Методы и алгоритмы морфологической оценки диагностически значимых объектов на изображениях глазного дна тема диссертации и автореферата по ВАК РФ 05.11.17, кандидат наук Танаева Елена Геннадьевна

• Танаева Елена Геннадьевна
• кандидат наук
• 2021

Оглавление диссертации кандидат наук Танаева Елена Геннадьевна

ПЕРЕЧЕНЬ СОКРАЩЕНИЙ

ВВЕДЕНИЕ

1. СОВРЕМЕННОЕ СОСТОЯНИЕ В ОБЛАСТИ ОБРАБОТКИ 16 И АНАЛИЗА ИЗОБРАЖЕНИЙ ГЛАЗНОГО ДНА

1.1. Структура цифровых изображений глазного дна

1.2. Морфометрические характеристики диска зрительного нерва

1.3. Морфометрические характеристики сосудистой системы

сетчатки на изображениях глазного дна

1.4. Состояние вопроса в области обработки изображений

глазного дна

1.5. Обсуждение результатов анализа и конкретизация

задач диссертационного исследования

2. ВЫДЕЛЕНИЕ ГРАНИЦЫ ИЗОБРАЖЕНИЯ ДИСКА

33

ЗРИТЕЛЬНОГО НЕРВА

2.1. Введение

2.2. Повышение отношения сигнал/помеха для изображения диска зрительного нерва

2.3. Анализ цветовых компонент изображения глазного дна

2.4. Исследование статистических свойств фона на изображении глазного дна

2.4.1 Проверка статистической однородности фона изображений глазного дна

2.4.2 Исследование законов распределения вероятностей отсчетов яркости изображений глазного дна

2.5. Применение метода повышения отношения сигнал/помеха

для изображения диска зрительного нерва

2.6. Модификация метода выделения границы диска зрительного

нерва

2.7. Обсуждение результатов

3. МЕТОД ВЫДЕЛЕНИЯ СОСУДИСТОЙ СИСТЕМЫ СЕТЧАТКИ

НА ИЗОБРАЖЕНИИ ГЛАЗНОГО ДНА

3.1. Введение

3.2. Обнаружение сосудов на изображении глазного дна

3.3. Метод оценивания толщины и направления сосудов

3.4. Алгоритм прослеживания сосудов на изображении глазного дна

3.5. Обсуждение результатов

4. СИСТЕМА ВЫДЕЛЕНИЯ И ОЦЕНКИ МОРФОЛОГИЧЕКИХ ПРИЗНАКОВ ИЗОБРАЖЕНИЙ ГЛАЗНОГО ДНА

4.1. Введение

4.2. Структура автоматизированной системы выделения и оценки морфологических признаков изображений глазного дна

4.3. Оценка цвета и характера границ ДЗН

4.3.1. Оценка характера границ ДЗН

4.3.2. Оценка цвета ДЗН

4.4. Оценка экскавации

4.5. Автоматизация описания морфологических характеристик сосудов на изображении глазного дна

4.6. Информационно-аналитическая модель принятия решений для выявления группы риска по развитию первичной открытоугольной глаукомы при проведении скрининговых офтальмологических осмотров

4.7. Анализ эффективности метода автоматизации описания

морфологических характеристик ДЗН

4.8. Обсуждение результатов

ЗАКЛЮЧЕНИЕ

СПИСОК ЛИТЕРАТУРЫ

Приложение. Акты о внедрении результатов диссертационного

исследования

ПЕРЕЧЕНЬ СОКРАЩЕНИЙ

ДЗН - диск зрительного нерва

ДПФ - дискретное преобразование Фурье

НР - нейроретинальный поясок

ПОУГ - первичная открытоугольная глаукома

СКО - среднеквадратическое отклонение

ФСС - фильтр скользящего среднего

ЭД - экскавация диска зрительного нерва

Введение диссертации (часть автореферата) на тему «Методы и алгоритмы морфологической оценки диагностически значимых объектов на изображениях глазного дна»

ВВЕДЕНИЕ

Развитие медицины в XXI веке требует новых подходов к методам получения, обработки и хранения медицинской информации. Особенно высокие требования предъявляются к объективности медицинских данных, полученных в результате тех или иных диагностических процедур. Сегодня промежуточным результатом диагностики в медицине часто являются изображения сложных объектов, классическим примером которых являются цифровые изображения глазного дна. Сегодня недостаточно словесного описания видимых структур диагностического изображения врачом -исследователем, так как оно не только не может передать всех свойств изображения, но и зачастую вносит субъективный, «человеческий» фактор, который может исказить важную информацию. Особенно это касается таких моментов, как интерпретация цвета, определения четкости или нечеткости границ объектов, сравнение симметричности аналогичных (парных) объектов и т.д. Таким образом, современные системы регистрации цифровых диагностических изображений позволяют медицине выйти на качественно новый уровень объективности.

Как известно, визуализация глазного дна является одной из основных диагностических процедур в современной офтальмологии. Сегодня основными методами визуализации глазного дна являются офтальмоскопия, биомикроофтальмоскопия, а также фоторегистрация глазного дна при помощи цифровой фундус-камеры [2, 4]. Первые два метода сводятся к осмотру глазного дна с помощью специальных оптических приборов -офтальмоскопов. Недостатком стандартной офтальмоскопии и биомикроофтальмоскопии является, прежде всего, невозможность объективного документирования и хранения полученного изображения. Для передачи характеристик увиденной диагностической картины все еще широко используется словесное описание, которое чаще всего сводится к выделению наиболее характерных признаков. Предлагаемое некоторыми исследователями создание зарисовок глазного дна не нашло широкого

применения в повседневной практике. Также можно сказать, что на сегодняшний день нет единого и точного протокола описания глазного дна, поэтому сам процесс описания зачастую носит «полутворческий», а, следовательно, не совсем объективный характер.

На смену офтальмоскопии пришла методика фотографирования, когда с помощью щелевой лампы были получены первые снимки глазного дна [21, 27, 28]. Цифровые фотографии глазного дна являются достаточно информативными и позволяют получать, хранить и передавать объективную информацию о состоянии глазного дна. При этом программное обеспечение большинства систем формирования изображений глазного дна содержит лишь самые общие средства обработки, повышения качества и маркировки изображений [9].

Развитие здравоохранения в Российской Федерации считается одним из приоритетных направлений. Так в 2018 году был утвержден национальный проект «Здравоохранение» - один из национальных проектов в России на период с 2019 по 2024 годы. Одной из главных целей проекта является обеспечение охвата всех граждан профилактическими медицинскими осмотрами не реже одного раза в год. Таким образом, в 2019 году около 62 миллионов человек должны пройти диспансеризацию, что почти в три раза больше, чем в 2018 году.

