентгенография, и, в частности, проекционная рентгенография, также активно использует методы цифровой обработки изображений. Появление электронных рентгеновских аппаратов и сканеров пленок позволяет использовать эти методы повсеместно.

Вместе с тем, в силу относительной простоты получаемых изображений, а также благодаря тому, что основные методы рентгеновской диагностики были разработаны довольно давно, зачастую использование компьютерных средств ограничивается визуализацией изображения на экране без каких-либо автоматизированных средств их обработки или анализа. Обзор программных продуктов медицинской визуализации показывает, что способы работы с рентгенографическими изображениями ограничены в лучшем случае инструментами ручных количественных измерений и не предполагают применения современных средств обработки изображений. Кроме того, зачастую, во многих лечебных учреждениях в России используется устаревшее материально-техническое обеспечение, что приводит к тому, что диагностика осуществляется «обычными» методами, при помощи пленочных аппаратов.

Роль рентгенографической диагностики, однако, остаётся существенной, что, в частности, обусловлено повсеместным распространением рентгеновских аппаратов. Рентгенография также обладает некоторыми преимуществами по сравнению с более «тяжеловесными» средствами диагностики и зачастую является наиболее простым и надежным средством.

В настоящее время в лечебных учреждениях России на регулярной основе проводится ряд исследований с использованием проективной рентгенографии. При этом массовый поток изображений, подлежащих анализу, обрабатывается специалистами вручную, что занимает существенное время и создает высокую нагрузку на рентгеновские кабинеты.

С учетом сказанного, представляется весьма актуальной разработка методов и программных средств массовой интерактивной обработки цифровых рентгеновских снимков.

Объектом исследования являются математические и программные средства цифровой обработки медицинских изображений.

Целью настоящей работы является повышение эффективности диагностического процесса при диагностике и профилактике различных заболеваний у населения.

Общая научная задача исследования состоит в разработке методов и средств автоматизированной диагностики по медицинским рентгенограммам, обеспечивающих уменьшение количества рентгенограмм, обрабатываемых вручную при заданных исходных данных о диагностических критериях и допустимой доле ложно-отрицательных результатов. Научная новизна

Наиболее существенные положения, выдвигаемые для защиты

1. Существующие математические методы обработки цифровых изображений не учитывают особенности медицинских цифровых рентгенограмм и не дают приемлемого для диагностики качества детектирования и выделения границ. Дальнейшее развитие таких методов в целях повышения качества обработки имеет существенное практическое значение для повышения эффективности диагностического процесса.

2. Использование предлагаемых в работе методов обнаружения объектов, уточнения их границ и автоматизированной проверки диагностических критериев при их программной реализации позволяет существенно (в эксперименте с конкретным критерием — до 90%) уменьшить количество рентгенограмм, требующих внимания специалиста и ручной обработки.

Наиболее существенные новые научные результаты, выдвигаемые для защиты:

1. Метод детектирования объектов на медицинских рентгенограммах, отличающийся от известных учётом точного направления вектора градиента интенсивности изображения при минимизации расстояния от шаблона искомого объекта до границ, обнаруженных на изображении.

2. Новый метод фильтрации градиентного препарата изображения, использующий сведения о приблизительном местоположении целевого объекта, полученные на этапе детектирования.

3. Метод уточнения границ объекта на базе известного метода активных контуров, отличающийся использованием сведений о приблизительном местоположении целевого объекта для подавления границ посторонних объектов.

4. Модель диагностического критерия, отличающаяся формализованным описанием диагностического критерия как предиката над множеством относительных расстояний между ключевыми точками на рентгенограмме.

5. Программный комплекс медицинской визуализации, реализующий предложенные методы, отличающийся наличием процедур автоматического контроля качества вводимого шаблона и его корректировки.

Апробация работы. Основные положения работы прошли обсуждение на научных семинарах механико-математического факультета (июль 2013, март 2014) и НИИ многопроцессорных вычислительных систем (июль 2013) Южного федерального университета. Результаты работы представлялись на следующих конференциях: Научно-методическая конференция «Современные информационные технологии в образовании: Южный федеральный округ» (Южный федеральный университет, г. Ростов-на-Дону, 15-16 апреля 2010 г.), X Всероссийская научная конференция молодых ученых, аспирантов и студентов «Информационные технологии, системный анализ и управление» (Южный федеральный университет, г. Таганрог, январь 2013 г.), XX научная конференция «Современные информационные технологии: тенденции и перспективы развития» (Южный федеральный университет, г. Ростов-на-Дону, 24-26 апреля 2013 г.), 9th International Conference on Computer Science and Information Technologies (CSIT-2013), (НИИ информатики и проблем автоматизации HAH Армении, г. Ереван, Армения, 23-27 сентября 2013 г.), V Международная научно-практическая

конференция «Актуальные проблемы биологии, нанотехнологий и медицины» (Южный федеральный университет, г. Ростов-на-Дону, 3-5 октября 2013 г.).

Методы исследований. При проведении исследований были использованы экспериментальные и теоретические методы цифровой обработки изображений.

Достоверность полученных результатов, работоспособность разработанных методов и алгоритмов подтверждается непротиворечивостью математических выкладок, экспериментами, проведенными при помощи программной модели, практическим внедрением результатов работы, апробацией научных результатов на международных, российских и региональных конференциях и научных семинарах.

Практическая значимость. Разработанные методы позволяют осуществлять автоматизированный анализ рентгенографических медицинских снимков. Созданный на основе новых методов программный комплекс предлагает инструментарий для автоматизированного анализа, отсутствующий в существующих системах.

Режим массовой обработки, представленный в программном комплексе, позволяет автоматизировать и существенно ускорить процесс предварительного анализа изображений в условиях большого потока диагностических исследований.

