Метод и средства информационной поддержки хирурга при проведении трансуретральной резекции предстательной железы тема диссертации и автореферата по ВАК РФ 05.11.17, кандидат технических наук Егошин, Михаил Андреевич

• Егошин, Михаил Андреевич
• кандидат технических наук
• 2012

Оглавление диссертации кандидат технических наук Егошин, Михаил Андреевич

СОДЕРЖАНИЕ

ВВЕДЕНИЕ

1. ОБЗОР СОВРЕМЕННОГО СОСТОЯНИЯ МЕТОДОВ И СРЕДСТВ ИНФОРМАЦИОННОЙ ПОДДЕРЖКИ ХИРУРГА !

1.1. Назначение и особенности медицинских информационных систем

1.2. Основные средства и методы информационной поддержки хирурга при выполнении операций по техно логии мини-доступа 1g

1.3. Методы и средства слежения за хирургическим инструментом, основанные на анализе изображений

1.3.1. Формирование изображений

1.3.2. Подходы к обработке динамических изображений

1.3.3. Обработка изображений предстательной железы для решения задачи слежения за хирургическим инструментом при проведении трансуретральной резекции

1.4. Обсуждение результатов и конкретизация задач диссертационного исследования ^

2. СИСТЕМА СЛЕЖЕНИЯ ЗА ХИРИРУГИЧЕСКИМ ИНСТРУМЕНТОМ ПРИ ПРОВЕДЕНИИ ТРАНСУРЕТРАЛЬНОЙ РЕЗЕКЦИИ ПРЕДСТАТЕЛЬНОЙ ЖЕЛЕЗЫ

2.1. Введение и постановка задачи ^в

2.2. Системы координат для представления изображений предстательной железы

2.2.1. Абсолютная система отсчета

2.2.2. Естественная система отсчета

2.2.3. Динамическая система отсчета

2.3. Взаимная привязка систем координат

2.4. Обсуждение результатов

36

47

48 52

3. ОБРАБОТКА ИЗОБРАЖЕНИЙ ПРЕДСТАТЕЛЬНОЙ ЖЕЛЕЗЫ

3.1. Общие замечания

3.2. Инверсная фильтрация изображений

58

3.3. Анализ работы инверсного фильтра

3.4. Инверсная фильтрация одномерных перепадов яркости

3.4.1. Перепад с прямоугольным фронтом

3.4.2. Перепад яркости с линейным фронтом

3.4.3. Перепад яркости с параболическим фронтом

3.5. Инверсная фильтрация одномерных импульсов яркости

3.5.1. Импульс яркости с прямоугольными фронтами

3.5.2. Импульс яркости с линейными фронтами

3.6. Расчет импульсной характеристики инверсного фильтра при нулевом значении определителя матрицы

3.7. Инверсная фильтрация изображения предстательной железы

3.8. Обсуждение результатов

4. БИОТЕХНИЧЕСКАЯ СИСТЕМА ДЛЯ ТРАНСУРЕТРАЛЬНОЙ

РЕЗЕКЦИИ ПРЕДСТАТЕЛЬНОЙ ЖЕЛЕЗЫ

4.1. Структура б ио техническо й с ис темы 8

4.2. Учет текстурных признаков изображений предстательной железы в структуре биотехнической системы

4.3. Обоснование выбора метода анализа текстур изображений предстательной железы ^

4.4 Статистический метод анализа изображений предстательной железы

4.5. Разностный метод выделения текстуры на изображениях

4.6. Обсуждение результатов

ЗАКЛЮЧЕНИЕ 103 ЛИТЕРАТУРА

ПРИЛОЖЕНИЕ 1. Структура предстательной железы 1! 5 ПРИЛОЖЕНИЕ 2. Изображения, полученные в ходе проведения

трансуретральной резекции предстательной железы

Введение диссертации (часть автореферата) на тему «Метод и средства информационной поддержки хирурга при проведении трансуретральной резекции предстательной железы»

ВВЕДЕНИЕ

Объем профессиональных знаний, необходимых для успешной работы хирурга, значителен и продолжает постоянно расти [1-3]. Поэтому актуальность усиления информационной поддержки профессиональной врачебной деятельности медицинских работников в целом обусловлена не только потребностью в повышении качества оказываемой медицинской помощи населению, но и необходимостью оптимизации используемого для этого потенциала лечебного учреждения. Эффективное решение этой проблемы возможно только посредством новых подходов, через систему информатизации основных направлений деятельности учреждений здравоохранения и труда медицинских работников. Поэтому проблема создания автоматизированных рабочих мест хирурга и других медицинских работников является актуальной [3, 22, 23].

Гиперплазия предстательной железы, т.е. увеличение ее массы и объема с наступлением определенного возраста или при возникновении раковых опухолей, вызывает сужение мочеиспускательного канала. На сегодняшний день существует ряд методов, позволяющих восстановить нормальное мочеиспускание, одним из которых является трансуретральная резекция предстательной железы [4].

Доброкачественная гиперплазия простаты характеризуется доброкачественным увеличением железы с преимущественным ростом либо в прямую кишку, либо концентрацией изменений вокруг внутреннего отверстия уретры с распространением гиперплазированной предстательной железы в мочевой пузырь. Развитие доброкачественной гиперплазии предстательной железы вызывает сдавливание центральной и периферической зон, вызывая их атрофию и формирование «хирургической потенции» предстательной железы [4].

Сущность метода трансуретральной резекции заключается в удалении с помощью резектоскопа некоторого объема простаты с целью восстановления

мочеиспускательной функции. При выполнении операции хирург управляет движением резектоскопа в пределах изображения операбельного поля, наблюдаемого на экране монитора. Изображение формируется камерой, оптически связанной с резектоскопом. При этом процесс операции нуждается в объективном контроле положения режущего электрода резектоскопа относительно стенок капсулы простаты. Сложности, возникающие при проведении данной операции, например, отсутствие видимости капсулы предстательной железы, повреждение которой связано с риском для жизни пациента, обосновывают актуальность разработки методов и средств интеллектуальной поддержки хирурга-уролога.

Таким образом, разработка биотехнической системы, позволяющей снизить риск нанесения вреда здоровью пациента в результате трансуретральной резекции предстательной железы, является актуальной научно-технической задачей.

Цель и задачи диссертационного исследования. Целью диссертационной работы является разработка методов и алгоритмов интеллектуальной поддержки хирурга-уролога при проведении трансуретральной резекции предстательной железы, позволяющих повысить точность манипуляций хирурга и, тем самым, снизить число операционных осложнений. Для достижения поставленной цели необходимо решить следующие задачи:

1) разработать структуру биотехнической системы информационной поддержки хирурга при проведении трансуретральной резекции предстательной железы;

2) разработать методику обнаружения фрагмента изображения предстательной железы;

3) разработать методику взаимной привязки изображений полученных при томографическом исследовании и с хирургического инструмента;

4) разработать метод выделения признаков текстуры на изображениях предстательной железы;

5) разработать алгоритмы предлагаемых методов для целей слежения за хирургическим инструментом при проведении трансуретральной резекции предстательной железы.

Методы исследования. Для решения поставленных задач были использованы: теория вероятности, теория статистических решений и линейной фильтрации, теория контурного и кватернионного анализа изображений, моделирование процессов обработки изображений на ЭВМ, методы управления в биотехнических системах, методология искусственного интеллекта, методы математического моделирования.

Научная новизна, В диссертационной работе получены следующие результаты, характеризующиеся научной новизной и выносимые на защиту.

1. Структура биотехнической системы информационной поддержки хирурга-уролога, отличающаяся возможностью слежения за хирургическим инструментом без привлечения дополнительных устройств.

2. Методика обнаружения фрагмента изображения предстательной железы, основанная на принятой математической модели изображения предстательной железы и отличающаяся тем, что в структуре оптимального фильтра учитываются статистические данные фона, что позволяет уменьшить погрешность оценки координат смещения фрагмента.

3. Методика взаимной привязки изображений, полученных при томографическом исследовании и с хирургического инструмента, основанная на применении методов кватернионного анализа и обеспечивающая приемлемую точность совмещения изображений.

4. Метод выделения текстурных признаков изображений предстательной железы, основанный на оценке изменения структуры тканей в теле железы и обеспечивающий дополнительный контроль за положением хирургического инструмента в непосредственной близости к капсуле предстательной железы.

5. Алгоритмы обработки и анализа изображений предстательной железы, составляющие основу аппаратно-программного комплекса, поддерживающего работу хирурга-уролога при проведении трансуретральной резекции, отличающиеся возможностью работы без привлечения дополнительного оборудования для организации слежения за хирургическим инструментом и обеспечивающие приемлемую для медицинской практики эффективность работы соответствующей системы поддержки принятия решений.

Практическая значимость. Предложенная информационная технология интеллектуальной поддержки хирурга-уролога позволяет осуществлять объективный контроль при проведении операций на предстательной железе и, тем самым, исключить влияние человеческого фактора на качество проведения операции.

Реализация результатов работы. Результаты диссертационной работы внедрены в Республиканской клинической больнице Республики Марий-Эл и использованы в учебном процессе кафедры РТиМБС МарГТУ по курсам «Обработка изображений медико-биологических объектов» и «Аппаратное и информационное обеспечение малоинвазивных операций в урологии» для студентов специальности 200400.65 «Инженерное дело в медико-биологической практике», что подтверждается соответствующими актами.