По определению ВОЗ, диспансеризация (или скрининг) -целенаправленное выявление болезни до проявления клинических симптомов посредством тестов, осмотров или других быстро выполняемых процедур. В нашей стране применение скрининговых осмотров внедрено с целью раннего выявления определенных онкологических заболеваний, туберкулеза, сахарного диабета, глаукомы, артериальной гипертензии, ишемической болезни сердца. Особенностями скрининговых осмотров являются быстрота проведения, массовый характер и предварительный характер диагностики. В то же время существующий кадровый дефицит является одним из неблагоприятных факторов для реализации данной задачи. Создание

современных систем анализа медицинских изображений, экспертных систем, а также развитие телемедицины позволяет частично решить данную проблему. Автоматизированный анализ изображений глазного дна с использованием программных средств позволяет повысить эффективность скрининговых (массовых) офтальмологических осмотров. Это является крайне важным с точки зрения экономии времени и бюджета здравоохранения.

Автоматизированный анализ диагностических изображений глазного дна с использованием программных средств позволяет повысить эффективность скрининговых (массовых) офтальмологических осмотров. Это является крайне важным как с точки зрения экономии времени, так и бюджета здравоохранения.

Таким образом, особенно актуальным является дополнение систем получения медицинских изображений современным программным обеспечением для обработки изображений, которое позволяет в том или ином объеме автоматизировать процесс диагностики и интерпретации полученных данных.

Цель диссертационной работы: повышение качества медицинского обслуживания при проведении скрининговых офтальмологических осмотров путем разработки методов и алгоритмов морфологической оценки диагностически значимых объектов на изображениях глазного дна. Для достижения поставленной цели в диссертационной работе решаются следующие задачи:

1) разработка метода выделения границы диска зрительного нерва на изображениях глазного дна;

2) разработка метода обнаружения и прослеживания сосудов на изображениях глазного дна;

3) разработка алгоритма оценки морфологических параметров диска зрительного нерва на изображениях глазного дна;

4) разработка алгоритма оценки морфологических параметров сосудов на изображениях глазного дна;

5) разработка информационно-аналитической модели принятия решений для выявления группы риска по развитию первичной открытоугольной глаукомы при проведении скрининговых офтальмологических осмотров;

6) проведение экспериментальных исследований предложенных методов и алгоритмов морфологической оценки состояния диска зрительного нерва и сосудов на изображениях глазного дна.

Методы исследования. Для решения поставленных в диссертационной работе задач были использованы: теория вероятности, теория статистических решений, аппарат вычислительной математики, теория контурного анализа изображений, моделирования процессов обработки изображений на ЭВМ.

Научная новизна.

1. Метод выделения границы диска зрительного нерва на изображении глазного дна, отличающийся способом накопления отсчетов яркости, основанный на учете особенности формы изображения, позволяющий автоматизировать процедуру диагностического описания диска зрительного нерва и обеспечивающий точность оценки границы 0,98.

2. Метод оценки параметров сосудов на изображении глазного дна, реализуемый с помощью разработанных алгоритмов обнаружения и прослеживания сосудов на изображении глазного дна, позволяющий автоматизировать процедуру диагностического описания сосудов для проведения скрининговых офтальмологических осмотров.

3. Информационно-аналитическая модель и алгоритмы оценки морфологических параметров диска зрительного нерва и сосудов, отличающиеся использованием методов обработки сложных изображений, позволяющие обеспечить точность принятия решений при выделении группы риска по развитию первичной открытоугольной глаукомы с показателем

чувствительности 0,825 при проведении скрининговых офтальмологических осмотров.

Теоретическая и практическая значимость состоит в том, что разработаны методы выделения границы диска зрительного нерва и оценки диагностических параметров сосудов на изображении глазного дна, основанные на учете особенностей формы изображений диска зрительного нерва и сосудов, позволяющие автоматизировать процедуру формирования диагностического описания изображения глазного дна непосредственно без участия врача-офтальмолога. Разработанные методы и алгоритмы составили основу автоматизированной системы выделения и оценки морфологических признаков изображений глазного дна. Применение предложенных в диссертации методов и алгоритмов выделения и оценки морфологических признаков изображений глазного дна позволит использовать интеллектуальные технологии в программах скрининговых офтальмологических осмотрах.

Результаты диссертационной работы внедрены и использованы при выполнении НИР в рамках научно-исследовательской работы Министерства и образования и науки РФ, проект КРМЕЕ1577170254 «Система интраоперационной навигации с поддержкой технологии дополненной реальности на базе виртуальных 3D моделей органов, полученных по результатам КТ диагностики, для мало-инвазивных операций».

Результаты работы внедрены в учебном процессе Поволжского государственного технологического университета при подготовке бакалавров направления 12.03.04 «Биотехнические системы и технологии», магистров 12.04.04 «Биотехнические системы и технологии», и используются в медицинской практике ГБУ РМЭ «Республиканская офтальмологическая больница им. Г. И. Григорьева» г. Йошкар-Ола.

Положения, выносимые на защиту.

1. Метод выделения границы диска зрительного нерва на изображении глазного дна, основанный на учете особенности формы изображения диска зрительного нерва, позволяет автоматизировать процедуру диагностического

описания диска зрительного нерва и обеспечивает точность оценки границы диска зрительного нерва 0,98.

2. Метод оценки параметров сосудов на изображении глазного дна, отличающийся учетом особенности формы изображений сосудов, позволяет автоматизировать процедуру диагностического описания сосудов для проведения скрининговых офтальмологических осмотров.

3. Информационно-аналитическая модель и алгоритмы оценки морфологических параметров диска зрительного нерва и сосудов обеспечивают функционирование системы поддержки принятия решений врача-офтальмолога при выделении группы риска по развитию первичной открытоугольной глаукомы с показателем чувствительности 0,825 при проведении скрининговых офтальмологических осмотров.

Степень достоверности и апробация работы. Результаты исследования показали их воспроизводимость в различных условиях, непротиворечивость концепциям теории синтеза биотехнических систем, а также аналогичным результатам, полученным другими исследователями. Методы выделения и оценки параметров морфологических признаков изображений глазного дна построены на теории вероятности, теории статистических решений и теории контурного анализа изображений и согласуются с ранее опубликованными экспериментальными данными по теме диссертации. Основные теоретические положения и научные результаты диссертационной работы докладывались, обсуждались и получили положительную оценку на международных и Всероссийских конференциях: III Международной конференции с элементами научной школы «Актуальные проблемы энергосбережения и эффективности в технических системах» (Тамбов, 2016); XIII, XIV и XV Международной научно-технической конференции «Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации» (Курск, 2017, 2018, 2019); 12-й международной научно-технической конференции «Перспективные технологии в средствах

передачи информации» ПТСПИ-2017 (Владимир, 2017); ежегодных научных конференциях по итогам НИР ПГТУ и научных семинарах кафедры Радиотехнических и медико-биологических систем и др.