Режим индивидуальной обработки изображений позволяет частично автоматизировать процесс индивидуальной диагностики и уменьшить влияние ошибок оператора на её результат. В данном режиме предусмотрены способы осуществления точного количественного анализа рентгеновского изображения.

Результаты настоящего исследования использованы в работе МБУЗ «Городская больница скорой медицинской помощи», г. Таганрог, а также в учебном процессе ФГАОУ ВПО «Южный федеральный университет», что подтверждается соответствующими актами об использовании, приведенными в приложении к диссертации.

Структура и объём диссертации. Диссертация состоит из введения, четырёх глав, заключения, списка использованных источников из 103 наименований и приложения. Основная часть работы изложена на 164 страницах и включает 24 рисунка.

Автор выражает глубокую признательность своему научному руководителю профессору Пилиди В. С., а также людям, оказывавшим содействие и консультации при проведении настоящего исследования: профессору М. В. Бабаеву, заведующему кафедрой рентгенологии и лучевой терапии РостГМУ, И. А. Бу-шуеву, заведующему рентгеновским отделением МБУЗ «Городская больница скорой медицинской помощи», А. Л. Минкину, врачу хирургического отделения №2 МБУЗ «Детская городская больница».

1 Актуальность задачи массовой обработки медицинских рентгенографических снимков. Обзор существующих средств обработки графической медицинской информации

1.1 Задача массовой обработки рентгенографических медицинских изображений и ее актуальность

Методы рентгенографической диагностики и, в частности, проекционная рентгенология, являются одним из наиболее распространённых подходов к диагностическому процессу. Распространенность этих методов обусловлена их относительно высокой информативностью, дешевизной и простотой.

В большинстве случаев для рентгенографического обследования не требуется специальной подготовки пациента, а полученные результаты являются оператор-независимыми и могут быть использованы для консультации у различных специалистов.

Безусловно, рентгенография во многом уступает современным способам исследования, таким как компьютерная, магнитно-резонансная и позитронно-эмиссионная томография. К недостаткам рентгенографии следует отнести статичность изображения, низкую информативность при анализе мягких тканей без использования контрастирующих веществ. Кроме того, ионизирующее излучение, возникающее в процессе обследования, может оказать вредное влияние на организм пациента.

С другой стороны, распространенность современных технических средств диагностики на сегодняшний день относительно невысока, особенно в регио-

нальных лечебных учреждениях в России; кроме того, для диагностики многих заболеваний использование таких средств является избыточным. Это позволяет утверждать, что роль рентгенографической диагностики в ближайшее время не будет уменьшаться.

Дополнительным аргументом в пользу рентгенографической диагностики может служить то, что рентгенография, как одно из наиболее старых направлений в современной диагностике (активное использование рентгеновского излучения в диагностическом процессе началось в первом десятилетии XX века), имеет гораздо большую теоретическую и практическую базу, чем более новые методы исследования. За годы работы медицинскими и образовательными учреждениями накоплено большое количество клинического материала: снимков, которые могут быть использованы как в образовательных целях, так и для построения статистики.

Среди диагностических приложений рентгенографии особое место занимает рентгенологическое исследование костей и суставов и, в частности, коленного сустава. Эфективность такого исследования обусловлена относительно высокой оптической плотностью этих тканей по отношению к окружающим мягким тканям, что обеспечивает высокую контрастность и четкость получаемого изображения.

Коленный сустав человека подвержен множеству различных заболеваний. Такие заболевания могут иметь самую разнообразную природу: от травм до дегенеративно-дистрофических заболеваний. В частности, у взрослого населения довольно часто встречаются такие заболевания, как ревматоидный артрит и остеоартроз [1]. Зачастую такие заболевания в тяжелых формах приводят к нетрудоспособности [1,2]. Эпидемиология ревматических заболеваний, и, в частности, остеоартроза чрезвычайно широка [3-6].

Одним из наиболее эффективных методов диагностики заболеваний коленного сустава является проективная рентгенография [7, С. 129-142]. Своевременная диагностика позволяет выявлять и лечить заболевание на ранних стадиях.

В соответствии с приказом Министерства Здравоохранения РФ «О совершенствовании медицинской помощи больным ревматическими заболеваниями» [8] амбулаторно-поликлинические учреждения должны создавать условия для обеспечения раннего выявления, лечения и диспансерного наблюдения за больными ревматическими заболеваниями. На практике это означает включение методов диагностики ревматических заболеваний в программу общей диспансеризации населения, контроль за состоянием лиц, у которых ревматические заболевания уже выявлены, а также осуществление статистической отчетности.

В указанных условиях лечебные учреждения России вынуждены обрабатывать большие объемы диагностической информации, связанной с ревматическими заболеваниями, существенную часть которой составляют рентгеновские снимки коленного сустава.

Таким образом, представляется целесообразной разработка автоматизированных методов интерактивной диагностики с целью ускорения процесса обработки больших объемов рентгенографических снимков путем их предварительного автоматизированного анализа по заданным критериям.

1.2 Обзор существующих программных средств обработки медицинских изображений

Средства программной обработки медицинской графической информации представлены широким спектром разнообразных программных продуктов. Программные системы, посвященные данным задачам, различаются по сложности, функциям и направленности.

Программные системы обработки медицинских изображений могут быть как встраиваемыми и поставляться совместно с аппаратным обеспечением, так и устанавливаться отдельно на различные устройства в качестве самостоятельного программного обеспечения.

Последняя группа представляет особый интерес, так как позволяет работать с изображениями независимо от оборудования, при помощи которого они были получены. Такие системы проектируются под разнообразные операционные системы и устройства. Существуют программные продукты, предназначенные для операционных систем семейства Windows, Linux, OS X и даже для мобильных устройств, например для iPhone. Зачастую такие приложения проектируются под платформы Java или .NET с целью обеспечения переносимости.