Теоретические и практические результаты работы использованы в НИР по гранту РФФИ «Разработка методов и создание информационной технологии визуализации и сравнительного анализа сопряженных пространственных статистических и динамических сцен» (проект №08-0112000 офи), выполненной на кафедре радиотехнических и медико-биологических систем МарГТУ в период с 2008 по 2010 годы.

Апробация работы. Основные положения диссертационной работы докладывались и обсуждались наследующих конференциях:

1. 10th International Conference on Pattern Recognition and Image Analysis: New Information Technologies (PRIA-10-2010). St. Petersburg,2010

2. ХХП1 всероссийской научно-технической конференции студентов, молодых ученых и специалистов «Биотехнические, медицинские и экологические системы и комплексы» (Биомедсистемы - 2010). Рязань, 2010.

3. XVI молодежной научной конференции «Туполевские чтения». Казань, 2008.

4. Республиканском научном семинаре академии наук республики Татарстан «Методы моделирования». Казань, 2010.

5. IX международной конференции «Оптико-электронные приборы устройства в системах распознавания образов, обработки и символьной информации», Распознавание - 2010. Курск, 2010.

6. Всероссийской научно-технической конференции с международным участием «Промышленная безопасность». Йошкар-Ола, 2011.

7. IV Всероссийской с международным участием научной конференции «МЕТРОМЕД - 2011». Санкт-Петербург, 2011.

8. Международной научно-технической конференции «Медико-экологические информационные технологии - 2011». Курск, 2011.

Публикации. По материалам диссертационного исследования опубликовано 16 работ. Из них: 3 статьи в рецензируемых научных журналах и изданиях, 1 свидетельство о регистрации программы в РОСПАТЕНТ, 3 в других изданиях, 9 в материалах конференций.

Структура и объем работы. Диссертация состоит из введения, 4 глав, заключения, списка литературы, включающего 84 наименований, и приложения. Работа изложена на 126 страницах машинописного текста, содержит 59 рисунков и 4 таблицы.

Основное содержание работы.

Во введении обоснована актуальность темы, сформированы цель и задачи работы, направления исследований, научная новизна и основные научные положения диссертационной работы.

В первой главе исследовано состояние вопроса по медицинским информационным системам. Рассмотрены назначение и особенности

медицинских систем. Основная их цель компьютерная поддержка работы врача. Приведена структура информационной биотехнической системы, основу которой составляет компьютерные средства обработки и анализа

данных.

Исследованы основные средства и методы информационной поддержки хирурга при выполнении операций по технологии мини-доступа. Анализ состояния вопроса создания систем слежения в мягких тканях при выполнении хирургических операции по технологии мини-доступа показал, что существующие современные системы требуют применения, в той или иной степени, дополнительных устройств. При этом в некоторых случаях размещение дополнительных навигационных устройств может вызвать затруднения. Рассмотрены методы и средства слежения за хирургическим инструментом, основанные на анализе изображений. Рассмотрены вопросы формирования изображений при выполнении трансуретральной резекции предстательной железы. Представлены подходы к обработке динамических изображений, формируемые видеокамерой резектоскопа. Показано, что обработка изображений для целей слежения за хирургическим инструментом при проведении трансуретральной резекции предстательной железы заключается в прослеживании траектории движения резектоскопа в теле предстательной железы. Данная задача сводится к задаче обнаружения похожих фрагментов в соседних кадрах последовательности изображений предстательной железы.

Во второй главе предложена методика взаимной привязки изображений полученных при томографическом исследовании и с хирургического инструмента. Предложены системы координат для представления изображений предстательной железы и методика их взаимной привязки.

В плане информационной поддержки хирурга при проведении трансуретральной резекции предстательной железы задача ставится следующим образом. Имеется замкнутое трехмерное пространство с заданными границами. В этом пространстве сформирована объемная

критическая область, выход за пределы которой запрещен. В пределах замкнутого пространства расположен подвижный объект, движения которого направлены на выполнение некоторой целевой функции. Информация для управления объектом формируется по результатам анализа динамической сцены, которая образуется видеодатчиком, закрепленным на объекте. Содержание динамической сцены является фрагментом исходной статической сцены. По результатам анализа статической и динамической сцен необходимо определить положение объекта относительно критической области и сформировать предупреждающую информацию при достижении этой области.

Для решения поставленной задачи были заданы три системы координат: абсолютная, естественная и динамическая и их взаимная привязка. Абсолютная система отсчета, связанная с организмом пациента, должна быть привязана к какой либо точке (органу) пациента так, чтобы относительно ее можно было однозначно задать положение предстательной железы. Естественная система отсчета связана с ЗО изображением предстательной железы. Динамическая система отсчета связана с изображениями, формируемыми с телекамеры резектоскопа. Изображение формируется камерой, оптически связанной с резектоскопом. Вследствие движения резектоскопа наблюдаемая на мониторе сцена носит динамический характер.

В третьей главе решена задача синтеза фильтра, обеспечивающего обнаружение изображения заданного объекта при наличии фоновой помехи, содержащей сходные объекты. Специфической особенностью изображений предстательной железы является отсутствие в явном виде изображения объекта и фона.

Проведен анализ работы инверсного фильтра в пространственной области. Рассмотрена фильтрация одномерных перепадов и импульсов яркости. Представлены результаты расчета импульсной характеристики инверсного фильтра при нулевом значении определителя матрицы. Показано, что выходной сигнал реального инверсного фильтра дает в точке,

соответствующей местоположению обнаруживаемого объекта, резкий выброс, величина которого прямо пропорциональна ширине полосы пропускания. Данный эффект позволяет уменьшить погрешности оценки координат смещения фрагмента. Исследована эффективность применения инверсного фильтра для решения задачи обнаружения изображений фрагментов в динамическом изображении предстательной железы.

В четвертой главе представлена разработанная структура биотехнической системы для трансуретральной резекции предстательной железы, осуществляющая этапы подготовки и проведения операции.

На этапе подготовки к операции выполняется обследование пациента, предусматривающее анализ структуры предстательной железы при помощи интроскопических методов исследования, например, компьютерной томографии. Далее осуществляется построение трехмерного изображения капсулы предстательной железы на основе данных компьютерного томографа. Производится анализ границ исследуемого органа методами контурного анализа в каждом отдельном срезе. С учетом расстояния между срезами производится расчет координат каждой точки, принадлежащей капсуле предстательной железы, в трехмерном пространстве. Восстановление трехмерного контура капсулы предстательной железы осуществляется посредством наложения полученных контуров последовательно друг на друга в соответствии с номером среза.

В силу особой важности сохранения целостности капсулы предстательной железы в диссертационной работе предложены дополнительная процедура контроля за положением хирургического инструмента на основе анализа структуры изображений. Данный подход основан на том, что различные ткани обладают различной структурой (текстурой).

В заключении представлены основные результаты диссертационной работы.

Список опубликованных работ по теме диссертации

В рецензируемых научных журналах и изданиях

1. Хафизов, Р.Г. Информационная поддержка хирурга при проведении трансуретрапъной резекции предстательной железы / Р.Г. Хафизов, М.А. Егошин // Системный анализ и управление в биомедицинских системах, 2011. Т. 10. №4. С.980-984.

2. Егошин, М.А. Система информационной поддержки хирурга при проведении трансуретральной резекции предстательной железы / М.А. Егошин, Р.Г. Хафизов, Ю.Е. Гарипова // Информационно- управляющие системы, 2011. №3. С.66-69.

3. Хафизов, Р.Г. Инверсная фильтрация предстательной железы / Р.Г. Хафизов, М.А. Егошин, Н.Ю. Глазунова // Вестник Марийского государственного технического университета, 2011. №3. С.65-77.

Авторские свидетельства на программы для ЭВМ

4. Рябинин, К.Б. Свидетельство об официальной регистрации программы для ЭВМ №2009616106. Программа определения плоских участков заданных размеров на подстилающей поверхности / К.Б. Рябинин, Л.А. Фурман, А.В. Кревецкий, М.А. Егошин (РФ). М.: РосПатент; Заявитель и правообладатель МарГТУ. №2009614876; заявлено 09.09.2009; дата регистрации 05.11.2009.

В других изданиях

5. Егошин, М.А. Разработка программного комплекса системы информационной поддержки хирурга-уролога / М.А. Егошин, В.В. Мальцев // Медицинские приборы и технологии: Международный сборник научных статей / Тул. гос. ун-т. Тула, 2011. С. 144-147.

6. Егошин, М.А. Экспериментальное исследование потенциальной помехоустойчивости распознавания 2D и 3D изображений при условии их произвольных вращений / М.А. Егошин // Вестник Марийского государственного технического университета / Map. гос. тех. ун-т. Йошкар-Ола, 2009. №2. С.48-55.

В материалах конференций

7. Егошин, М.А. Обработка изображений предстательной железы в системе информационной поддержки хирурга-уролога / М.А. Егошин, Ю.Е. Гарипова, Р.Г. Хафизов // Медико-экологические информационные технологии - 2011: сборник материалов XIV Междунар. науч.-техн. конф. / Юго-Зап. гос. ун-т. Курск, 2011. С.189-193.

8. Егошин, М.А. Обнаружение фрагментов изображений предстательной железы на базе инверсной фильтрации при проведении трансуретральной резекции / М.А. Егошин // Биотехнические, медицинские и экологические системы и комплексы (БИОМЕДСИСТЕМЫ-2010): сб. материалов XXIII Всероссийской научно-технической конференция студентов, молодых ученых и специалистов / Рязан. гос. радиотехн. ун-т. Рязань, 2010. С.229-233.