Соответствие паспорту специальности. Полученные в диссертационной работе результаты соответствуют п.1 Паспорта специальности «Исследование, разработка и создание медицинской техники, изделий, инструментов, методов и способов диагностики и лечения человека, которые рассматриваются как средства восстановления нарушенной поливариантной системы, представление которой возможно математической, физико- и биотехнической, механической моделью, а также энергетической, физико- химической, химической, электрохимической моделью и т.д.»

Публикации. Всего по теме диссертации опубликовано 14 работ, из них 4 - в рецензируемых научных журналах из Перечня ВАК. Получены два свидетельства о регистрации программ для ЭВМ

Структура и объем работы. Диссертация состоит из введения, 4 глав и заключения, изложенных на 145 страницах машинописного текста, иллюстрирована 84 рисунками, 17 таблицами, содержит список литературы из 108 наименований.

СОДЕРЖАНИЕ РАБОТЫ Во введении обоснована актуальность темы, сформулированы цель и задачи работы, научная новизна и основные научные положения диссертационной работы.

В первой главе представлено исследование современного состояния и проблемы в области обработки и анализа изображений глазного дна. Рассмотрена структура цифровых изображений глазного дна. Показано, что на цифровых фотографиях глазного дна в норме выделяются 3 основных объекта изображения: диск зрительного нерва, сосудистые аркады и макула. При этом диск зрительного нерва и сосуды представляют собой структурированные объекты, в то время как макула представляет собой

больше функционально значимую область, которая характеризуется отсутствием четких признаков и границ и не всегда хорошо видна на изображениях. Представлен анализ морфометрических характеристик диска зрительного нерва и сосудистой системы сетчатки на изображениях глазного дна. Рассмотрено состояние вопроса в области обработки изображений глазного дна. Показано, нахождение границы ДЗН является одним из основных этапов автоматизации анализа изображения глазного дна.

Во второй главе предложен метод выделения границы ДЗН на изображении глазного дна с учетом особенности формы изображения диска. Проведена оценка качества выделения границы ДЗН с использованием модели ДЗН с известными параметрами. Для создания модели были исследованы статистические характеристики изображений глазного дна. Также проведено исследование цветовых компонент изображения глазного дна. Для оценки качества выделения границы ДЗН использовалась величина перекрытия, представляющая собой отношение площади изображения модели ДЗН к оценке площади изображения ДЗН, полученная в результате выделения предложенным методом. Предложена модификация метода выделения границы ДЗН.

В третьей главе разработаны метод оценки основных параметров сосудов на изображении глазного дна, алгоритм обнаружения сосудов на изображении глазного дна и алгоритм прослеживания сосудов на изображении глазного дна.

Предложена форма строба для оценки толщины сосудов и их направления на изображении глазного.

В четвертой главе разработана структура автоматизированной системы выделения и оценки морфологических признаков изображений глазного дна и проведено экспериментальное исследование предложенных методов и алгоритмов морфологической оценки состояния диска зрительного нерва и сосудов на изображениях глазного дна. Представлены результаты

проведенной проверки работы автоматизированной системы выделения и оценки морфологических признаков изображений глазного дна.

Разработанная информационно-аналитическая модель принятия решений для выявления группы риска по развитию первичной открытоугольной глаукомы при проведении скрининговых офтальмологических осмотров имеет двух уровневую структуру. Алгоритмы первого уровня по результатам выделения границы ДЗН и прослеживания сосудов на изображении глазного дня производят оценку морфологических параметров ДЗН и сосудов. На втором уровне происходит выявление группы риска по развитию первичной открытоугольной глаукомы, классифицированной как «Подозрение на глаукому» по международному классификатору болезней МКБ-10. Для решения задачи выделения группы риска по развитию ПОУГ при проведении скрининговых офтальмологических осмотров использованы решающие правила, представляющие собой линейные классификационные функции.

В Заключении представлены результаты проведенных исследований.

СПИСОК РАБОТ ПО ТЕМЕ ДИССЕРТАЦИИ Статьи в рецензируемых научных изданиях из Перечня ВАК

1. Танаева, Е.Г. Метод выделения границы диска зрительного нерва на изображениях глазного дна / Р. Г. Хафизов, Е.Г. Танаева // Медицинская техника. 2018. № 2. С. 19-22.

2. Танаева, Е.Г. Метод выделения границ и автоматизация описания морфологических параметров диска зрительного нерва на цифровых изображениях глазного дна / Р. Г. Хафизов, М.А. Егошин, Е.Г. Танаева // Системный анализ и управление в биомедицинских системах. 2018. Т. 17. № 1. С. 122-126.

3. Танаева, Е.Г. Алгоритм оценки параметров и прослеживания сосудов на изображениях глазного дна / Р. Г. Хафизов, Д. Г. Хафизов, Е.Г. Танаева // Информационно-управляющие системы. 2017. № 1. С. 102-105.

4. Танаева, Е.Г. Прогнозирование эффективности диодной лазерной трабекулопластики при первичной открытоугольной глаукоме с помощью алгоритмов дискриминантного анализа / Е.Г. Танаева, Д. Г. Хафизов // Системный анализ и управление в биомедицинских системах. 2016. Т 15. № 3. С. 452-456.

Свидетельства об официальной регистрации программ

5. Танаева, Е.Г. Программа для ЭВМ «Программа прогнозирования эффективности лазерной трабекулопластики 810 нм» / Е.Г. Танаева, Д. Г. Хафизов // Свидетельство о государственной регистрации программы для ЭВМ, РОСПАТЕНТ, №2017617468 от 5.07.2017.

6. Танаева, Е.Г. Программа для ЭВМ «Программа оценки экскавации диска зрительного нерва на изображении глазного дна» / Е.Г. Танаева, Р. Г. Хафизов // Свидетельство о государственной регистрации программы для ЭВМ, РОСПАТЕНТ, № 2018665515 от 5.12.2018.

Публикации в других изданиях

7. Танаева, Е.Г. Автоматизация морфологического описания границы диска зрительного нерва на цифровых изображениях глазного дна / Е.Г. Танаева Р. Г. Хафизов // Офтальмология. 2018. №3. С. 325-329.

8. Танаева, Е.Г. Автоматизированная система оценки величины экскавации зрительного нерва на изображении глазного дна / Е.Г. Танаева, Р.Г. Хафизов // Тезисы докладов 3-ей Международной конференции с элементами научной школы «Актуальные проблемы энергосбережения и эффективности в технических системах», Тамбов, 2016. С. 437-438.

9. Танаева, Е.Г. Алгоритм выделения сосудистой системы сетчатки на изображениях глазного дна на основе контурного анализа / Е.Г. Танаева, Р.Г. Хафизов // Символ науки. 2016. № 1. С. 102-107.

10. Танаева, Е.Г. Методика повышения отношения сигнал/помеха для изображения диска зрительного нерва / Е.Г. Танаева, Р.Г. Хафизов // Сборник материалов XIII Международной н/т конф. «Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации». Курск. 2017. С. 356-358.