Вопросом особой важности является обеспечение совместимости систем. Разнообразие и постоянное развитие аппаратных средств медицинской диагностики вынуждает производителей аппаратного и программного обеспечения приходить к соглашению относительно стандартов передачи информации.

В настоящее время существует [9] несколько общепринятых распространенных стандартов хранения и передачи медицинской графической информации. К их числу относятся форматы DICOM [10,11], Analyze [12,13], NIfTI [14,15] и др. [9,16]. Некоторые из этих форматов носят узкоспециальный характер и служат для хранения изображений, полученных при специфических способах исследования (например, магнитно-резонансная томография, компьютерная томография и др). Другие (в частности, стандарт DICOM) являются универсальными и позволяют хранить практически любые типы медицинских изображений.

Наиболее распространенным в настоящий момент является формат DICOM. Подавляющее большинство производимых в настоящее время аппаратных комплексов поддерживают совместимость с этим форматом. Распространение формата DICOM в России во многом обусловлено тем, что существенная часть диагностической аппаратуры, используемой и закупаемой в России, производится за рубежом в странах, в которых DICOM является де-факто стандартом.

Широкое распространение формата DICOM привело к появлению целого семейства программных продуктов, позволяющих просмотр и обработку медицинской графической информации в этом формате. Такие DICOM-

визуализаторы зачастую поставляются в комплекте с аппаратными комплексами, а также существуют как самостоятельные приложения.

Рассмотрим некоторые программные продукты для визуализации медицинской информации.

1.2.1 OsiriX

Разработка системы OsiriX [17-20] началась в 2004 в Калифорнийском университете в Лос-Анжелесе. В настоящее время OsiriX представлена версиями для операционной системы OS X, а также ограниченной по функциональности версией под iPhone iOS. Десктопная версия доступна в 32-битной и 64-битной редакции. Операционные системы семейства Windows и Linux не поддерживаются.

OsiriX написана на языке Objective-C [21] с применением технологий Cocoa [22], OpenGL [23] и других.

Система OsiriX может работать с файлами формата DICOM, а также поддерживает протокол передачи медицинской графической информации по сети, который также регламентируется стандартом DICOM. Кроме этого, поддерживаются стандарты Analyze, LSM [24] и BioRadPIC [25], а также неспециализированные графические форматы TIFF (в т. ч. многостраничные изображения), PNG, JPEG, PDF (в т. ч. многостраничные). Реализована поддержка видеофайлов в форматах Quicktime, AVI, MPEG, MPEG4.

OsiriX не является специализированной по какому-либо типу медицинской визуализации и позволяет работать с любыми результатами медицинских обследований, если они представлены в одном из поддерживаемых форматов. Программа позволяет просматривать и обрабатывать двухмерные изображения, трехмерные изображения, а также результаты исследований с записью в реальном времени в видеофайле.

Работа в двухмерном режиме обеспечивает возможность просмотра результатов двухмерных исследований (рентгенография, двухмерная ангиография, УЗИ и др.), а также отдельные слои или проекции трехмерных исследований (КТ, МРТ и др.). В этом режиме осуществляется вывод изображения на дисплей с возможностью его дополнительной обработки. Реализованы сверточные фильтры с размером окна 3 х 3 и 5 х 5. Для изображений с глубиной амплитудной дискретизации более 8 бит на канал поддерживается отображение заданного диапазона амплитуд.

Трехмерный режим позволяет просматривать результаты трехмерных исследований, таких как КТ или МРТ. Реализованы функции пространственных преобразований (поворот, масштаб и др.). Возможен просмотр отдельных слоев или сечений. Также реализованы методы трехмерной реконструкции полигональной модели по стеку слоев, что позволяет восстанавливать и просматривать сечения в плоскостях, не перпендикулярных оси стека исходных слоев.

Кроме этого, OsiriX позволяет просматривать результаты исследований в реальном времени, которые могут быть представлены в виде видеофайла или последовательности изображений.

Поддерживается экспорт изображений в распространенные графические, видео- и трехмерные форматы.

Рабочий экран программы OsiriX может быть разделен на несколько частей для одновременного просмотра нескольких проекций, либо нескольких изображений. На экране также отображаются метаданные, если они присутствуют в исходном файле. В частности, формат DICOM позволяет хранить данные о пациенте, технических особенностях исследования, сведения об аппаратных средствах, при помощи которых было получено просматриваемое изображение, и др.

Аналитический инструментарий OsiriX представлен такими инструментами, как измерение длины отрезка, измерение длины ломаной, измерение длины

произвольной кривой, измерение осей эллипса. Также присутствует инструмент «увеличительное стекло» для увеличения конкретных участков изображения.

32-битная версия OsiriX является продуктом с открытым исходным кодом и распространяется по лицензии GNU LGPL [26]. 64-битная версия является коммерческой и доступна в двух редакциях: обычная и OsiriX MD. Последняя сертифицирована как медицинский инструмент соответствующими органами США и Евросоюза.

Внешний вид окна программы представлен на рис. 1.1.

Tt: M ÍR:

16.10.0? 16:52:S4 M.vfctnCfcn1*1

»cknts«: 3.50 mm Location: 8Л60

Рисунок 1.1: Внешний вид окна OsiriX

1.2.2 Radiant DICOM Viewer

Система Radiant DICOM Viewer [27] разрабатывается компанией Medixant с 2011 года. Система активно поддерживается: в настоящее время актуальна версия 1.9.4, выпущенная в сентябре 2013 г. Доступна только версия для операционных систем семейства Windows.

Программа Radiant не является специализированной и подходит для просмотра любых изображений, независимо от способа их получения. Единственным форматом, который поддерживается данной системой является DICOM. При этом не реализован протокол обмена информацией DICOM по сети.