9. Egoshin, М.А. Inverse Filtering Application for Processing of Prostate Images at Canying Out Transurethral Resection / M.A. Egoshin, R.G. Khafizov // lOth International Conference on Pattern Recognition and Image Analysis: New Information Technologies (PRIA-10-2010). St. Petersburg. Conference Proceedings (Vol. I-II), SPb.: Politechnika, 2010. Volume II. Page 269-273.

10. Хафизов, Р.Г. Разработка алгоритма детектирования формы поверхности 3D изображений медико-биологических объектов на основе анализа векторных полей / Р. Г. Хафизов, М. А. Егошин // XVI Туполевские чтения: Международная молодежная научная конференция, 28-29 мая 2008 года: Труды конференции / Казан, гос. техн. ун-т. Казань, 2008. Т.З. С. 151152.

11. Фурман, Я.А. Кватернионные модели процессов представления, обработки и распознавания трехмерных изображений / Я. А. Фурман, М. А. Егошин, Р. В. Ерусланов // Методы моделирования: Труды Республиканского научного семинара АН РТ / Казань: Изд-во «Наука», 2010. Вып. 4. С.7-40.

12. Гарипова, Ю.Е. Решение задачи интраоперационной навигации хирургического инструмента при проведении трансуретральной резекции

предстательной железы / Ю.Е. Гарипова, М.А. Егошин // Цромышленная безопасность: сборник статей студентов, магистрантов, аспирантов и молодых ученых / Map. гос. техн. ун-т. Йошкар-Ола, 2011. С.129-133.

13. Егошин, М.А. Зависимость контурного описания упорядоченного пространственного группового точечного объекта от параметров линейных преобразований его изображения / М. А. Егошин, Р. В. Ерусланов // Оптико-электронные приборы устройства в системах распознавания образов, обработки и символьной информации. Распознавание-2010: сб. материалов ГХМеждунар. конф. / Курск, гос. техн. ун-т. Курск, 2010. С.54-56.

14. Ерусланов, Р.В. Связь спектров кватернионного сигнала, представленного в полярном и контурном вцдах / Р. В. Ерусланов, М. А Егошин // Оптико-электронные приборы устройства в системах распознавания образов, обработки и символьной информации. Распознавание-2010: сб. материалов IX Междунар. конф. / Курск, гос. техн. ун-т. Курск, 2010. С.56-59.

15. Хафизов, Р.Г. Методы и алгоритмы информационной поддержки хирурга при проведении трансуретральной резекции предстательной железы / Р.Г Хафизов, М.А. Егошин // Map. гос. тех. ун-т. Йошкар-Ола, 2012. Деп. в ВИНИТИ 17.01.2012. №10-В 2012.

16. Егошин, М.А. Биотехническая система для трансуретральной резекции предстательной железы / М.А. Егошин, Н.Ю. Глазунова, Р.Г. Хафизов. // Измерительные приборы и информационные технологии в охране здоровья. МЕТРОМЕД - 2011: сборник научных трудов международной научной конференции // СПб.: Изд-во «ИнформМед», 2011. С. 132-134.

1. ОБЗОР СОВРЕМЕННОГО СОСТОЯНИЯ МЕТОДОВ И СРЕДСТВ ИНФОРМАЦИОННОЙ ПОДДЕРЖКИ ХИРУРГА

1.1. Назначение и особенности медицинских информационных систем

Медицинские информационные системы предназначены для информационного обеспечения принятия решений в профессиональной деятельности врачей разных специальностей. Основная их цель -компьютерная поддержка работы врача. Они позволяют повысить качество профилактической и лечебно-диагностической работы, особенно в условиях массового обслуживания при дефиците времени и квалифицированных специалистов [23].

Компьютерные системы эффективно используются для автоматизации решения самых разнообразных задач, возникающих при проведении лечебно-диагностических процессов и медико-биологических исследований. Наряду с наличием общих признаков, которые позволяют рассматривать проблему создания компьютерных систем автоматизированной обработки данных медико-биологических исследований как разновидность общей проблемы автоматизации систем, существует ряд специфических особенностей подобных систем. Во-первых, это специфика объекта исследования. В отличие от систем автоматизации технических объектов и систем, которые в большинстве случаев основаны на априорном знании структуры математической модели исследуемого объекта, для таких сложных структур, какими являются биологические системы, построение подобных моделей весьма затруднительно, т.к. во многих случаях не существует фундаментальных биологических теорий, позволяющих установить адекватное математическое описание взаимосвязей между показателями, характеризующими их состояние.

Во-вторых, чрезвычайно высокая роль субъективного фактора в общем числе факторов, определяющих эффективность систем автоматизации

анализа данных медико-биологических исследований. Медицина - та область человеческой деятельности, где по-прежнему интуиция специальности очень важна. Следующей спецификой является сложность формализации задач анализа данных медико-биологических исследований и интерпретации результатов.

Многообразие структур биологических объектов и систем, методов проведения медико-биологических исследований, типов регистрируемых данных определяет многообразие вариантов практической реализации информационных систем, обеспечивающих автоматизацию различных этапов проведения подобных исследований. Однако, несмотря на огромное многообразие вариантов их реализации, можно выделить ряд общих моментов, присущих подобным системам.

На рис. 1.1 приведена структура информационной биотехнической системы, основу которой составляет компьютерные средства обработки и анализа данных

Программа

Рис. 1.1. Типовая структура информационной биотехнической системы

Компьютерные информационные системы, предназначенные для автоматизации всего технологического процесса врача соответствующей специальности и обеспечивающие информационную поддержку при принятии врачебных решений, называют автоматизированным рабочим местом (АРМ) врача.

Понятие АРМ чрезвычайно широкое и включает в себя представления от компьютерного мониторинга здоровья пациента в условиях конкретного лечебного учреждения до сложнейших аппаратно-программных комплексов, позволяющих производить снятие и преобразование медицинской информации. Цри этом их выходная информация представлена в цифровом виде и готова для дальнейшей обработки с помощью персональной ЭВМ.

В течении последнего десятилетия получил распространение значительный класс приборов, позволяющих, используя современные вычислительные средства, определять косвенными методами важные физиологические функции, такие, например, как сердечный иццекс, объем предстательной железы, плотность печени, объем и положение кисты и др. К таким приборам относятся получившие широкое распространение эхокардиографы, компьютерные томографы и другие автоматизированные комплексы. Таким образом, лечебно-диагностический процесс в современных условиях переходит на новые, высокотехнологические пути развития в сфере получения и реализации диагностической и лечебной информации. Без компьютерной техники внедрение такого рода технологий не представляется возможным.

Однако общепринятого определения АРМ врача до сих пор не существует. В частности, можно говорить, что АРМ лечащего врача есть совокупность технических и программных средств, обеспечивающих его информационную поддержку (сбор, хранение, передачу, обработку и выдачу медицинской информации) при принятии им решения по тактике ведения больного в процессе оказания медицинской помощи пациентам. Под АРМ врача также понимается такое рабочее место, на котором осуществляется его трудовая деятельность, связанная с реализацией лечебно-диагностического процесса в соответствии со стандартами и должностной инструкцией, оснащенное совокупностью медико-технических средств и средств вычислительной техники при наличии программного и информационного обеспечения.

Врачам как непрограммирующим пользователям, владеющим конкретными предметными областями медицинских знаний, нужны не просто персональные компьютеры, установленные на их рабочих местах и выдающие им время от времени некую полезную информацию, а с учетом их большой профессиональной занятости - максимально простые, удобные и эффективные программно-технические средства информационного сервиса.

АРМ входят функциональной составляющей в лечебно-диагностический процесс лечебного учреждения в виде экспертных информационных систем или как средство информационной поддержки принятия врачебных решений с внедрением в медицинскую практику инновационных проектов и технологий. Функционально АРМ лечебных учреждений отражает все аспекты их профессиональной деятельности, но, прежде всего, это информационная поддержка деятельности врача на всех этапах работы с пациентом и сопровождение лечебно-диагностического процесса каждого пациента по основным видам медицинской помощи.

Следует отметить, что клинические системы информационной поддержки медицинского персонала лечебных учреждений в настоящее время еще недостаточно развиты и практика их внедрения невелика, что связано с чрезвычайно высокой сложностью их разработки и сопровождения.

1.2. Основные средства и методы информационной поддержки хирурга при выполнении операций по технологии мини-доступа

На сегодняшний день существует множество методов, позволяющих выполнять хирургические вмешательства по технологии мини-доступа. Существенным препятствием к развитию технологии мини-доступа является отсутствие достаточной видимости картины оперируемого поля. Хирург не всегда может адекватно оценить третье измерение. Поэтому возникает задача создания методов объективного контроля над положением хирургического инструмента в ходе выполнения операций.

В зависимости от типа операции и хирургических инструментов, используемых при ее выполнении, применяют различные методы слежения за хирургическим инструментом непосредственно в момент хирургического вмешательства. Выделяют несколько основных методов слежения: механическое, акустическое, оптическое, электромагнитное, магнитно-оптическое и эндоскопическое [6, 18-20].

Метод механического слежения реализован на базе манипулятора, которое используется для регистрации положения зонда. Подобная система способна определять местоположение только одного зонда, т.к. манипулятор должен иметь непосредственное взаимодействие с инструментов. Кроме того, он может мешать при выполнении операции преграждая доступ к оперируемым органам.