11 . Танаева, Е.Г. Методика выделения границы диска зрительного нерва на цифровых изображениях глазного дна / Е.Г. Танаева, Р.Г. Хафизов // Материалы 12-й международной н/т конференции «Перспективные технологии в средствах передачи информации» ПТСПИ-2017. Владимир: Вл. ГУ. 2017. Том 1. С 111-114.

12. Танаева, Е.Г. Алгоритм обнаружения сосудов сетчатки на изображениях глазного дна / Е.Г. Танаева // Символ науки». №12. 2016. С. 107 - 111.

13. Танаева, Е.Г. Автоматизация морфологического описания границы диска зрительного нерва на цифровых изображениях глазного. Сборник материалов XIV Международной н/т конф. «Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации». Курск. 2018. С. 257-259.

14. Танаева, Е.Г. Оценка извилистости сосудов сетчатки на изображениях глазного дна. Сборник материалов XV Международной н/т конф. «Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации». Курск. 2019. С. 171-173.

1. СОВРЕМЕННОЕ СОСТОЯНИЕ В ОБЛАСТИ ОБРАБОТКИ И АНАЛИЗА ИЗОБРАЖЕНИЙ ГЛАЗНОГО ДНА

1.1. Структура цифровых изображений глазного дна

Развитие офтальмологии как науки обусловило потребность офтальмологов зафиксировать тем или иным способом имеющуюся визуальную информацию [20]. В офтальмологии, как и в других медицинских специальностях, стремятся к объективной и точной количественной оценке характеристик параметров глазного дна.

Цифровые фотографии глазного дна характеризуются особой сложностью. Принципиальное отличие фотографий глазного дна от других медицинских изображений (рентгеновские снимки, УЗ-сканы и т.д.) заключается в том, что они, во-первых, являются цветными, а во-вторых, являются двумерными аналогами 3D-сцены, которую может видеть специалист во время офтальмоскопии и, следовательно, в процессе регистрации изображения теряют часть диагностической информации.

На цифровых фотографиях глазного дна в норме можно выделить 3 основных объекта изображения - диск зрительного нерва, сосудистые аркады и макула [3]. При этом диск зрительного нерва и сосуды представляют собой структурированные объекты с четким контуром, в то время как макула представляет собой больше функционально значимую область, которая характеризуется отсутствием четких признаков и границ и не всегда хорошо видна на изображениях. Фоном красноватого цвета для диска зрительного нерва и сосудов непосредственно служит сама сетчатка, которая в норме не видна как отдельная структура.

В клинической практике для описания объектов глазного дна существуют различные алгоритмы, в то же время на практике описание обычно сводится к выделению наиболее значимых признаков с акцентом на патологических изменениях. Чаще всего на практике сначала принято

описывать зрительный нерв, затем сосуды, макулу и структуру видимой сетчатки. Так как глазное яблоко является парным органом, важным моментом является оценка симметричности изображений правого и левого глаза.

Как уже было сказано, в процессе фоторегистрации часть информации о структуре глазного дна теряется, однако существуют и преимущества фотографирования по сравнению со словесным описанием 3D-сцены. Так, цифровые фотографии позволяют создавать архивы изображений, осуществлять объективный мониторинг с выявлением изменений во времени, а также осуществлять более объективную оценку.

Объекты глазного дна при различных патологиях начинают видоизменяться. В основном эти изменения характеризуются потерей четкости границ, изменением цвета и т.п. Так же могут появляться различные патологические объекты, такие как кровоизлияния, экссудативные очаги, дегенеративные очаги, новообразованные сосуды и т.д. Они также характеризуются набором признаков.

1.2. Морфометрические характеристики ДЗН

ДЗН - это интраокулярная часть зрительного нерва. Её длина равна одному мм, а диаметр варьируется от 1, 5 до 2 мм [3]. ДЗН является местом выхода аксонов ганглионарных клеток сетчатки, выходящих из глазного яблока. ДЗН на изображениях представляет собой округлое или овальное образование бледно-розового цвета, на красноватом фоне сетчатки, обязательно с четкими границами. Из центра зрительного нерва выходят древовидно ветвящиеся сосуды. На практике ДЗН положено делить на 4 квадранта: верхний, нижний, темпоральный (височный) и назальный (носовой).

В табл. 1.1 представлен алгоритм описания морфометрических характеристик ДЗН (стандартный протокол).

Табл. 1.1

Характеристика ДЗН Критерии оценки

1. Размер. - маленькие диски - диаметр не превышает 1,5 мм - средние - диаметр 1,5-2,0 мм - большие - диаметр более 2 мм

2. Форма: - округлая - овальная и т.д.

3. Границы: - четкие - стушеваны (размыты) - не дифференцируются

4 . Экскавация Размер экскавации - отношение диаметра экскавации к диаметру диска (Э/Д). Может варьировать в норме от 0 до 0,8. Принято измерять размер экскавации: - по горизонтали - по вертикали Форма: округлая, овальная

5. Нейроретинальный поясок (НРП) Ширина по сегментам: - верхний, -нижний, - темпоральный, - назальный

6. Прилежащие к диску структуры - кровоизлияния по краю диска или на самом диске - отложения пигмента в виде глыбок или пояска - конусы - стафиломы (сплошной конус) - зоны атрофии (в виде ободка) - миелиновые волокна

8. Симметричность Количественна оценка симметричности

Цвет является основной характеристикой ДЗН. В норме диск зрительного нерва имеет розовую или бледно-розовую окраску, несколько бледнее с височной стороны. Цвет диска обусловлен количеством питающих его капилляров. Также, цвет может варьировать в зависимости от возраста и рефракции [3].

Все заболевания зрительного нерва можно разделить на 3 группы:

• воспалительные - невриты и т.д.

• сосудистые - нейроваскулиты, нарушения кровообращения в зрительно нерве и т.д.

• дегенеративные. Дегенеративные состояния включают в себя большую группу заболеваний, включающую в себя атрофии зрительного нерва различного происхождения, токсические поражения, а так же глаукому.

Глаукома - одно из самых распространенных заболеваний зрительного нерва, является одной из основных причин инвалидизации, слабовидения и слепоты во всем мире [19, 20, 38] Изменения ДЗН при развитых стадиях глаукомы имеют достаточно характерную визуальную картину и нуждаются в объективном и качественном мониторинге. Современные клинические рекомендации по ведению пациентов с глаукомой рекомендуют использовать фотографии зрительного нерва для контроля пациентов с глаукомой [8]. «Национальное руководство по глаукоме (путеводитель) для поликлинических врачей» (2011) также рекомендует использовать цветные фотографии глазного дна, а при отсутствии фундус-камеры применять зарисовки вручную.