Radiant не предоставляет возможности просмотра трехмерных изображений. Результаты трехмерных исследований визуализируются посредством последовательного просмотра отдельных слоев. Предусмотрена функция реконструкции слоев, не перпендикулярных оси стека исходных слоев.

Программа поддерживает разделение рабочей области на несколько частей для одновременной работы с несколькими слоями. На экран также выводятся метаданные DICOM-файла. Примечательна также возможность одновременного просмотра результатов различных исследований из разных DICOM-файлов, что может оказаться полезным для сравнительного анализа и оценки динамики течения заболевания.

Присутствует несколько инструментов для количественного анализа изображений: измерение длины отрезка, измерение длины произвольной кривой, измерение осей эллипса, измерение угла, а также измерение угла по Коббу [28]. Изображения можно сдвигать относительно рабочей области, поворачивать на углы, пропорциональные 90° и зеркально отражать относительно основных осей. Из амплитудных преобразований доступна только инверсия интенсивностей (перевод в негатив).

Программа доступна в двух редакциях: бесплатная пробная редакция для домашнего использования и коммерческая лицензия.

Внешний вид окна программы представлен на рис. 1.2.

1.2.3 Gimias

Программный пакет Gimias [29] разрабатывается с 2009 года и является бесплатным продуктом с открытым исходным кодом, распространяемым по ли-

ш A Í. J

Im: 4/9 " Se: 2

[ Lossy compression (JPEG 2000)

C'r f

I - *

cJf73CqV84PAtelaz 1

WRISTARIGHT SCOUT 3-PLANE RT. WRIST RIGHT WRIST RIGHT

' <: 279 Y: 252 Val: 171 i WL: 204 WW: 480 [D) T: 8.0mm L: -S8.9mm

FS: 0.94999999 TR: 15.0 ТЕ: 5.0 05.03.2004 8:59:51

Рисунок 1.2: Внешний вид окна Radiant DICOM Viewer

цензии BSD [30]. Название является аббревиатурой и расшифровывается как «Graphical Interface for Medical Image Analysis and Simulation»1 Актуальной является версия 1.5.r5, выпущенная в мае 2013 года.

Gimias имеет модульную архитектуру и может использоваться как самостоятельно, так и для построения узкоспециализированных продуктов [31]. Gimias поддерживает все распространенные форматы медицинских графических изображений, в том числе, DICOM, Analyze, NlfTI и другие.

Данный программный продукт позволяет визуализировать двухмерные и трехмерные медицинские изображения, полученные при помощи различных методов обследования. Также поддерживается визуализация исследований реального времени.

В состав пакета входят разнообразные модули для обработки изображений, в том числе фильтры в пространственных и частотных областях, фильтры шумов и др.

1 Graphical Interface for Medical Image Analysis and Simulation — Графический интерфейс для анализа и симуляции медицинских изображений.

Инструментарий количественного анализа представлен методами ручной сегментации изображений, количественной оценки интенсивности изображения в заданных областях, а также инструментами для пространственного анализа, аналогичными инструментам в других системах, описанных выше.

Gimias является кросс-платформенным продуктом. Существуют версии для операционных систем семейства Windows и для Linux. Ядро Gimias реализовано на языке С++. Также Gimias предоставляет программный интерфейс уровня приложения, что позволяет создавать модули расширения и использовать в других проектах.

Особенностью данного программного пакета является его ориентированность на ноток задач. Gimias позволяет создавать собственные модели рабочего процесса с целью оптимизации всей цепи задач: от фактического обследования до назначения терапии.

Внешний вид окна системы Gimias приведен на рис. 1.3

- я ЕЯ

frl« Edt Xocls friccnon advycy] üeip

Dkom Scene View

DKOM Tr»« Viewer

Bptti«rm int

Д Patient WWX

□ Study 05 03 2004<WRIST-RIGHT) ¡2) Series 1. MR(SCOUT AXIAL IG K)V RT * Ц Timepointi ' £lS«n«siMR(SCOUT3-PLANE RT.) - * S«'ies3. MR(T2 TS€ AX FS RT . A Ser>es4. MRfTl TS€ COR RT) i A SeriesS. MR. STIR COR RT)

здазд С D**1«kY/WVVRDCWRMWWT RJCKT7SC0UT JH«t RT 2ЛМ-0001 0005.АЭТ

m.

A' "

m

Ргалч ЯЛ* Ram»

iг outof w

Рисунок 1.3: Внешний вид окна Gimias

vafc*

0002l000t0row> length 19« OOQ2IQ001Fit« M»ta Irrlanvgäcm i*xA 00021000;»««^» Storefle Si 1 2 9*0 i00 00021000:мел» Storage Sil 3 Ii 2HC OQOilOCKT'anjftr Syntax 1 2.940.100 0002 001 ¡implementation С 1.3.6.1 4 1 ooojtooi jmpwrrwotwior \ 05*1*001 0002100H Source AppkcabcOenX 00081000!specific O»»Ct«IS0.m 100

П008 ОООi Jma^a Type ORKWAUP1 OOOOIOOliSOP Class ию 12 840 100 0006 00» SOP instance UiCl 3.12.2.1 к

102.11 2 83 4)0

1.2.4 Прочие системы медицинской визуализации

Средства медицинской визуализации представлены чрезвычайно широким [32] спектром программных продуктов. Подробное рассмотрение каждого из них в рамках данной работы невозможно. В таблице 1.1 приведены некоторые наиболее заметные системы с кратким описанием каждой из них.

Заключение диссертации по теме «Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей», Чернухин, Никита Андреевич

Заключение

В процессе исследования получены следующие теоретические результаты:

1. Показано, что существующие математические средства обработки медицинских снимков не предоставляют возможности осуществлять массовую обработку медицинских рентгенограмм с точностью и производительностью достаточной для частичной автоматизации диагностического процесса. Существующие программные средства не предоставляют инструментария для осуществления массовой обработки рентгенограмм по заданным диагностическим критериям.