При акустическом слежении для определения местоположения инструмента используется эхотомоскоп. ЗБ ультразвуковые сканеры позволяют получить трехмерное изображение внутриполостных органов и тканей. Применение данного метода слежения требует постоянного присутствия в операционной ультразвукового сканера, а также постоянного контакта между преобразователем и телом пациента, что создает дополнительные неудобства при выполнении хирургического вмешательства.

Метод оптического слежения основан на визуальной регистрации при помощи двух камер положения отслеживаемых объектов или сенсоров, прикрепленных к эндоскопу, или иного хирургического инструмента (рис. 1.2). Таким образом, можно определить положение жесткого инструмента или эндоскопа внутри пациента.

Для операций, выполняемых через естественное отверстия, применение оптического слежения зачастую невозможно из-за того, что все инструменты и эндоскоп имеют гибкие кончики, поэтому реальное положение оценить затруднительно. Кроме того, оперируемый орган должен находиться в поле видения камер, что трудно реализовать в случаях, если операции выполняются на органах, доступ к которым затруднен. Поэтому, область

применения операции с использованием оптического метода слежения ограничен лишь брюшной полостью.

Рис. 1.2. Оптическая следящая система

Методом электромагнитного слежения определяют положение небольшой катушки, находящейся в теле пациента (рис. 1.3). Чувствительную катушку прикрепляют к концу инструмента и вокруг пациента генерируется магнитное поле. Применение данного метода может быть ограничено в случае, если в операционной используются ферромагнитные хирургические столы и инструменты.

\

Рис. 1.3. Электромагнитное слежение

Эндоскопическое слежение использует информацию с видеокамеры, оптически связанной с эндоскопом (рис. 1.4). Данный метод требует применения так называемых маркеров, которые представляют собой иглообразные навигационные устройства с окрашенной сферической верхней частью. Наконечники, как правило, окрашивают в синий, красный или желтый цвета. В процессе выполнения операции хирург вставляет в тело пациента четыре и более игл, и таким образом, позиционирует оперируемый орган. Положение инструмента оценивается по расположению и размеру этих маркеров на двумерном изображении, формируемом видеокамерой.

Рис. 1.4. Эндоскопическая следящая система

Для обеспечения требуемой точности навигационные устройства должны быть расположены в непосредственной близости с оперируемым органом. Однако в некоторых случаях размещение подобных навигационных устройств может вызвать затруднения.

Анализ состояния вопроса создания систем навигации в мягких тканях при выполнении хирургических операции по технологии мини-доступа показал, что существующие современные системы требуют применения, в той или иной степени, дополнительных устройств. При этом в некоторых случаях размещение дополнительных навигационных устройств может вызвать затруднения.

1.3. Методы и средства слежения за хирургическим инструментом, основанные на анализе изображений

1.3.1. Формирование изображений

Предстательная железа (рис. 1.5) расположена в центре таза, циркулярно охватывает шейку мочевого пузыря и прилегающий к нему отдел уретры [4].

• Б!*., ;,ч нч.'.'

МС . < • -- •( к „•

каиая

Рис. 1.5. Предстательная железа

При выполнении операции трансуретральной резекции простаты хирург управляет движениями резектоскопа (рис. 1.6) в пределах изображения операбельного поля, наблюдаемого на экране монитора (рис. 1.7).

Рис. 1.6. Резектоскоп

Изображение формируется камерой, оптически связанной с резектоскопом. Вследствие движения резектоскопа наблюдаемая на мониторе сцена носит динамический характер [43, 52].

В работах [49,50] представлены результаты исследования статистических характеристик изображений предстательной железы, полученных с помощью оптической системы резектоскопа. Показано, что изображения предстательной железы статистически неоднородны и относятся к совокупности локально-однородных случайных полей, которые изменяются при переходе от одной зоны к другой. Закон распределения яркости пикселей не противоречит нормальному. Соседние кадры изображения предстательной железы сильно коррелированны. Какие либо закономерности энергетического спектра функции яркости изображений предстательной железы не выявлены.

Рис. 1.7. Изображения предстательной железы, формируемые оптической системой

резектоскопа

1.3.2. Подходы к обработке динамических изображений

В работе [7] предложена математическая модель определения параметров динамических объектов. Данная модель представляется с помощью модели канала динамики, характеризующей изменение состояния объекта (его фазовую траекторию) во времени, и модели канала измерений (наблюдений), характеризующей процесс измерения его фазовых координат. Такая модель является прогнозируемой, так как ее параметры определяются по результатам наблюдений за входными и выходными данными. Кроме того, описание в пространстве состояний, реализуемых в данной модели, отражает современный подход к математическому описанию динамических объектов, состоящий в рассмотрении с единых позиций различных систем: линейных и нелинейных, дискретных и непрерывных, стационарных и нестационарных и т.п.

В общем виде положение объекта в пространстве описывается трехмерным вектором параметров:

= (1.3.1)

в составе которого х(/0), у(/0), 2{10) - трехмерные координаты центра объекта на момент времени ; Т - знак транспонирования.

Движение объекта рассматривается как движение абсолютно твердого тела, которое складывается го движения центра масс и движения относительно центра масс. Движение центра масс описывается матричным дифференциальным уравнением:

с1а

где /[.,.] =

а

Fg[a,a„]

dt=f[a,an]+w(t), (1.3.2)

; - известная функция, в общем случае

gi

нелинейно зависящая от вектора а и вектора ап, компонентами которого являются параметры уравнения движения (1.3.1); w(t)- векторная функция,

характеризующая действующие на объект силы. Уравнение (1.3.2) называют уравнением состояния динамической системы.

Если функции w(t) и ап(t) известны, то задание вектора a(t0) позволяет точно вычислить параметры объекта в заданный момент времени, w(t) считается случайной функцией. Такое задание отражает погрешности в

используемой модели движения и наличие возмущений случайного характера.

Далее идет процесс линеаризации исходного уравнения (1.3.2) относительно номинальной траектории ап (t) и тем самым осуществляется переход к линейному стационарному уравнению

^ = Pa(t) + w(t), (1.3.3)

где матрица Р предполагается известной.

Так как измерения параметров объектов проводятся в дискретные моменты времени, то уходят от модели движения с непрерывным временем к модели с дискретным временем t0,th...,tk. В случае нескольких объектов, находящихся в поле зрения, уравнение (1.3.3) запишется в виде:

"A- о-3-4)

где матрица Р^ предполагается известной; w^ - последовательность

случайных векторов; п - номер объекта.

Уравнение измерения, связывающее вектор измерений z с вектором а параметров движения объекта (вектором состояния), имеет вид:

2к+1 ~ z(!k+l\а(?к+\)| + tfk+l 5 (1.3.5)

где hk+![...] - известная векторная функция; rjk+]- неизвестный вектор (ошибка измерения).

Для модели движения объекта решение линейной задачи оценивания дается фильтром Калмана, т.к. фильтр Калмана дает наилучшие, в смысле минимума среднего квадратического отклонения, оценки параметров по

сравнению с любыми другими линейными фильтрами, в том числе и при негауссовских шумах. Несмотря на простую алгоритмическую реализацию, применение на практике предложенной математической модели определения параметров динамических объектов вызывает затруднения. Основными причинами являются неполнота (или отсутствие) априорной информации о модели системы, первых моментах вектора а{0) и числовых характеристиках последовательностей м?(к), т](к), и возможность расходимости фильтра Калмана.

Для определения параметров динамических объектов по предложенной модели необходимо знать значения компонентов вектора измерений г(к), определение которых разделяется на следующие этапы.

1. Формирование двумерных стереоизображений рабочей сцены в прямоугольной системе координат СТЗ, которые наблюдаются в дискретные моменты времени где к - текущий момент, в виде двумерных матриц (кадров) изображений размерностью (тхп) элементов.

2. Анализ последовательности изображений одного из каналов (например, левого канала) с целью выделения в кадре фрагментов изображения, содержащих динамические объекты.

3. Определение для каждого найденного фрагмента изображения соответствующего фрагмента изображения, полученного по другому каналу,

и вычисление вектора гп (к).

Наиболее удобным и простым способом описания обнаруженных динамических объектов в плоскости изображения является их аппроксимация минимальной прямоугольной областью, координаты центра

которой выступают в качестве параметров объекта ап(к). Такое

представление изображения объекта называется формальным контуром объекта (ФКО).

ФКО однозначно описывается квадратной матрицей второго порядка. Если обозначить через формальный контур п -го объекта, то

Рп={*1 Ух1 (1.3.6)

4*2 У2)

где (х],^) и (х2,У2)~ координаты левой верхней и правой нижней границ окна. При таком описании динамического объекта в качестве радиуса ячейки V предлагается использовать максимальный линейный размер ФКО, описывающего объект, то есть

Яу - тах(Лх, Ау).

(1.3.7)

где

Ах = х2-хь *у = уг-у\. (1.3.8)

Рассматривая изображение как дискретную функцию двух дискретных переменных, кадр Ак представляется в виде матрицы значений пикселов:

Аь =

гк Ук

хп хп

гк хк

х2\ х22

хт\ хт2

гк х\п

гк х2п

X

тп

(1.3.9)

где т и п - число элементов разложения; - представляет

значение уровня серого пиксела тп в кадре к; Б - число градаций уровня серого, передаваемых ОЭД.

Процесс {Хт„,к = 0,1,...} является к-мерной гауссовской последовательностью. В случае подвижного фона считается, что его абсолютная скорость меньше скорости объекта. Если по абсолютной скорости объект и фон неразличимы, то окончательное решение о природе выделяемого изображения может быть получено только с применением методов распознавания.