Список литературы диссертационного исследования кандидат наук Танаева Елена Геннадьевна, 2021 год

СПИСОК ЛИТЕРАТУРЫ

1. Сойфер, В.А. Методы компьютерной обработки изображений / В.А. Сойфер // М.: Физматлит, 2003. 784 с.

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

3. Кацнельсон Л.А., Лысенко B.C., Балишанская Т.И. Клинический атлас патологии глазного дна - Издательство: ГЭОТАР-Медиа, 2008. 120 с.

4. Каталевская Е.А., Аветисов С.Э., Большунов А.В. Офтальмоскопия — от офтальмоскопа Гельмгольца до адаптивной оптики //Вест.офтальмол. — 2007. — №3. — С. 52 — 55.

5. Лебедев О.И., Калижникова Е.А., Яровский А.Е. Топ-лист ведения пациентов с глаукомой: офтальмоскопия. Национальный журнал Глаукома. 2014, № 1. С. 35-44.

6. Сойфер, В. А. Компьютерная обработка изображений // Вестник российской академии наук. - 2001, Т. 71, № 2. С. 119-129.

7. Гонсалес Р., Вудс Р. Цифровая обработка изображений. - М.: Техносфера. 2005. 1072С.

8. Weinreb R.N., Greve E.L. Glaucoma diagnosis structure and function Reports and Consensus Statements of the 1st Global AIGS Consensus Meeting on «Structure and Function in the Management of Glaucoma». Kugler Publications. Amsterdam, The Netherlands; 2004; 179 p

9. Ильясова, Н.Ю. Информационные технологии анализа изображений в задачах медицинской диагностики / Н.Ю. Ильясова, А.В. Куприянов, А.Г. Храмов. - М.: Радио и связь, 2012. - 424 с.

10. Ильясова, Н. Ю. Экспертная компьютерная система диагностики глазных заболеваний по изображениям глазного дна / Н.Ю. Ильясова, А.В. Устинов, В.Г. Баранов // Компьютерная оптика. - 1999. - №19. С. 202-209.

11. Ильясова, Н.Ю. Метод выделения центральных линий кровеносных сосудов / Н.Ю. Ильясова, А.О. Корепанов, П.М. Чикулаев // Компьютерная оптика 2006. - №29. С.146-150.

12. Куприянов, А.В. Разработка информационной технологии оценивания геометрических параметров изображений глазного дна / А.В. Куприянов, Н.Ю. Ильясова // Вестник Самарского государственного аэрокосмического университета. - 2008. - №2. С. 221-234.

13. Бранчевский, С.Л. Система цифрового анализа для диагностики сосудистой патологии глазного дна / С.Л. Бранчевский [и др.]// Вестник офтальмологии. - 2003. - № 5. - С. 37-40.

14. Ильясова, Н.Ю. Применение искусственных нейронных сетей для оценивания диагностических параметров на биомедицинских изображениях / Н.Ю. Ильясова, Д.Е. Липка, А.В. Куприянов // Компьютерная оптика. - 2003. - № 25. - С. 151-154.

15. Введение в контурный анализ и его приложение к обработке изображений и сигналов/ Под ред. Я.А. Фурмана. - М.: ФИЗМАТЛИТ, 2002.

16. Томакова, Р.А. Проектирование гибридной нейронной сети для анализа сложноструктурированных медицинских изображений / Р.А. Томакова // Системный анализ и управление в биомедицинских системах.-2011. Т. 10. -№ 4. -С.916-923.

17. Томакова, Р.А. Спектральные технологии морфологического описания сегментов в задачах классификации сложноструктурированных изображений / Р.А. Томакова, В.В. Серебровский, Л.В. Шульга // Известия Юго-Западного государственного университета. -2012. -№ 1(40), ч. 1. -С.22-28.

18. Семашко А.С., Крылов А.С., Родин А.С. Поиск границы диска зрительного нерва на изображениях глазного дна с использованием метода активных контуров// Труды 13-й Международной конференции

«Цифровая обработка сигналов и ее применение». - T. 2 из DSPA. -Москва, 2011. - С. 180-183.

19. Либман Е.С., Калеева Э.В. Состояние и динамика инвалидности вследствие нарушения зрения в России // Съезд офтальмол. России, 9-й: Тез. докл.- М.- 2010.- С.73.

20. Quigley H.A. The number of person with glaucoma worldwide in 2010 and 2020//Br. J. Ophtalmol. 2006. - Vol. 90.- P. 151-156.

21. Ермолаев А.П., Петров С.Ю., Новиков И.А., Жабицкий Д.Г. Доступная система создания банка цифровой фото-и видеоинформации в офтальмологии. Вестник офтальмологии 2003; 119(4): 63

22. Сосудистые заболевания глаз /Кацнельсон Л.А., Форофонова Т.И., Бунин А.Я. М.: Медицина, 1990. 272 с.

23. Бальжнимаев Э.Б. Диабетическая ретинопатия (обзор литературы) / Э.Б. Бальжнимаев, Г.Ф. Жигаев, М.П. Рябов, О.С. Скорик // Бюллетень ВСНЦ СО РАМН. — 2012. — Т. 88. — № 6. — С. 130-134

24. Dobson P.M., Gibson J.M., Kreitzinger E.E. et al. Retinopathy and Diabetes // Clin. Retinopathies.- London: Chapman and Hall, 1994. - Р. 34 -36.

25. Терапевтическая офтальмология /Под ред. M. Л. Краснова, Н.Б. Шульпиной. М.: Медицина, 1985. С. 477-495.

26. Терещенко А.В., Белый Ю.А., Терещенкова М.С., Трифаненкова И.Г и др. Компьютерный анализ сетчатки и ретинальных сосудов при ретинопатии недоношенных // Офтальмохирургия. 2009 №5. С48-51.

27. Куроедов А. В. Офтальмологическая характеристика изменений диска зрительного нерва и слоя нервных волокон при глаукоме (пособие для врачей). Москва. Столичный бизнес. 2011. 48 с.

28. Sulai Y.N., Dubra A. Adaptive optics scanning ophthalmoscopy with annular pupils // Biomed Opt Express 2012; 3(7). Р 1647-1661.

29. Wollstein G., Garway-Heath D.F., Hitchings R.A. Identifying early glaucomatous changes. Comparison between expert clinical assessment of

optic disc photographs and confocal scanning Ophthalmoscopy // Ophthalmology. 2000. V. 107. № 12. P. 2272-2277.

30. Егоров Е.А., Астахов Ю.С., Щуко А.Г. (ред.). Национальное руководство по глаукоме М.: ГЭОТАР-Медиа, 2011. - 280 с.

31.Lowell, J., Hunter, A., Steel, D., Basu, A., Ryder, R., Fletcher, E., Kennedy, L. "Optic nerve head segmentation" // IEEE Trans. Medical Imaging 23(2), 2004. Р. 256-264.

32. Li, H., Chutatape, O. "Boundary detection of optic disk by a modified ASM method" // Pattern Recognition 36(9), 2003. Р. 2093-2104.