2. Предложен метод детектирования объектов на медицинских рентгенограммах, учитывающий особенности таких изображений. Метод позволяет осуществлять уверенное детектирование объектов в условиях близкого расположения соседних объектов и их частичного проекционного наложения.

3. Предложен новый метод фильтрации градиентного препарата изображения, позволяющий подавить перепады интенсивности изображения, не относящиеся к границам целевого объекта, что позволяет существенно повысить качество работы известного метода активных контуров для уточнения границ объекта.

4. Предложена новая формальная модель диагностических критериев, в которой критерии представлены как предикаты над множеством относительных расстояний между заданными ключевыми точками детектируемых объектов. Предложенная модель позволяет осуществлять построение и проверку сложных диагностичесих критерив путем применения к элементарным кри-

териям логических операций и последующего вычисления значения этих предикатов с учетом обнаруженных границ объектов.

Основные практические результаты настоящей работы состоят в следующем:

1. На основании предложенных методов построен программный комплекс, реализующий новые методы.

2. С использованием построенного комплекса был поставлен ряд экспериментов, которые показали, что качество детектирования и оценки диагностических критериев является практически приемлемым, что позволяет осуществлять фильтрацию потока изображений по заданным критериям, с практически приемлемой скоростью (около 3 секунд на обработку одного снимка).

3. Программный комплекс был апробирован в лечебном учереждении МБУЗ «Городская больница скорой медицинской помощи», г. Таганрог для массовой предварительной обработки рентгенограмм. Использование комплекса позволило существенно (до 80% на некоторых критериях) сократить количество снимков, требующих внимания специалиста и ручной обработки за счет исключения снимков, на которых заданные критерии не выполнялись. Данный результат подтверждается актом об использовании, приведенным в приложении к диссертации.

Предлагаемые в работе методы могут быть использованы для построения систем интерактивной диагностики. Разработанный программный комплекс может быть рекомендован для использования в лечебных учреждениях, осуществляющих работу с массовым потоком рентгенографических изображений.

Дальнейшие исследования в данном направлении могут включать поиск более эффективного алгоритма минимизации расстояния между шаблоном и

картой границ изображения, анализ возможности использования более современных алгоритмов активных контуров, усовершенствование модели диагностических критериев для поддержки более сложных предикатов, в том числе с учетом углов между заданными отрезками сцены и оценкой интенсивности изображения в отдельных частях объектов.

Все научные результаты диссертации получены автором лично.

Публикации. Основные научные результаты диссертации опубликованы в 9 научных изданиях, в составе которых 2 научных статьи [66,98] в периодических научных изданиях, рекомендуемых ВАК для публикации научных работ, отражающих основное научное содержание диссертаций, 4 работы, опубликованные в материалах региональных и всероссийских научно-технических конференций [68,99-101] и международных конференций [102,103]. Работа [103] была отобрана из числа трудов в [102] редакторами ассоциации Institute of Electrical and Electronics Engineers для публикации в отдельном сборнике IEEE Proceedings.

В совместной работе [66] автором получены следующие результаты: предложена мера расстояния между шаблоном и картой границ изображения, разработан метод упрощения исходного шаблона, разработан алгоритм детектирования объекта на основании исходного шаблона.

В совместной работе [68] автором диссертации предложена идея библиотеки FIPL и ее архитектура, а также выполнена реализация библиотеки.

Список литературы диссертационного исследования кандидат наук Чернухин, Никита Андреевич, 2014 год

Литература

1. Фоломеева О. М., Эрдес Ш. Ф. Распространенность и социальная значимость ревматических заболеваний в Российской Федерации [Электронный ресурс] // 2009. Режим доступа: http://www.rlsnet.ru/articles_461. htm.

2. Эрдес Ш. Ф., Фоломеева О. М., Амирджанова В. Н. Проблема ревматических заболеваний в России с позиции общества и пациента // Вестник РАМН. - 2003. - С. 11-14.

3. Статистические данные Министерства здравоохранения РФ. Общая заболеваемость взрослого населения России за 2012 г. [Электронный ресурс] // 2012. Режим доступа: http://www.rosminzdrav.ru/documents/ 6686-statisticheskaya-informatsiya.

4. Беневоленская JI.П., Бржезовский М. Эпидемиология ревматических болезней / Беневоленская Л.И., Бржезовский М. — М.:Медицииа, 1988.

5. Крохина Н. И. Остеоартроз в практике участкового врача в сельской местности: автореф. дис. ... канд. мед. наук: 14.00.05 / Крохина Н. И. — Екатеринбург: 2009.

6. Саяпин Б. П. Эпидемиология остеоартроза, организация его лечения и профилактики в условиях машиностроительного производства: автореф. дис. ... канд. мед. наук: 14.00.39 / Саяпин Б. П. — Оренбург: 1995.

7. Davies A. M., Pettersson H. The WHO manual of diagnostic imaging. Radiographic Anatomy and Intepretation of the Musculoskeletal System / Davies A. M., Pettersson H. — World Health Organization, 2002.

8. Приказ Минздрава РФ от 27.05.1999 № 202 «О совершенствовании медицинской помощи больным ревматическими заболеваниями» [Электронный ресурс] // Режим доступа: http://www.referent.ru/1/35129.

9. Medical Image File Formats [Электронный ресурс] // 2013. Режим доступа: http://www.nf.mpg.de/vinc i3/doc/image-f ormat s.html.

10. DICOM Part 1: Introduction and Overview [Электронный ресурс] // 2011. Режим доступа: http://medical.nema.org/Dicom/2011/ll_01pu.pdf.

11. Gibaud В. The DICOM Standard: A Brief Overview // Molecular Imaging: Computer Reconstruction and Practice. — 2008. — P. 229-238.