Для нахождения динамических объектов в последовательности изображений Ж определяется функция принадлежности каждого пиксела

хтп динамическому объекту или фону.

После обнаружения динамических объектов и вычисления их двумерных координат производится определение параметров динамических объектов и их трехмерных координат.

Для нахождения трехмерных координат необходимо решить задачу автоматизированного поиска сопряженных точек изображений объектов, ограниченных найденными ФКО. Задача состоит в следующем: на одном из изображений выбрана точка т , являющаяся проекцией некоторой точки М трехмерного пространства, необходимо на втором изображении найти точку т" - проекцию той же точки. В данном случае речь идет об отождествлении не отдельных точек, а фрагментов изображений.

Так как необходимо найти похожие фрагменты на изображениях, полученных в одинаковые моменты времени и в одной системе координат (допустим отсутствие геометрических искажений после калибровки), то в качестве оптимального с точки зрения вычислительной сложности при возможных значениях смещения большего 4 выбирается функция, рассчитывающаяся для каждого ФКО в соответствии со следующим выражением:

где Рп\\х,у] - найденные ФКО объектов; В[х,у]- значения яркости пиксела из правого кадра; коэффициент смещения для ФКО в правом кадре.

То

есть функция дает количественную оценку совпадающих элементов изображений при их совмещении. При перемещении эталонного изображения, описываемого найденными ФКО левого кадра, по анализируемому фрагменту правого кадра образуется матрица меры близости (аналогичная корреляционной матрице), по минимальному значению которой осуществляется координатная привязка соответствующих фрагментов изображений.

Зону поиска соответствий по горизонтальной оси можно ограничить. Так как при стереосъемке объекты в правом кадре смещены влево, а в левом соответственно - вправо, то для поиска соответствующих зон на изображениях необходимо смещать эталонное изображение влево. Минимальное значение к8 определяется минимальной величиной диспарантности. Минимум диспарантности соответствует изображению объекта, удаленного на бесконечность, и равен нулю. В этом случае

^у (И11П) = XI. (1.3.11)

Смещение производится попиксельно, и после каждого смещения рассчитывается значение функции Максимальное значение смещения определяется как

к,(тах) = п-Ж0, (1.3.12)

где п - число пикселов строки кадра; Щ =(х2~х1) - ширина объекта, описываемого ФКО.

Использование этого подхода при поиске сопряженных точек позволяет существенно сократить размер зоны поиска, выполняя поиск не на всем изображении, а только вдоль отрезка, принадлежащего эпиполярной линии, и тем самым снизить вероятность ложной идентификации фрагментов. Кроме того, такой подход имеет малые вычислительные затраты и легко реализуется.

1.3.3. Анализ текстуры на изображениях

Одним го важных подходов к описанию областей является количественное представление их текстурных признаков. [11, 32] Несмотря на отсутствие формального определения текстуры, этот дескриптор является мерой таких свойств области, как гладкость, шероховатость и регулярность. В цифровой обработке изображений для описания текстуры области применяются три основных подхода: статистический, структурный и спектральный. Статистические методы позволяют охарактеризовать

текстуру области как гладкую, грубую, зернистую и т.д. Структурные методы изучают взаимного положения простейших составляющих изображения, как, например, при описании текстуры из параллельных линий, проходящих с постоянным шагом. Спектральные методы основаны на свойствах Фурье-спектра и используются для обнаружения глобальной периодичности в изображении по имеющим большую энергию узким выбросам на спектре

Одним из простейших подходов, применяемых для описания текстуры, состоит в использовании статистических характеристик, определяемых по гистограмме яркости всего изображения или его области.

Второй важный класс описаний текстур основан на структурном подходе. Пусть имеется правило, записанное в форме £ —> аБ, которое указывает, что символ 8 разрешается переписывать в виде аБ (например, троекратное применение такого правила дает строку символов аааБ). Если а символически представляет круг (Рис. 1.8,а), и строке ааа... прццан смысл «последовательность кругов вправо от начальной точки», то применение правила £ —> аБ приводит к построению текстуры, изображенной на рис. 1.8,6.

Рис. 1.8. Базовый элемент текстуры (а), текстура, строящаяся применением правила Я —> аБ (б), двумерная текстура, сгенерированная с помощью этого и других правил (в)

Далее, добавим к этой схеме еще несколько новых правил: £ —> ЪА, А —> сА, А —> с, А —» ЪБ, 5 —» а. Здесь появление Ь интерпретируется как «круг ниже», а с — как «круг слева». С помощью таких правил можно построить символьную строку аааЬссЪаа, которой соответствует построенная из кругов

а

б

в

матрица 3x3. Таким же образом могут генерироваться и более крупные текстурные образы, например, как на рис. 1.8,в.

Основная идея состоит в том, что из относительно простых базовых элементов текстуры можно формировать более сложные текстурные образы с помощью некоторых правил, ограничивающих возможное взаимное расположение этих базовых элементов.

Спектр Фурье может быть использован для описания направленности присутствующих в изображении периодических или квазипериодических двумерных структур. Эти глобальные текстурные образы легко различаются на спектре в виде импульсов с высокой энергией, однако их весьма непросто обнаружить с помощью пространственных методов обработки, которые являются локальными по своей природе.

Свойства фурье-спектра, используемые для описания текстуры:

1) выступающие пики спектра указывают главное направление текстурной составляющей;

2) местоположение этих пиков на частотной плоскости дает основной пространственный период текстуры;

3) после устранения всех периодических составляющих путем фильтрации, в изображении остаются только непериодические компоненты, которые затем могут описываться с помощью статистических методов.

Амплитуда спектра симметрична относительно начала координат, так что достаточно рассматривать только половину частотной плоскости. Таким образом, в нашем анализе каждая периодическая компонента текстуры связана только с одним пиком спектра, а не двумя.

Обнаружение и интерпретация вышеупомянутых спектральных признаков часто упрощается при переходе к полярным координатам, в которых спектральная функция выражается в виде 8(г, в), где г ив — переменные этой системы координат. Для каждого угла в функция Б(г, в) может рассматриваться как одномерная функция Бд(г). Аналогично, для каждого значения частоты г, 8г(в) является одномерной функцией. Анализ

функции 80(г) при фиксированном в дает картину поведения спектра (скажем, наличие пиков) по направлению радиуса из начала координат, а исследуя 8Г(&) при фиксированном г, получаем поведение спектральной функции вдоль окружности с центром в начале координат.

1.3.4. Обработка изображений предстательной железы для решения задачи слежения за хирургическим инструментом при проведении трансуретральной резекции

В работах [43-50, 59, 65-67] показано, что обработка изображений для целей навигации хирургического инструмента при проведении трансуретральной резекции предстательной железы заключается в прослеживании траектории движения резектоскопа в теле предстательной железы. Данная задача сводится к задаче обнаружения похожих фрагментов в соседних кадрах последовательности изображений предстательной железы. В качестве формирователя достаточной статистики в системе обработки изображений предстательной железы использован согласованный фильтр. На рис. 1.9 представлена структура системы обработки изображений предстательной железы на баз согласованной фильтрации при проведении трансуретральной резекции.

Для решения задачи обнаружения фрагмента изображения на изображении, полученном в момент времени (/ - А/), выбирается фрагмент я(х.у) и в режиме обнаружения производится обработка текущего изображения /{х,у,(). В том случае, если отклик согласованного фильтра больше его значения, рассчитанного в предыдущем такте сравнения, оно будет записано в память, а также координаты, соответствующие этому значению. Эти координаты далее используются для расчета смещения фрагмента в плоскости кадра.

Динамическое изображение

Рис. 1.9. Структура системы обработки динамических изображений на базе согласованной

фильтрации

Выходной сигнал фильтра rj(l,r) сравнивается с пороговым уровнем а , и если r¡{l,r)>a, то принимается решение об обнаружении изображения объекта заданного класса. Величина порогового уровня определяется принятым критерием обнаружения и в самом общем случае определяется вероятностями наличия и отсутствия в кадре изображения обнаруживаемого объекта и значениями допустимых вероятностей правильных и ложных решений.

На рис. 1.10 приведен пример обработки изображений предстательной железы при проведении трансуретральной резекции на базе согласованной фильтрации.

Анализируя результат, представленный на рис. 1.10, в, можно отметить, что область, примыкающая к пиковому отсчету согласованного фильтра является сглаженной, что при воздействии шума может привести к возникновению погрешности оценки координат смещения фрагмента от кадра к кадру, что в свою очередь, приводит к неправильному прослеживанию траектории движения хирургического инструмента.

с t

Рис. 1.10. Пример обработки изображения предстательной железы на базе согласованной

фильтрации

Анализируя результат, представленный на рис. 1.10, в, можно отметить, что область, примыкающая к пиковому отсчету согласованного фильтра является сглаженной, что при воздействии шума может привести к возникновению погрешности оценки координат смещения фрагмента от кадра к кадру, что в свою очередь, приводит к неправильному прослеживанию траектории движения хирургического инструмента.

1.4. Обсуждение результатов и конкретизация задач диссертационного исследования

Современные методы слежения за хирургическим инструментом в теле органа при выполнении малоинвазивных операций требуют применения дополнительных навигационных устройств, которые осложняют процесс выполнения хирургического вмешательства. Системы информационной поддержки хирурга при выполнении трансуретральной резекции предстательной железы, основанные на методах обработки сложных

биомедицинских изображений, практически отсутствуют.