33. Osareh, A., Mirmehdi, M., Thomas, B., Markham, R. "Colour morphology and snakes for optic disc localization" // 6th Medical Image Understanding and Analysis Conference. 2002. Р. 21-24.

34. Kass M., Witkin A. and Terzopoulos D. "Snakes: Active Contour Models" // International Journal of Computer Vision. 1987. Vol. 1. P. 321 -331.

35. Xu Chenyang and Prince Jerry L. "Snakes, Shapes, and Gradient Vector Flow" // IEEE Trans. Image Processing, vol. 7, no. 3, Mar. 1998. Р. 359-369.

36. Cohen Laurent D. "On Active Contour Models and Balloons" // Computer Vision, Graphics, and Image Processing : Image Understanding. 1991. 53(2). Р. 211-218.

37. Бердникова Е.В., Солянникова О.В., Экгардт В.Ф., Тур Е.В. Оценка цветности и морфометрических показателей диска зрительного нерва в норме и у больных первичной открытоугольной глаукомой// Вестник ОГУ. №12. 2014. С. 56-60.

38. Компьютерная диагностика заболеваний зрительного нерва / С.Н. Федоров [и др.] // 7-й съезд офтальмологов России: Тез. докл. - М., 2000. - С. 186-187.

39. А. С. Крылов, А. В. Насонов, А. С. Семашко, А. А. Черноморец, В. В. Сергеев, В. С. Акопян, А. С. Родин, Н. С. Семенова.

Компьютерный анализ изображений глазного дна // Труды VIII Российско-Баварской конференции по биомедицинской инженерии. Санкт-Петербург, 2012, с. 129-133.

40. Joshi G.D., Sivaswamy J. Colour Retinal Image Enhancement based on Domain Know-ledge // 6th Indian Conf. on Computer Vision, Graphics and Image Processing, 2008, Р. 591-598.

41. Winder R.J., Morrow P.J., McRitchie I.N., et al. Algorithms for digital image processing in diabetic retinopathy. Computerized Medical Imaging and Graphics, v. 33, 2009, Р. 608-622.

42. Romain Lerallut, Etienne Decenciere, Fernand Meyer. Image filtering using morpho-logical amoebas// Image and Vision Computing, v. 25, 2007, Р. 395-404.

43. Chernomorets A. A., Krylov A. S., Nasonov A. V., Semashko A. S., Sergeev V. V., Akopyan V. S., Rodin A. S., Semenova N. S. Automated processing of retinal images // 21-th Interna-tional Conference on Computer Graphics GraphiCon2011. Moscow, Russia, 2011, Р. 78-81.

44. Semashko A. S., Krylov A. S., Rodin A. S. Using Blood Vessels Location Information in Optic Disk Segmentation // 16th Int. Conf. ICIAP'2011, LNCS, V. 6979, part 2, 2011, Р. 384-393.

45. Насонов А.В., Черноморец А.С., Крылов А.С., Родин А.С. Применение метода морфологических амеб для выделения сосудов на изображениях глазного дна // Труды 13 международной конференции "Цифровая обработка сигналов и ее применение"(DSPA'2011), т.2, М., 2011, стр. 158-161.

46. Антонов Е.А., Акопян В.С., Родин А.С., Семенова Н.С., Крылов А.С. Методы автоматизированной обработки изображений сетчатки в телемедицинском скрининге диабетической ретинопатии. Обзор литературы. // Офтальмология, 2011, том 8, №3, с.4-8.

47. Ильясова Н.Ю. Методы цифрового анализа сосудистой системы человека. Обзор литературы// Компьютерная оптика, 2013, том 37, №4. С. 511-535.

48. Ильясова, Н.Ю. Биомеханические характеристики сосудов для цифрового анализа изображений глазного дна / Н.Ю. Ильясова, А.В. Куприянов, Н.А. Гаврилова, Г.А. Шилкин, Н.И. Ланевская // Биомеханика глаза. - 2002. - С. 18-30.

49. Ильясова, Н.Ю. Измерение биомеханических характеристик сосудов для ранней диагностики сосудистой патологии глазного дна / Н.Ю. Ильясова, А.В. Куприянов, М.А. Ананьин, Н.А. Гаврилова // Компьютерная оптика. - 2005. - № 27. - С. 165-170.

50. Ilyasova, N.Yu., Ustinov A.V., Baranov V.G.: An Expert Computer System for Diagnosing Eye Diseases from Retina Images // Optical Memory and Neural Networks, 2000. Vol. 9. No. 2. Р. 133-145.

51. Бакуткин В.В., Горелов В.В. Зайко Ю.Н. Компьютерный анализ изображения диска зрительного нерва: 19-я школа для молодых ученых и студентов по оптике, лазерной биофизике и фотонике. Сент. 21-25, 2015. Саратов. URL: http://sfm.eventry.org/u/f/ SFM_report_1382_ xStBq4Nq.pdf/

52. Бакуткин В.В., Бакуткин И.В., Зайко Ю.Н., Спирин В.Ф. Компьютерный анализ состояния диска зрительного нерва и его использование в мониторинге состояния здоровья населения // В сб.: Современные технологии в охране труда и здоровья населения. Материалы межрегиональной научно-практической конференции 16-17 ноября 2012 г., г. Саратов, Саратов, ИЦ Наука, 2013, с. 41-43.

53. Бакуткин В.В., Бакуткин И.В., Зайко Ю.Н., Спирин В.Ф. Компьютерный анализ изображений диска зрительного нерва в клинической практике / В.В. Бакуткин, И.В. Бакуткин, Ю.Н. Зайко и др.

// Вестник Оренбургского государственного университета. 2013. № 4 (153). С. 27-29.

54. M. Rangayyan, Xiaolu Zhu, Fabio J. Ayres, Anna L. Ells. Detection of the Optic Nerve Head in Fundus Images of the Retina with Gabor Filters and Phase Portrait Analysis Rangaraj // Journal of Digital Imaging, 2010. 23 (4). Р. 438-453.

55. H., Barriga E. S., Agurto C., Echegaray S., Pattichis M. S., Bauman W., Soliz P. Fast localization and segmentation of optic disk in retinal images using directional matched filtering and level sets // IEEE Transactions on Information Technology in Biomedicine. 2012. № 16. Р. 644-657.

56. Hoover A., Goldbaum M., Locating the optic nerve in a retinal image using the fuzzy convergence of the blood vessels // IEEE Trans. Med. Imag. 2003. 22 (8). Р. 951-958

57. Sinthanayothin C., Boyce J.F., Cook H.L., Williamson, T.H. Automated localisation of the optic disc, fovea, and retinal blood vessels from digital colour fundus images // Br. J. Ophthalmol. 1999. 83. Р. 902-910.

58. Li H. Q., Chutatape O. Automated feature extraction in color retinal images by a model based approach // IEEE Trans. Biomed. Eng. 2004. 51 (2). Р. 246-254.