12. Analyze Direct: Comprehensive Visualization for Medical Imaging [Электронный ресурс] // 2013. Режим доступа: http://www.analyzedirect.com/.

13. Analyze 7.5 File Format [Электронный ресурс] // 2010. Режим доступа: http://eeg.sourceforge.net/ANALYZE75.pdf.

14. NIfTI-1 Data Format [Электронный ресурс] // 2007. Режим доступа: http: //nifti.nimh.nih.gov/nifti-1.

15. Vizza P., Veltri P., Cascini G. L. A ROI-based algorithm for the classification of PET neuroimages // 2012 IEEE International Conference on Bioinformatics and Biomedicine Workshops. — 2011. — C. 594-595.

16. CRAN Task View: Medical Image Analysis [Электронный ресурс] // 2013. Режим доступа: http://cran.r-project.org/web/views/MedicalImaging. html.

17. OsiriX Imaging Software. Advanced Open-Source PACS Workstation DICOM Viewer [Электронный ресурс] // 2013. Режим доступа: http://www. osirix-viewer.com/AboutOsiriX.html.

18. Rosset A., Spadola L., Ratib O. OsiriX: An Open-Source Software for Navigating in Multidimensional DICOM Images // Journal of Digital Imaging. - 2004. - Vol. 17. - No. 3. - P. 205-216.

19. Rosset C., Rosset A., Ratib O. General Consumer Communication Tools for Improved Image Management and Communication in Medicine // Journal of Digital Imaging. - 2005. - Vol. 18. - No. 4. - P. 270-279.

20. Rosset A., Spadola L., Pysher L., Ratib O. Informatics in radiology (infoRAD): navigating the fifth dimension: innovative interface for multidimensional multimodality image navigation // Radiographics. — 2006. — Vol. 26. — No. 1. - P. 270-279.

21. About Objective-C [Электронный ресурс] // 2011. Режим доступа: https: // developer.apple.com/library/mac/documentation/Cocoa/Conceptual/ ProgrannningWithObjectiveC/Introduct ion/Introduction, html.

22. Cocoa Frameworks [Электронный ресурс] // 2013. Режим доступа: https: //developer.apple.com/technologies/mac/cocoa.html.

23. OpenGL: The Industry's Foundation for High Performance Graphics [Электронный ресурс] // 2013. Режим доступа: http://www.opengl.org/.

24. File Format Description - LSM 5xx Release 2.0 [Электронный ресурс] // 2013. Режим доступа: http://www.helmholtz-muenchen.de/ibb/ homepage/karsten.rodenacker/IDL/Lsmfile.doc.

25. MacDonald G. Using Object-Image with Confocal Microscope Images [Электронный ресурс] // 2009. Режим доступа: http://depts.washington.edu/ rubelab/protocols/ObjectImage0/026Conf ocal .html.

26. GNU Lesser General Public Lisense, version 3 [Электронный ресурс] // 2007. Режим доступа: http://www.gnu.org/licenses/lgpl.html.

27. Radiant DICOM Viewer [Электронный ресурс] // 2013. Режим доступа: http: //www. radiant viewer. com/.

28. Cobb J. R. Outline for the study of scoliosis. The American Academy of Orthopedic Surgeons Instructional Course Lectures / Cobb J. R. — MI: Edwards, 1948.

29. GIMIAS: Graphical Interface for Medical Image Analysis and Simulation [Электронный ресурс] // 2013. Режим доступа: http://www.gimias.net/.

30. The BSD 3-Clause License [Электронный ресурс] // 2010. Режим доступа: http://opensource.org/licenses/BSD-3-Clause.

31. GIMIAS: An Open Source Framework for Efficient Development of Research Tools and Clinical Prototypes

32. I Do Imaging: Free Medical Imaging Software [Электронный ресурс] // 2013. Режим доступа: http://idoimaging.com/.

33. Synedra View Personal [Электронный ресурс] // 2013. Режим доступа: http: //www.synedra.com/.

34. AMIDE [Электронный ресурс] // 2013. Режим доступа: http:// sourceforge.net/projects/amide/.

35. UniPACS DICOM viewer [Электронный ресурс] // 2007. Режим доступа: http://idoimaging.com/program/260.

36. Ligier Y., Ratib O., Logean M., Girard C. Osiris: a medical image-manipulation system // Computers in medical practice. — 1994. — Vol. 4. — No. 11. — P. 212220.

37. Ligier Y., Funk M., Ratib O., Perrier R., Girard C. The OSIRIS User Interface for Manipulating Medical Images // Picture Archiving and Communication Systems (PACS) in Medicine. - 1991. - Vol. 74. - P. 395-398.

38. DicomWorks [Электронный ресурс] // 2003. Режим доступа: http:// idoimaging.com/program/139.

39. XEBRA [Электронный ресурс] // 2013. Режим доступа: http:// sourceforge.net/proj ects/xebra/.

40. FP Image for Windows. Image Processing Software for the PC [Электронный ресурс] // 2008. Режим доступа: http://www.fpimage.com/info.html.

41. K-PACS DICOM Viewing Software [Электронный ресурс] // 2008. Режим доступа: http://www.k-pacs.de/.

42. Blox [Электронный ресурс] // 2007. Режим доступа: http: //sourcef orge. net/projects/blox/.

43. MRIcro [Электронный ресурс] // 2006. Режим доступа: http://www. mccauslandcenter.sc.edu/mricro//.

44. Kass M., Witkin A., Terzopoulos D. Snakes: Active contour models // International Journal of Computer Vision. — 1988. — Vol. 1. — No. 4. — P. 321331.

45. Williams D. J., Shah M. A fast algorithm for active contours and curvature estimation // CVGIP: Image Understanding. - 1992. — Vol. 55. — No. 1. — P. 14-26.