Интраоперационная навигация при трансуретральной резекции, основанная на совмещении ЗБ изображения предстательной железы с видеоэндохирургическими данными, позволяет повысить точность манипуляций хирурга и, тем самым, снизить число операционных осложнений.

Таким образом, задачами диссертационного исследования являются:

1) разработка структуры биотехнической системы информационной поддержки хирурга при проведении трансуретральной резекции предстательной железы;

2) разработка методики обнаружения фрагмента изображения предстательной железы;

3) разработка методики взаимной привязки изображений полученных при томографическом исследовании и с хирургического инструмента;

4) разработка метода выделения признаков текстуры на изображениях предстательной железы;

5) разработка алгоритмов предлагаемых методов для целей слежения за хирургическим инструментом при проведении трансуретральной резекции предстательной железы.

2. СИСТЕМА СЛЕЖЕНИЯ ЗА ХИРИРУГИЧЕСКИМ ИНСТРУМЕНТОМ ПРИ ПРОВЕДЕНИИ ТРАНСУРЕТРАЛЬНОЙ РЕЗЕКЦИИ ПРЕДСТАТЕЛЬНОЙ ЖЕЛЕЗЫ

2.1. Введение и постановка задачи

Одним из способов повышения точности манипуляций хирурга при проведении трансуретральной резекции предстательной железы является разработка системы слежения за хирургическим инструментом, основанная на совмещении ЗБ изображения капсулы предстательной железы с видеоэндохирургическими данными.

В ходе диссертационной работы была исследована структура предстательной железы. На рис. 2.1 и в Приложении 1 представлены структура предстательной железы.

Мочеиспускательный канал со стороны мочевого пузыря

■¡■¡■I

¿^ННН

ЧИи

Простатическая часть мочеиспускательного канала

Семенной бугопок

Правая и левая доля простаты

Капсула простаты

Рис. 2.1. Структура предстательной железы

В плане информационной поддержки хирурга при проведении трансуретральной резекции предстательной железы задача ставится следующим образом.

Имеется замкнутое трехмерное пространство ^ с заданными границами (статическая ЗБ сцена В этом пространстве сформирована объемная критическая область О, выход за пределы которой запрещен. В пределах замкнутого пространства расположен подвижный объект К, движения которого направлены на выполнение некоторой целевой функции. Информация для управления объектом К формируется по результатам анализа динамической сцены Ип, п = 0,1,...,5-1, которая образуется видеодатчиком, закрепленным на объекте К. Содержание динамической сцены является фрагментом исходной статической сцены. Фрагмент Оп отличается от фрагмента более глубоким расположением в теле объекта ^ (рис. 2.2).

Необходимо по результатам анализа статической и динамической сцен определить положение объекта К относительно критической области О. и формировать предупреждающую информацию при достижении этой области.

Рис. 2.2. Модель изображения предстательной железы

2.2. Системы координат для представления изображений предстательной железы

Для решения поставленной задачи требуется обоснованно задать три системы координат: абсолютную, естественную и динамическую и их взаимную привязку. Абсолютная система отсчета связана с организмом пациента, естественная система - с ЗБ изображением предстательной железы, динамическая - с телекамерой резектоскопа.

2.2.1. Абсолютная система отсчета

Абсолютная система отсчета, связанная с организмом пациента, должна быть привязана к какой либо точке (органу) пациента так, чтобы относительно ее можно было однозначно задать положение предстательной железы. Обозначим абсолютную систему координат, как ¡е^е^е^1} с началом в точке Оа .

Для определения системы отсчета удобно использовать изображения костных образований. Это связано с тем, что при использовании рентгеновского излучения для формирования томограмм костные образования максимально препятствуют прохождению лучей к приемнику излучения. Поэтому на томограммах органов малого таза наиболее отчетливо можно выделить объекты, принадлежащие костям тазового пояса и бедренным костям.

Предстательная железа наилучшим образом наблюдается на срезах, регистрируемых ниже мочевого пузыря на уровне седалищных и головок бедренных костей [65]. Для определения начала Оа абсолютной системы отсчета и для построения ЗБ модели изображения предстательной железы необходимого использовать такие объекты, форма которых является уникальной и слабо изменяется в зависимости от веса и роста человека.

Изображения головки бедренной кости полностью удовлетворяет предъявляемым требованиям (рис. 2.3).

Эталон 1 Эталон 2

Рис. 2.3. Контуры изображений головок бедренных костей

На рис. 2.4. представлена схема поиска начала отсчета Ол на основе

решения задачи обнаружения контуров левой и правой головок бедренных костей.

Рис. 2.4. Схема поиска начала Од абсолютной системы отсчета

Для описания формы пространственных изображений наиболее перспективным видится применение аппарата кватернионов. К кватернионным сигналам <) = приводит упорядоченное в

трехмерном пространстве множество я точек Е = {£(и)}0 ^, задающее

групповой точечный объект.

Если в пространстве выбрать некоторую точку О и принять ее в качестве начала системы отсчета, то, сформировав пучок из векторов О = {д{п)}0 , соединяющих т. О с точками множества 3, каждый из этих

векторов можно рассматривать как чисто векторный кватернион

ц{п) = дх{п)1 + д2{п)] + дъ{п)к, п = 0,1,...^-1, (2.2.1)

где и ] и к - мнимые единицы. Заданное таким образом множество точек Е = называется кватернионным сигналом (КТС) 0» = {д(и)}0 [9,

51, 68, 69] .

В отличие от умножения комплексных чисел операция умножения кватернионов, как следует из [9], является некоммутативной: у

гк = -кг, Д = -&/. Кватернионы тесно связаны с комплексными числами и выражаются через них [8, 9]. Его можно представить как сумму двух комплексных чисел, одно из которых берется с весом, равным мнимой единице. Для кватерниона д = д0 + + ¿д2 + кд3, где и -

вещественные числа, эти комплексные числа обозначим через / и Три комплексные формы представления кватерниона д: первая комплексная форма или / -представление:

д = /(0 + м/0 . ], где № = д0 + дх • / и ^ = д2+д3-г; (2.2.2) вторая комплексная форма или у -представление:

д = ¿0) + м,С/) .¡с, № = д0 + д2 . у и И^') = + ^ • у ; (2.2.3)

третья комплексная форма или к -представление:

д = ,(*) + . / ? где , (*) = ^ + ъ . у и ^(А) = ^ + • /. (2.2.4) Целесообразность задания таких представлений кватерниона связана с возможностями использования аппарата контурного анализа при обработке КТС О = , а также при проведении коммутативного умножения №

и на х + 1у, № и - на х + и _ на х + где х и ^ -

произвольные вещественные числа.

РОССИЙСКАЯ ГОСУДАРСТВЕННАЯ БИБЛИОТЕКА

Для каждой из введенных комплексных форм можно задать представление кватерниона в показательном или в тригонометрическом видах. Например, для первой комплексной формы

д = № + -иД') • 7 = /('") ехр{/>} + ехр{/>}- у =

(cos^ + /'sin^)+ (cos^ + zsiny/)-j

(2.2.5)

Заключение диссертации по теме «Приборы, системы и изделия медицинского назначения», Егошин, Михаил Андреевич

ЗАКЛЮЧЕНИЕ

В данной диссертационной работе исследованы основные средства и методы информационной поддержки хирурга при выполнении операций по технологии мини-доступа. Анализ состояния вопроса создания систем слежения в мягких тканях при выполнении хирургических операции по технологии мини-доступа показал, что существующие современные системы требуют применения, в той или иной степени, дополнительных устройств. При этом в некоторых случаях размещение дополнительных навигационных устройств может вызвать затруднения.

Представлена разработанная структура биотехнической системы для трансуретральной резекции предстательной железы, осуществляющая этапы подготовки и проведения операции. Осуществляется анализ местоположения резектоскопа при помощи модуля определения координат. Модуль сравнения анализирует разницу между координатами резектоскопа и капсулы предстательной железы, которые вычисляются при построении виртуальной модели органа. Если разница достигает критического уровня, модуль формирования сигнала оповещения извещает хирурга о достижении им критической зоны. Для решения поставленной задачи были заданы три системы координат: абсолютная, естественная и динамическая и их взаимная привязка.

Решена задача синтеза фильтра, обеспечивающего обнаружение изображения заданного объекта при наличии фоновой помехи, содержащей сходные объекты. Проведен анализ работы инверсного фильтра в пространственной области. Показано, что выходной сигнал реального инверсного фильтра дает в точке, соответствующей местоположению обнаруживаемого объекта, резкий выброс, величина которого прямо пропорциональна ширине полосы пропускания. Данный эффект позволяет уменьшить погрешности оценки координат смещения фрагмента

Решена задача анализа текстурных признаков изображений предстательной железы. Предложена дополнительная процедура контроля над положением хирургического инструмента на основе анализа структуры изображений (текстуры).

В рамках данной работы получены следующее основные результаты.

1. Разработана структура биотехнической системы информационной поддержки хирурга-уролога при проведении трансуретральной резекции предстательной железы, применение которой позволяет осуществлять объективный контроль при проведении операции и повысить эффективность ее проведения.

2. Разработана методика обнаружения фрагмента изображения предстательной железы, позволяющая уменьшить погрешности оценки координат смещения фрагмента за счет учета в структуре оптимального фильтра принятой математической модели изображения предстательной железы.

3. Разработан метод выделения текстурных признаков изображений предстательной железы, обеспечивающий дополнительный контроль за положением хирургического инструмента в теле железы.