59. Aquino M. E. Gegundez-Arias. D. Marin. Detecting the optic disc boundary in digital fundus images using morphological edge detection and feature extraction techniques // IEEE Trans. Med. Imag, 2010. 29 (11). Р. 18601869.

60. Шадричев, Ф. Е. Диабетическая ретинопатия (взгляд офтальмолога)/ Ф. Е. Шадричев // Сахарный диабет. -2008. -№ 3. - С. 8-11.

61. Автоматизированные медико-технологические системы в 3-х частях: Монография /А.Г. Устинов, В.А. Ситарчук, H.A. Кореневский; Под ред. А.Г.Устинова. Курск, гос. техн. ун-т. Курск, 1995. 390 с.

62. Уотерман Р.Д., Ленат Д., Хейсе - Рот Ф. Построение экспертных систем: Пер. с англ. М.: Мир, 1987. 165 с.

63. Джарратано Д., Райли Г. Экспертные системы. Принципы разработки и программирование. 4-е изд.: пер. с англ. - М.: Издательский дом «Вильямс», 2007.-1152 с.

64. Назаренко Г.И., Осипов Г.С., Молодченков А.И. Интеллектуальные системы в клинической медицине. Синтез плана лечения на основе прецедентов // Информационные технологии и вычислительные системы. - 2010, №1, С. 24-35.

65. Кирсанова А.В. Современное состояние и перспективы развития экспертных медицинских систем. Новый университет - 2015. № 11-12 С.58-63.

66. Рассел С., Норвиг П. Искусственный интеллект: современный подход, 2-е изд.: пер. с англ. - М.: Издательский дом "Вильямс", 2006. - 1408 с.

67. Cecilia Vallejos der Schatz, Fabio Kurt Schneider. Intelligent and Expert Systems in Medicine -A Review. [Электронный ресурс] http://www.sabi2011 .fi.mdp.edu.ar/

68. Сойфер, В.А. Методы компьютерного анализа диагностических изображений глазного дна / В.А. Сойфер, Н.Ю. Ильясова, А.В. Куприянов, А.Г. Храмов, М.А. Ананьин // Технологии живых систем. -2008. - T. 5, № 5-6. - C. 61-71.

69. Сойфер, В.А. Введение в цифровую обработку сигналов и изображений: повышение качества и оценивание геометрических параметров изображений / В.А. Сойфер. - Самара: Изд-во СГАУ, 2006.

70. Ильясова, Н.Ю. Оценивание геометрических признаков пространственной структуры кровеносных сосудов // Компьютерная оптика. - 2014. - Т. 38, № 3. - С. 529-538.

71. Никитин, О.Р. Исследование возможности оконтуривания для автоматизации диагностирования патологий на медицинских

изображениях/ О.Р. Никитин, А.С. Пасечник // Биомедицинская радиоэлектроника, 2008. №6. - С. 25-30.

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

73. Хафизов Р.Г. Анализ процесса прослеживания протяженного объекта на многоградационном изображении на основе t-критерия// Вестник Верхневолжского отделения АТН РФ. Серия "Высокие технологии в радиоэлектронике", 1997. C. 63-66.

74. Furman Ya.A., Khafizov R.G. Detection of Extended Object Images in Optical Scenes// Pattern Recognition and Image Analysis. Vol. 8. № 2. 1998. pp. 267-268.

75. Furman Ya.A., Khafizov R.G. Matched-Selective Filtering of Stretched Images in Real Landscape// Optoelectronics, Instrumentation and Data Processing. № 2, pp. 10-23, 1999.

76. Хафизов Р.Г. Обнаружение и оценка параметров плоских зашумленных изображений// Известия вузов. Приборостроение. 2006. Т. 49, № 4. С. 36-45.

77. Ильясова, Н.Ю. Системы компьютерного анализа геометрических характеристик диагностических изображений кровеносных сосудов // Известия Самарского научного центра Российской академии наук. -2014. - Т. 16, № 4. - С. 54-62.

78. Ильясова, Н.Ю. Диагностический комплекс анализа изображений сосудов глазного дна // Биотехносфера. - 2014. - №3(33) - С. 20-24.

79. Хафизов Р.Г., Танаева Е.Г. Автоматизированная система оценки величины экскавации зрительного нерва на изображении глазного дна// Тезисы докладов 3-ей Международной конференции «Актуальные проблемы энергосбережения и энергоэффективности в технических системах». Тамбов, 2015. - С. 437 - 438.

80. Танаева Е.Г., Хафизов Р.Г. Алгоритм выделения сосудистой системы сетчатки на изображениях глазного дна на основе контурного анализа // Символ науки, №1, 2016. С. 102 - 107.

81. Танаева Е.Г. Алгоритм обнаружения сосудов сетчатки на изображениях глазного дна // Символ науки», №12, 2016. С. 107 - 111.

82. Хафизов Р. Г., Хафизов Д. Г., Танаева Е.Г. Алгоритм оценки параметров и прослеживания сосудов на изображениях глазного дна // Информационно-управляющие системы. - 2017. № 1. С. 102-105.

83. Хафизов Р.Г. Танаева Е.Г. Методика повышения отношения сигнал/помеха для изображения диска зрительного нерва// Материалы XIII Международной науч.-техн. конференции «Оптико-электронные приборы и устройства в системах распознавания образов, распознавания изображений и символьной информации. Распознавание - 2017». Курск, 2017. С. 356-358.

84. Хафизов Р.Г. Танаева Е.Г. Методика выделения границы диска зрительного нерва на цифровых изображениях глазного дна // Материалы XII Международной научно-технической конференции «Перспективные технологии в средствах передачи информации -ПТСПИ-2017». Владимир, 2017. С. 111-114.

85. Танаева, Е.Г. Метод выделения границы диска зрительного нерва на изображениях глазного дна / Р. Г. Хафизов, Е.Г. Танаева // Медицинская техника, № 2, 2018. С. 19-22.

86. Танаева, Е.Г. Метод выделения границ и автоматизация описания морфологических параметров диска зрительного нерва на цифровых изображениях глазного дна / Р. Г. Хафизов, М.А. Егошин, Е.Г. Танаева // Системный анализ и управление в биомедицинских системах. 2018. Т. 17. № 1. С. 122-126.

87. Гмурман, В.Е. Теория вероятностей и математическая статистика: учебное пособие для вузов / В.Е. Гмурман. - М.: Высшая школа, 2003.

88. Танаева, Е.Г. Автоматизация морфологического описания границы диска зрительного нерва на цифровых изображениях глазного дна / Е.Г. Танаева Р. Г. Хафизов, // Офтальмология - 2018. №3. С. 325-329.

89. Прэтт, У. Цифровая обработка изображений / У. Прэтт; пер. с англ. Под ред. Д.С. Лебедева. -М.: Мир, 1982. Т.1. -310 с.