46. Ко В. С., Gim J., Nam J. Automatic white blood cell segmentation using stepwise merging rules and gradient vector flow snake // Micron. — 2011. — Vol. 42. - No. 7. - P. 695-705.

47. Derraz F., Beladgham M., Khelif M. Application of active contour models in medical image segmentation // International Conference on Information Technology: Coding and Computing. — 2004. - Vol. 2. — P. 675-681.

48. Cootes T. F., Taylor C. J., Cooper D. H., Graham J. Active Shape Models, Their Training and Application // Computer Vision and Image Understanding. - 1995. - Vol. 61. - No. 1. - P. 38-59.

49. Cootes T. F., Edwards G. J., Taylor C. J. Active Appearance Models // IEEE Transactions on Pattern Analysis and Machine Intelligence. — 1998. — P. 484498.

50. Beichel R., Bischof H., Leberl F., Sonka M. Robust Active Appearance Model Matching // Information Processing in Medical Imaging. — 2005. — Vol. 3565. - P. 114-125.

51. de Bruijne M., van Ginneken B., Viergever M. A., Niessen W. J. Adapting Active Shape Models for 3D segmentation of tubular structures in medical images // Information Processing in Medical Imaging. — 2003. — Vol. 18. — P. 136-147.

52. Chen X., Udupa J.K., Bagci U., Zhuge Y., Yao J. Medical Image Segmentation by Combining Graph Cuts and Oriented Active Appearance Models // IEEE Transactions on Image Processing. — 2012. — Vol. 21. — No. 4. — P. 2035-2046.

53. Yu-qian Z., Wei-hua G., Zhen-cheng C., Jing-tian T., Ling-yun L. Medical Images Edge Detection Based on Mathematical Morphology // 27th Annual International Conference of the Engineering in Medicine and Biology Society. — 2005. - P. 6492-6495.

54. Zhen-gang S., Qin-zi L. Edge Detection for Medical Image Based on PSO Algorithm // 3rd International Conference on Intelligent Networks and Intelligent Systems (ICINIS). - 2010. - P. 84-87.

55. Shichun P., Jian L., Guoping Y. Medical image edge detection based on EMD method // Wuhan University Journal of Natural Sciences. — 2006. — Vol. 11. — No. 5. - P. 1287-1291.

56. Somkantha К., Theera-Umpon N., Auephanwiriyakul S. Boundary Detection in Medical Images Using Edge Following Algorithm Based on Intensity Gradient and Texture Gradient Features // IEEE Transactions on Biomedical Engineering. - 2011. - Vol. 58. - No. 3. - P. 567-573.

57. Canny J. A Computational Approach to Edge Detection // IEEE Trans. Pattern Anal. Mach. IntelL - 1986. - Vol. 8. - No. 6. - P. 679-698.

58. Stokes M., Anderson M., Chandrasekar S., Motta R. A Standard Default Color Space for the Internet - sRGB [Электронный ресурс] // 1996. Режим доступа: http://www.w3.org/Graphics/Color/sRGB.

59. Hadwiger M., Kniss J. M., Rezk-salama C., Weiskopf D., Engel K. Real-time Volume Graphics / Hadwiger M., Kniss J. M., Rezk-salama C., Weiskopf D., Engel К. - A. K. Peters, Ltd., 2006.

60. Handbook of Computer Vision and Applications / ed. by Jahne В., Geissler P., Haussecker H. — Morgan Kaufmann Publishers Inc., 1999.

61. Shih F. Y., Wu Y. Fast Euclidean distance transformation in two scans using a 3x3 neighborhood. // Computer Vision and Image Understanding. — 2004. — Vol. 93. - No. 2. - P. 195-205.

62. Shotton J., Blake A., Cipolla R. Multiscale Categorical Object Recognition Using Contour Fragments // IEEE Trans. Pattern Anal. Mach. Intell.. — 2008. - Vol. 30. - No. 7. - P. 1270-1281.

63. Aurenhammer F. Voronoi diagrams — a survey of a fundamental geometric data structure // ACM COMPUTING SURVEYS. - 1991. - Vol. 23. - No. 3. -P. 345-405.

64. Cuisenaire О., Macq В. M. Fast Euclidean Distance Transformation by Propagation Using Multiple Neighborhoods // Computer Vision and Image Understanding. - 1999. - Vol. 76. - No. 2. - P. 163-172.

65. Fabbri R., Costa L. D. F., Torelli J. C., Bruno О. M. 2D Euclidean distance transform algorithms: A comparative survey // ACM Computing Surveys. — 2008. - Vol. 40. - No. 1. - P. 2:1-2:44.

66. Бабаев M. В., Пилиди В. С., Чернухин Н. А. Метод детектирования объектов и выделения границ для рентгенографических медицинских изображений // Вестник компьютерных и информационных технологий. — 2012. — № 8. - С. 41-45.

67. Bresenham J. Е. Algorithm for Computer Control of a Digital Plotter. // IBM Systems Journal. — 1965. — Vol. 4. — No. 25-30.

68. Пилиди В. С., Чернухин Н. А. Библиотека обработки изображений для платформы .NET // Современные информационные технологии в образовании: Южный федеральный округ. Материалы конференции. — 2010. — С. 255-256.

69. FIPL Image Processing Library [Электронный ресурс] // 2013. Режим доступа: http://sourceforge.net/projects/fipl/.

70. GNU General Public License, version 3 [Электронный ресурс] // 2007. Режим доступа: http://www.gnu.org/licenses/gpl.html.

71. Gtk# [Электронный ресурс] // 2013. Режим доступа: http://www. mono-proj ect.com/GtkSharp.

72. Martin R. C. Design Principles and Design Patterns [Электронный ресурс] // 2000. Режим доступа: http://www.objectmentor.com/resources/ articles/Principles_and_Patterns.pdf.