4. Разработана методика взаимной привязки изображений полученных при томографическом исследовании и с хирургического инструмента. Получены три системы координат для представления ЗБ изображений капсулы предстательной железы в ходе проведения обследования и непосредственно во время операции, а также изображений, получаемых с резектоскопа при проведении трансуретральной резекции предстательной железы. На основе методов кватернионного анализа изображений разработан подход к взаимной привязке систем координат представления изображений предстательной железы.

5. Разработаны алгоритмы обработки и анализа изображений предстательной железы, составляющие основу комплекса информационной поддержки трансуретральной резекции предстательной железы.

Список литературы диссертационного исследования кандидат технических наук Егошин, Михаил Андреевич, 2012 год

СПИСОК ЛИТЕРАТУРЫ

1. Попечителев, Е Ф. Анатомические исследования в медицине, биологии и экологии. - М.: Высшая школа, 2003.

2. Попечителев, Е.П. Электрофизиологическая и фотометрическая медицинская техника: Уч. пособие/ Е.П. Попечителев, H.A. Кореневский -М.: Высшая школа, 2002. - 470 с.

3. Биотехнические системы: Теория и проектирование / Под ред.

B.М. Ахутина. - Л.: Изд-во ЛГУ, 1981.

4. Пушкарь, Д.Ю. Урология. Основные разделы. - М.: МЕДпресс-информ, 2004.

5. Емельянов, С.Н. Опыт применения трехмерной интраоперационной навигации при лапароскопической адреналэктомии /

C.Н. Емельянов, В.А. Вередченко // Онкоурология, №1, 2008. С. 19-22.

6. Чигирев, Б.И. Биомедицинская электроника: Учеб. пособие: ТЭТУ. / Б.И. Чигирев, З.М. Юдцашев, Г.А. Юрковский. - СПб., 1996.

7. Гридин В.Н., Титов B.C., Труфанов М.И. Адаптивные системы технического зрения. - М.: Наука, 2009. - 441 с.

8. Введение в контурный анализ и его приложения к обработке изображений и сигналов / Под ред. Я.А. Фурмана. М.:ФИЗМАТЛИТ, 2002. -592 с.

9. Комплекснозначные и гиперкомплексные системы в задачах обра-ботки многомерных сигналов / Под. ред. Я.А. Фурмана. - М.: ФИЗМАТЛИГ, 2004. - 456 с.

10. Пахарьков Г.Н. Биомедицинская инженерия: проблемы и перспективы. Учеб. пособие. - СПб.: Политехника, 2011. - 232 с.

11. Прэтт, У. Цифровая обработка изображений. Кн. 1,2. - М.: Мир,

1982.

12. Саврасов Г.В., Дроговоз В.А. Перспективы применения робототехники в хирургии // Биомедицинская радиоэлектроника. - 2003. -№9.

13. Хадарцев А.А., Яшин А.А. Новые медицинские технологии лечения заболеваний внутренних органов и их аппаратурное обеспечение // Вестник новых медицинских технологий. - 1996. - Т.З. - №2. - С. 6-9.

14. Вакун В.В., Прилуцкий С.В. Классификация движущихся объектов на основе сравнения с 3D эталоном // Сборник материалов XIV Международная научно-техническая конференция «Медико-экологические информационные технологии - 2011», Курск. 2011, С. 224 - 225.

15. Гонсалес Р., Вудс Р. Цифровая обработка изображений. - М.: Техносфера, 2005. - 1072 с.

16. Федоров, И.В. Оперативная лапароскопия / И.В. Федоров, К.Ш. Зыятдинов, Е.И. Сигал. - М.: ТРИАДА-Х, 2004. - 464 с.

17. Василенко, Г.И. Голографическое опознавание образов. - М.: Сов. радио, 1977.

18. Rassweiler, J. The role of imaging and navigation for natural orifice translumenal endoscopic surgeiy / J. Rassweiler, M. Baumhauer, U. Weickert, H.-P. Meinzer, D. Teber, L.-M. Su, V.R. Pate!// Journal of endourology, vol 23, num. 5, may 2009. Pp. 793-802.

19. Teber, D. Augmented reality: a new tool to improve surgical accuracy during laparoscopic partial nephrectomy? Preliminary in vitro and in vivo results / D. Teber, S. Guven, T. Simpfendorfer, M. Braumhauer, E.O. Guven, F. Yencilek, A.S. Gozen, J. Rassweiler // Journal of endourology, vol 23, num. 5, may 2009. Pp. 332-338.

20. Coughlin, G. Role of image-guidance systems during NOTES / G. Coughlin, S. Samavedi, K.J. Palmer, V.R. Patel// Journal of endourology, vol 23, num. 5, may 2009. P. 803-812.

21. Оптическая биомедицинская диагностика. Том 1. Под ред. В.В. Тучина. - М.: ФИЗМАТ ЛИТ, 2007. - 560 с.

22. Корбинский, Б.А. Медицинские экспертные системы: проблемы создания и перспективы применения // Компьютерная хроника, 1993. №3.

23. Омельченко, В.П., Демидова, A.A. Практикум по медицинской информатике / В.П. Омельченко, A.A. Демидова. - Ростов-на-Дону: «Феникс», 2001. - 304 с.

24. Анисимов Б.В., Курганов В.Ф., Злобин В.К. Распознавание и цифровая обработка изображений. - М.: Высшая школа, 1983. - 295 с.

25. Ярославский Л.П. Введение в цифровую обработку изображений. - М.: Сов. радио, 1979. - 312 с.

26. Применение цифровой обработки сигналов / Под. ред. Э. Оппен-гейма. -М.: Мир, 1980. - 552 с.

27. Корн Г., Корн Т. Справочник по математике для научных работников и инженеров. -М.: Наука, 1974.

28. Быков P.E., Гуревич С.Б. Анализ и обработка цветных и объемных изображений. - М.: Радио и связь, 1984.

29. Беллман, Р. Математические методы в медицине: Пер. с англ. -М.: Мир, 1987.

30. Бучнев, A.A., Шурыгин В.П. Цифровая обработка медицинских изображений// Труды IV конференции «Распознавание образов и анализ изображений: новые информационные технологии». Ч. 1. - Новосибирск, 1998. С. 254-257.

31. Поммерт, А. Визуализация объема в медицине / А. Поммерт, Б. Пфлессер, М. Риемер и др. // Открытые системы, 1996, №5. С. 56-61.

32. Методы компьютерной обработки изображений / Под ред. В.А. Сойфера. - М. : ФИЗМАТ ЛИГ, 2001.

33. Радиотехнические системы: Учеб. пособие / Ю.П. Гришин, В.П. Платов, Ю.М. Казаринов и др.; Под ред. Ю.М.Казаринова. - М.: Высшая школа, 1980.

34. Фурман Я. А., Хафизов Р.Г. Согласованно-избирательная фильтрация изображений протяженной формы в реальных ландшафтных сценах//Автометрия, 1999. №2. С. 12-27.

35. Хафизов Р.Г. Согласованно-избирательная фильтрация изображений: уч. пособие. Йошкар-Ола: МарГТУ, 2000. - 100 с.

36. Хафизов, Д.Г. Автоматизация обработки экспериментальных данных: конспект лекций. - Йошкар-Ола: МарГТУ, 2007.

37. Новиков, Д.А., Новочадов, В.В. Статистические методы в медико-биологическом эксперименте (типовые случаи). - Волгоград: Изд-во ВолГМУ, 2005.

38. Юнкеров, В.Н. Математико-статистическая обработка данных медицинских исследований/В.Н. Юнкеров, С.Г. Григорьев. - СПб.: ВМедА, 2002.

39. Зайцев, В.М. Прикладная медицинская статистика: Уч. пособие. 2-е изд. / В.М. Зайцев, В.Г. Лифляндский, В.Н. Маринкин. - СПб.: ООО «Издательство ФОЛИАНТ», 2006.

40. Дронов, C.B. Многомерный статистический анализ: Уч. пособие. - Барнаул: Изд-во Алт. гос. ун-та, 2003.

41. Калинина, В.Н., Соловьев, В.Н. Введение в многомерный статистический анализ: Уч. пособие. -М.: ГУУ, 2003.

42. Сахаров, В.Л. Методы и средства анализа микробиологической информации: Учебно-методическое пособие. - Таганрог: Изд-во ТРГТУ, 2001.

43. Хафизов, Р.Г. Анализ сопряженных пространственных статических и динамических сцен при проведении трансуретральной резекции предстательной железы в режиме предварительного осмотра / Р.Г. Хафизов, В.Н. Дубровин, Ю.Е. Третьякова // Биомедицинская радиоэлектроника, №3,2009. С. 14-20.

44. Хафизов Р.Г., Гарипова Ю.Е. Анализ пространственных динамических изображений предстательной железы при проведении трансуретральной операции в условиях плохой видимости / Биомедицинская радиоэлектроника. - М.: 2010. №10. С. 16-21.

45. Гарипова Ю.Е., Хафизов Р.Г. Траекторная обработка динамических изображений предстательной железы для решения задачи навигации резектоскопа при выполнении трансуретральной резекции / Биотехносфера, №3,2010. - С. 50-54.

46. Гарипова Ю.Е., Хафизов Р.Г. Обработка динамических изображений для решения задач навигации при проведении трансуретральной резекции предстательной железы / Медицинская техника, 2010. - С. 16-20.

47. Garipova Y. Е., Khafizov R.G. Processing of Dynamic Images during Transurethral Resection of the Prostate Gland / Biomedical Engineering: Volume 44, Issue 4 (2010), Page 134.