90. Foracchia M, Grisan E, Ruggeri A. Detection of optic disc in retinal images by means of a geometrical model of vessel structure. IEEE Trans Med Imaging 2004; № 23. Р 1189-1195.

91. Lalonde M, Beaulieu M, Gagnon L. Fast and robust optic disc detection using pyramidal decomposition and Hausdorff-based template matching. IEEE Trans Med Imaging 2001; № 20. Р 1193-2000

92. Mendels F, Heneghan C, Thiran JP. Identification of the optic disc boundary in retinal images using active contours. In: Proc IMVIP Conf. 1999. p. 103115

93. Sekhar S, Al-Nuaimy W, Nandi AK. Automated localisation of retinal optic disc using Hough transform. In: The 5th IEEE international symposium on biomedical imaging: from nano to macro. 2008. p. 1577-80

94. Novo J, Penedo MG, Santos J. Localisation of the optic disc by means of GAoptimised topological active nets. Image Vision Comput 2009. № 27. Р1572-1584

95. Cattleya Duanggate, Bunyarit Uyyanonvara, Stanislav S. Makhanov, Sarah Barman, Thomas H. Williamson: Parameter-free optic disc detection. Comp. Med. Imag. and Graph. 2011. № 35(1). Р 51-63.

96. A. A. Youssif, A. Z. Ghalwash, and A. A. Ghoneim, "Optic disc detection from normalized digital fundus images by means of a vessels' direction matched filter," IEEE Trans. Med. Imag. 2008. № 27(1). Р 11-18,.

97. G. Kavitha, and S. Ramakrishnan, "An Approach to Identify Optic Disc in Human Retinal Images Using Ant Colony Optimization Method", J. Med. Syst. 2010. № 34(5). Р 809- 813.

98. Айвазян, С.А. Прикладная статистика. Исследование зависимостей: справ. изд./С.А. Айвазян, И.С. Енюков, Л.Д. Мешалкин.-М.: Финансы и статистика, 1985.- 487 с.

99. Юнкеров В.И., Григорьев С.Г. Математико-статистическая обработка данных медицинских исследований.- СПб.: ВМедА, 2002 - 266 с.

100. Автоматизация обработки экспериментальных данных: Конспект лекций/ Д.Г.Хафизов. - Йошкар-Ола: МарГТУ, 2007.-112 с.

101. Сирота, А.А. Статистические алгоритмы обнаружения границ объектов на изображениях / А. А. Сирота, А. И. Соломатин // Вестник ВГУ. Сер.: Системный анализ и информационные технологии - 2008. -№ 1. — С.58-64

102. Терапевтическая офтальмология / Под ред. М.Л. Краснова, Н.Б. Шульпиной. - М.: Медицина, 1985. -С. 477-495.

103. Халафян, А.А. STATISTIKA 6. Статистический анализ данных/ А.А. Халафян. - М.: ООО Бином-Пресс, 2007. - 512с.

104. Кацнельсон, Л.А. Клинические формы диабетической ретинопатии / Л.А. Кацнельсон // Вестник офтальмологии -1989. - № 6. - С. 43-47.

105. Коскас, Г. Комплексная диагностика патологии глазного дна / Г.Коскас, Ф. Коскас, А. Зурдан . - М.: Практическая медицина. 2007. -469 с.

106. Сирота, А.А. Статистические алгоритмы обнаружения границ объектов на изображениях / А. А. Сирота, А. И. Соломатин // Вестник ВГУ. Серия: Системный анализ и информационные технологии. 2008. № 1. С.58- 64. http://www.vestnik.vsu.ru/pdf/analiz/2008/01/sirota_2.pdf

107. Кански, Д. Д. Заболевания глазного дна/Д. Д. Кански, С. А. Милевски, Б. Э. Дамато и др.; пер. с англ. под общ. ред. С. Э. Аветисова. М., 2008. 423 с.

108. Классификация изменений картины глазного дна при артериальной гипертензии / Н.Б. Шульпина и др.// Терапевт. офтальмология. М., 1985. С. 476-510.

143

Приложение

АКТЫ О ВНЕДРЕНИИ РЕЗУЛЬТАТОВ ДИССЕРТАЦИОННОГО

ИССЛЕДОВАНИЯ

о внедрении результатов диссертационной работы Танаевой Е.Г. в НИР ФГБОУ ВО «Поволжский государственный технологический

университет»

Научно-техническая комиссия в составе: д.т.н., профессора, зав. каф. РТиМБС Роженцова A.A., д.т.н., профессора Егошиной И.Л., к.т.н., доцента Евдокимова А.О. составила настоящий акт о том, что результаты диссертационной работы Танаевой Е.Г.:

1) алгоритмы сегментации изображений органов и тканей человека, выделения их границ, в том числе диска зрительного нерва, артериальных и венозных сосудов глазного дна;

2) алгоритм автоматизации формирования описания органов и тканей человека, в том числе границы диска зрительного нерва

использованы при выполнении научно-исследовательской работы Министерства и образования и науки РФ, проект RFMEFI577170254 «Система интраоперационной навигации с поддержкой технологии дополненной реальности на базе виртуальных 3D моделей органов, полученных по результатам KT диагностики, для малоинвазивных операций».

АКТ

Руководитель НИР, зав. каф. РТиМБС, д.т.н., профессор

A.A. Роженцов

Профессор кафедры РТиМБС, д.т.н.

И.Л. Егошина

Доцент кафедры РТиМБС, к.т.н., доцент

А.О. Евдокимов

«УТВЕРЖДАЮ» мвныйврач ГБУ Р VI") 1М. I II I ригорьеаа Л. VI То мил ока

2o:oi

АКТ

о внедрении результатов диссертационной работы Танаеаой К. if мм Геннадьевны

на тему

«Меюды н алгоритмы морфо.км нчеекой оценки диагностически 1наннмы\ обьекюн на изображениях i да inoro дна»

Настоящий an составлен о том. что результаты диссертационной работы Танеевой Е.Г.. а именно:

• алгоритмы обнаружения и прослеживания сосудов на изображении глазного дна;

• алгоритм автоматизации морфологического описания границы диска зрительного нер на;

• информационно-аналитическая модель и алгоритмы оценки морфологических параметров диска зрител ьно» о нер ва и сосудов

представляют для ГБУ РМ) "Республиканская офтальмологическая больница им ГЛ. Григорьева" г. Йошкар-Ола технический интерес и используются и клинической и научно-исследовательской деягедьности медицинского учреждения с целью реализации прикладных проектов в области информатизации здравоохранения

Заместитель главно! о ирама но лечебной работе I ЬУ РМ'З «РОБ им. Г.М. Григорьева»

Зав. офтальмологическим клинико-диагностическим отделением ГБУ РМ1«РОЬ им. Г.И. Григорьева»

-4Í

И. В. Абрамова

Д. А. Коротком