73. Martin R. С. The Dependency Inversion Principle [Электронный ресурс] // 1996. Режим доступа: http://www.objectmentor.com/resources/ articles/dip.pdf.

74. Martin R. C. The Interface Segregation Principle [Электронный ресурс] // 1996. Режим доступа: http://www.objectmentor.com/resources/ articles/isp.pdf.

75. Bracha G., Cook W. Mixin-based inheritance [Электронный ресурс] // ACM SIGPLAN Notices. - 1990. - Vol. 25. - No. 10. - P. 303-311. Режим доступа: http://doi.acm.org/10.1145/97946.97982.

76. Lane G. Implementing Mixins with С# Extension Methods [Электронный ресурс] // Режим доступа: http://www.zorched.net/2008/01/03/ implementing-mixins-with-с-extension-methods/.

77. Troelsen A. Pro C# 2010 and the .NET 4 Platform / Troelsen A. - Apress, 2010.

78. Bloch J. Effective Java / Bloch J. - Addison-Wesley, 2008.

79. Гамма Э., Хелм P., Джонсон P., Влиссидес Дж. Приемы объектно-ориентированного проектирования. Паттерны проекирования. / Гамма Э., Хелм Р., Джонсон Р., Влиссидес Дж. — СПб: Питер, 2001.

80. Mono [Электронный ресурс] // 2014. Режим доступа: http://www. mono-proj ect.com/Main_Page.

81. Mono WinForms [Электронный ресурс] // 2014. Режим доступа: http:// www.mono-project.com/WinForms.

82. Visual Studio Visualizers [Электронный ресурс] // 2014. Режим доступа: http://msdn.microsoft.com/en-us/library/zayyhzts(v=vs.100).aspx.

83. What is Object/Relational Mapping? [Электронный ресурс] // 2011. Режим доступа: http://www.hibernate.org/about/orm.

84. Entity Framework Overview [Электронный ресурс] // 2012. Режим доступа: http://msdn.microsoft.com/en-us/data/bb399567.

85. Guthrie S. Code-First Development with Entity Framework 4 [Электронный ресурс] // 2010. Режим доступа: http://weblogs.asp.net/scottgu/archive/2010/07/16/

code-first-development-with-entity-framework-4.aspx.

86. Kenneth L. B. Textbook of Radiographic Positioning and Related Anatomy / Kenneth L. B. - Mosby, 2001.

87. A File Transfer Protocol [Электронный ресурс] // 1971. Режим доступа: http://tools.ietf.org/html/rfcl14.

88. ADO.NET Data Providers [Электронный ресурс] // 2013. Режим доступа: http://msdn.microsoft.com/en-us/data/dd363565.aspx.

89. SQL Server 2008 R2 Express Database Size Limit Increased to 10GB [Электронный ресурс] // 2010. Режим доступа: http://blogs.msdn.com/b/sqlexpress/archive/2010/04/21/

database-size-limit-increased-to-10gb-in-sql-server-2008-r2-express aspx.

90. Secure Hash Standard (SHS) [Электронный ресурс] // 2012. Режим доступа: http: //csrc. nist. gov/publications/f ips/f ipsl80-4/f ips-180-4. pdf.

91. Apache log4net Features [Электронный ресурс] // 2013. Режим доступа: http://logging.apache.org/log4net/release/features.html.

92. DICOM Part 10: Media Storage and File Format for Media Interchange [Электронный ресурс] // 2011. Режим доступа: http : //medical. nema. org/ Dicom/2011/1l_10pu.pdf.

93. Fellow Oak DICOM for .NET [Электронный ресурс] // 2013. Режим доступа: https://groups.google.com/forum/#!forum/fo-dicom.

94. fo-dicom on GitHub [Электронный ресурс] // 2013. Режим доступа: https : //github.com/rcd/fo-dicom.

95. Intel Hyper-Threading Technology: Your Questions Answered [Электронный ресурс] / / 2009. Режим доступа: http : //software. intel. com/en-us/ intel-hyper-threading-technology-your-questions-answered.

96. Яндекс.Маркет. Ноутбук ASUS N56VB [Электронный ресурс] // 2013. Режим доступа: http://www.webcitation.org/6Ldhl33Nd.

97. Линденбратен Л. Д., Королюк И. П. Медицинская радиология / Линден-братен Л. Д., Королюк И. П. — М.:Медицина, 2000.

98. Чернухин Н. А. Комбинированный метод детектирования границ на рентгенографических медицинских изображениях, использующий методику активных контуров [Электронный ресурс] // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ). - 2013. — № 04 (088). — С. 530544. Режим доступа: http://ej .kubagro.ru/2013/04/pdf/36.pdf.

99. Чернухин Н. А. Разработка методов обнаружения объектов и детектирования их границ для рентгенографических медицинских изображений // Информационные технологии, системный анализ и управление. Материалы конференции. - 2012. - Т. 3. - С. 193-196.

100. Чернухин Н. А. Выделение границ объектов на рентгенограммах с использованием активных контуров и сопоставления контуров / / Современные информационные технологии: тенденции и перспективы развития. — 2013. - С. 340-341.

101. Чернухин Н. А. О новом методе автоматического детектирования объектов и уточнения их границ на рентгенографических медицинских цифровых изображениях // Актуальные проблемы биологии, нанотехнологий и медицины. Материалы конференции. — 2013. — С. 250-251.

102. Chernuhin N. A. On an approach to object recognition in X-ray medical images and interactive diagnostics process // Computer Science and Information Technologies. Conference proceedings. — 2013. — P. 185-188.

103. Chernuhin N. A. On an approach to object recognition in X-ray medical images and interactive diagnostics process [Электронный ресурс] // IEEE Proceedings: Computer Science and Information Technologies (CSIT). — 2013. Режим доступа: http://ieeexplore. ieee.org/xpl/login.jsp?arnumber= 6710351.