48. Хафизов, Р.Г. Обработка изображений в системе информационной поддержки при проведении трансуретральной резекции предстательной железы / Р.Г. Хафизов, Ю.Е. Гарипова, С.А. Охотников // Сборник научных статей «Медицинские приборы и технологии». - Тула, 2009. С. 60-64.

49. Гарипова Ю. Е. Методы и алгоритмы обработки динамических изображений для решения задач навигации хирургического инструмента при проведении трансуретральной резекции предстательной железы. Диссертация на соискание степени канд. тех. наук. Йошкар-Ола, 2010.

50. Хафизов Р.Г., Дубровин В.Н., Хафизов Д.Г., Гарипова Ю.Е. Обработка динамических изображений при проведении трансуретральной резекции предстательной железы. Марийский госуд. техн. унив-т. Йошкар-Ола, 2010. Деп. в ВИНИТИ 28.01.2010 №51-В2010, С. 111.

51. Фурман Я. А. Визуализация изображений в трехмерных сценах. Уч. пособие. Йошкар-Ола: МарГТУ, 2007

52. Dubrovin, V.N. Development of a surgeon information support system for conducting transurethral surgary on prostate gland / V.N. Dubrovin, V,V, Sevastyanov, R.G. Khafizov // 9th International Conference "Pattern Recognition and Image Analysis: New Information Technologies" (PRIA-9-2008). -Nizhniy Novgorod. - 2008. - Pp. 104-107.

53. Дулькин, JI.H. Система обработки эндоскопических изображений, реализующая возможность количественных измерений линейных размеров / JI.H. Дулькин, В.К. Салахутдинов, А.Н. Алехин и др. // Сборник докладов 14-й Всероссийской конференции «Математические методы распознавания образов». - Суздаль. - 2009. - С. 519-520.

54. Аксенов, Н.Б. Экспресс-диагностика динамических процессов. Методы создания аппаратных средств. - Казань: Изд-во Казанского гос. техн. ун-та. - 2004.

55. Ремизов, А.Н. Медицинская и биологическая физика: Учеб для мед. спец. вузов. - 3-е изд. испр. - М.: Высшая школа. - 1999.

56. Баскаков, С.Н. Радиотехнические цепи и сигналы: Уч. для вузов. - М.: Высшая школа. - 1988.

57. Гланц, С. Медико-биологическая статистика / С. Гланц: пер. с англ. - М.: Практика, 1998.

58. Леонов, В.П., Ижевский, П.В. Применение статистики в медицине и биологии: анализ публикаций 1990-1997 г. Деп. ВИНИТИ 23.01.98X9 179-В98 / ГНЦ РФ - Институт биофизики. - М., 1998.

59. Хафизов, P. Г. Синтез 3D изображений предстательной железы по результатам томографического исследования / Р.Г. Хафизов, В.Н. Дубровин,Ю.Е. Третьякова// Сб. материалов VIII Междунар. конф. Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации. Распознавание - 2008. 4.2.-Курск, 2008.

60. Хафизов Р.Г., Егошин М.А. Информационная поддержка хирурга при проведении трансуретральной резекции предстательной железы // Системный анализ и управление в биомедицинских системах, 2011.

61. Егошин М.А., Хафизов Р.Г., Гарипова Ю.Е. Система информационной поддержки хирурга при проведении трансуретральной резекции предстательной железы // Информационно- управляющие системы, №3, 2011. С. 66-69.

62. Хафизов Р.Г., Егошин М.А., Глазунова Н.Ю. Инверсная фильтрация предстательной железы // Вестник МарГТУ, 2011.

63. Рябинин К.Б., Фурман Я.А., Кревецкий A.B., Егошин М.А. // Программа определения плоских участков заданных размеров на подстилающей поверхности. Свидетельство о государственной регистрации программы для ЭВМ №2009615026.

64. Егошин М.А., Мальцев В.В. Разработка программного комплекса системы информационной поддержки хирурга-уролога // Межвузовский сборник научных статей «Медицинские приборы и технологии», Тула, 2011, С. 144-147.

65. Гарипова, Ю.Е. Предварительная обработка и выделение контуров изображений предстательной железы в сценах рентгеновской томографии / Ю.Е. Гарипова // Радиотехнические и инфокоммуникационные системы/ Вестник МарГТУ, №3, 2009. С. 50-57.

66. Гарипова, Ю.Е. Технология навигации хирургического инструмента при проведении трансуретральной резекции предстательной

железы / Ю.Е. Гарипова // Биотехнические, медицинские и экологические системы и комплексы: материалы конференции. - Рязань: РГРТУ, 2009. С. 257-261.

67. Хафизов, Р.Г. Программа для анализа положения резектоскопа в теле предстательной железы / Р.Г. Хафизов, Я.А. Фурман, В.Н. Дубровин, Д.Г. Хафизов, Ю.Е. Гарипова // Свидетельство об официальной регистрации программы для ЭВМ № 2009616442, РОСПАТЕНТ, 20.11.2009.

68. Фурман, Я.А. Сегментация и описание трехмерных структур на базе кватернионных моделей // Наукоемкие технологии. - 2007. - Т. 8. - № 9. - С. 37-49.

69. Фурман, Я.А Методы и алгоритмы обработки и распознавания плоских и объемных изображений по их форме / Я.А. Фурман, Р.Г. Хафизов// Деп. в ВИНИТИ 18.06.2009 № 316-В2009.

70. Роженцов, A.A. Формирование 3D изображений при проведении трансуретральной резекции предстательной железы / A.A. Роженцов, В.Н. Дубровин, A.A. Баев, С. А. Наумов // Радиотехнические и инфокоммуникационные системы. Вестник МарГТУ. — № 3, 2008. С. 45-50.

71. Тюрин, Ю. Статистический анализ данных на компьютере / Ю. Тюрин, А. Макаров. - М.: Инфа-М, 1998. - 528 с.

72. Попечителев Е.П. Методы медико-биологических исследований. Системный аспект. - Житомир: ЖИТИ, 1997.

73. Физика визуализации изображений в медицине: в 2-т.: Пер. с англ. / Под.ред. С. Уэбба. - М.: Мир, 1991.

74. М. А. Егошин. Экспериментальное исследование потенциальной помехоустойчивости распознавания 2D и 3D изображений при условии их произвольных вращений // Вестник Марийского государственного технического университета. 2009, №2, С. 48-55.

75. Егошин М.А., Гарипова Ю.Е., Хафизов Р.Г. Обработка изображений предстательной железы в системе информационной поддержки

хирурга-уролога // Сборник материалов международной научно-технической конференции «Медико-экологические информационные технологии - 2011», Курск, 2011.

76. Егошин М.А. Обнаружение фрагментов изображений предстательной железы на базе инверсной фильтрации при проведении трансуретральной резекции // Материалы XXIII всероссийской научно-технической конференция студентов, молодых ученых и специалистов «Биотехнические, медицинские и экологические системы и комплексы. Биомедсистемы-2010»; Рязань, 2010. С. 229-233.

77. Egoshin М.А., Khaflzov R.G. Inverse Filtering Application for Processing of Prostate Images at Canying Out Transurethral Resection // lOth International Conference on Pattern Recognition and Image Analysis: New Information Technologies (PRIA-10-2010). St. Petersburg. Conference Proceedings (Vol. I-II), Volume II, SPb.: Politechnika, 2010. Page 269-273.

78. Р. Г. Хафизов, M. А. Егошин. Разработка алгоритма детектирования формы поверхности 3D изображений медико-биологических объектов на основе анализа векторных полей // XVI международная молодежная научная конференция «Тупо-левские чтения», 2008, С. 151-152.

79. Я. А. Фурман, М. А. Егошин, Р. В. Ерусланов. Кватернионные модели процессов представления, обработки и распознавания трехмерных изображений // Труды Республиканского научного семинара АН РТ «Методы моделирования». Вып. 4-Казань, 2010. С. 7-40.

80. ГариповаЮ.Е., Егошин Е.А. Решение задачи интраоперационной навигации хирургического инструмента при проведении трансуретральной резекции предстательной железы // Сборник статей студентов, магистрантов, аспирантов и молодых ученых. Промышленная безопасность - Йошкар-Ола: МарГТУ, 2011. Секция №6. С. 129-133.

81. М. А. Егошин, Р. В. Ерусланов. Зависимость контурного описания упорядоченного пространственного группового точечного объекта

от параметров линейных преобразований его изображения // Сборник материалов IX Международной конференции «Оптико-электронные приборы устройства в системах распознавания образов, обработки и символьной информации. Распознавание-2010» - Курск, 2010. С. 54-56.

82. Р. В. Ерусланов, М. А. Егошин. Связь спектров кватернионного сигнала, представленного в полярном и контурном видах // Сборник материалов IX Международной конференции «Оптико-электронные приборы устройства в системах распознавания образов, обработки и символьной информации. Распознавание-2010» - Курск, 2010. С. 56-59.

83. Хафизов Р.Г, Егошин М.А. Методы и алгоритмы информационной поддержки хирурга при проведении трансуретральной резекции предстательной железы. - Йошкар-Ола: МарГТУ, 2011. Деп. в ВИНИТИ.

84. М.А. Егошин, Н.Ю. Глазунова, Р.Г. Хафизов. Биотехническая система для трансуретральной резекции предстательной железы // Сборник материалов 4-й Всероссийской с международным участием научной конференции «МЕТРОМЕД - 2011» - СПб, 2011.