Методы и программные средства контроля медицинских рентгенографических изображений тема диссертации и автореферата по ВАК РФ 05.13.11, кандидат наук Аль Темими Аммар Мудхехер Садек

• Аль Темими Аммар Мудхехер Садек
• кандидат наук
• 2019

Оглавление диссертации кандидат наук Аль Темими Аммар Мудхехер Садек

Введение

Глава 1. Актуальность задачи обработки медицинских изображений. Обзор существующих средств обработки медицинской информации

1.1 Обзор существующих средств обработки медицинской информации

1.1.1 Электронная медицинская запись

1.1.2 Автоматизированная диагностика (CADx)

1.1.3 Система архивирования и передачи изображений

1.1.4 ЭКОМ

1.1.5 01М1Л8

1.1.6 Экспертные системы

1.2 Современные проблемы в обработке медицинских изображений

1.2.1 Качество изображения

1.2.2 Управление медицинскими изображениями

1.2.3 Источники медицинских изображений

1.3 Анализ известных методов обработки медицинских изображений

1.3.1 Сегментация изображений

1.3.1.1 Выбор пикселей

1.3.1.2 Метод активных контуров

1.3.1.3 Отслеживание контуров

1.3.1.4 Водораздел

1.3.2 Улучшение медицинских изображений

1.3.2.1 Различные типы шума в медицинских изображениях

1.3.2.1.1 Гауссовский шум

1.3.2.1.2 Шум типа соль и перец

1.3.2.2 Методы удаления шума

1.3.2.2.1 Медианный фильтр

1.3.2.2.2 Фильтр Винера

1.3.2.2.3 Гауссовский фильтр

1.3.3 Морфологическая обработка изображений

1.3.3.1 Дилатация и эрозия

1.3.3.2 Открытие и закрытие

Глава 2. Методы диагностики болезни. Разработка методов для детектирования

границ контуров объекта и определения референтных линий и углов

2.1 Методы исследования диагностики болезни

2.1.1 Рентгеновские снимки грудной клетки

2.1.2 Рентген позвоночника, шеи и спины

2.1.3 Рентгенограммы костей

2.2 Метод референтных линий и углов

2.2.1 Понятие референтных линий и углов коленного сустава

2.2.2 Понятие референтных линий и углов локтевого сустава

2.3 Разработка метода для детектирования границ контуров объекта

2.4 Разработка методов для нахождения референтных линий и углов

2.4.1 Метод для определения анатомических линий

2.4.2 Метод для получения суставной линии (Бедро)

2.4.3 Метод для получения суставной линии (голень)

2.4.4 Метод получения суставной линии (плечо)

Глава 3. Некоторые модификации алгоритмов детектирования границ контуров объекта на рентгенографических медицинских изображениях

3.1 Разработка метода для усреднения значений интенсивностей

3.2 Разработка метода для вычисления порогов значений детектора Кэнни

Глаза 4. Опыт практического использования и применения программного Комплекса

4.1 Библиотека OpenCV (Open Source Computer Vision)

4.1.1 Сборка Emgu CV

4.2 Опыт практического использования программного комплекса

4.2.1 Визуализация выполнения

4.2.2 Визуализация выполнения неудачного случае

4.3 Использование программного комплекса

4.3.1 Вкладка «Главная»

4.3.2 Вкладки «Настройка» и «Углы»

4.4 Эксперименты программного комплекса XRay

Заключение

Список рисунков

Список таблиц

Литература

Приложения А

3

Приложения Б

Приложения В

Приложения Г

Приложения Д

Приложения Е

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

Введение

Актуальность работы. Обработка медицинских изображений является одним из важных аспектов диагностики, она требует не только непосредственной визуализации имеющейся информации для ее последующей оценки специалистом, но и анализа полученных данных. При этом возникают многочисленные промежуточные задачи, связанные с восстановлением информации, ее предварительной обработкой, имеющих целью ускорение процесса получения нужных данных и повышение степени достоверности результатов, а также минимизацию вмешательства пользователя.

В условиях повсеместного внедрения компьютерных технологий возникновение и использование цифровых систем обработки изображений для целей медицинской диагностики является вполне естественным процессом. Более того, применение таких систем становится все более широким. Здесь следует упомянуть следующие возможности:

1. Оперативное получение достоверной визуальной информации в виде, удобном для восприятия.

2. Дополнительная обработка полученной информации.

3. Получение справочной информации.

4. Обмен информацией с имеющимися базами данных.

Общей тенденцией в развитии медицинских диагностических методов, в том числе и рентгенологических, является объективизация результатов обследования. Одним из путей решения этой задачи является создание унифицированных подходов для оценки имеющейся информации.

Методы автоматизированной компьютерной диагностики становятся все более важными на современном этапе развития медицины. Эти методы могут повысить точность, эффективность, объективность, обеспечить формализацию результатов диагностики, а также, что особенно важно, выявить заболевание на ранних

стадиях. Кроме того, они могут быть существенно востребованы при проведении массового обследования.

Следует отметить, что внедрение технологий цифровой обработки медицинской рентгенографической информации должно привести к существенному повышению качества диагностики, более эффективным методам клинической работы. В случае рентгеновской диагностики одним из важных частных следствий может быть уменьшение рентгеновского облучения, поскольку цифровые методы позволяют существенно лучше выделять особенности изображения.

Обработка цифровых рентгеновских изображений имеет множество аспектов, охватывающих процесс сбора, обработки, передачи и архивирования диагностической информации в виде цифровых данных.

Разработка алгоритмов, ориентированных на задачи медицинской компьютерной диагностики и соответствующего программного обеспечения в этой области, может значительно повысить эффективность рентгеновской диагностики.

Цель диссертационной работы является разработка системы анализа цифровых рентгеновских снимков на основе обработки изображений, которая позволяет дать быструю и точную оценку состояния пациента и предоставить специалисту необходимую информацию.

Для проведения предварительной обработки рентгеновского изображения с помощью стандартных программных средств (графических редакторов) требуется выполнить большой объем предварительной действий (выделение исследуемой области, фильтрация, выравнивание гистограммы и т. д.), которые требуют достаточной квалификации. При этом необходимые шаги существенно зависят от конкретного источника. Такая обработка требует значительных затрат времени и на практике, разумеется, не применяется. Более того, такой непосредственный подход не позволил бы получить числовые или иные характеристики исследуемых областей. Именно поэтому возникает необходимость в создании автоматизированных систем обработки, которые, учитывая специфику обрабатываемой информации, позволяют оперативно получать искомые результаты, не требуя дополнительной квалификации персонала.

Рассматриваемый в диссертации, метод референтных линий и углов предложен на основе разработанных медицинским сообществом экспертных оценок для анализа рентгенограмм конечностей человека. Он позволяет дать оценку состояния анализируемых областей, сделать заключение о необходимости реконструктивных операций и в случае необходимости дать предварительную информацию для разработки стратегии хирургического вмешательства.

Для рассматриваемой области исследований определяются так называемые анатомические и механические оси длинных трубчатых костей, определяются линии суставов, анатомические и механические углы. В норме референтные линии должны пересекаться между собой под определенными углами и в определенных точках.

Более точно, для выявления деформаций конечностей вводятся понятия референтных линий и углов, разделяемые на "анатомические" и "механические".

После проведения референтных линий и определения референтных углов полученные данные сравниваются со значениями, принимаемыми за границы нормы. Существующие методики позволяют сделать выводы о необходимости лечения и, в случае необходимости, о его тактике.

Рис.1. Референтные линии и углы для суставов: колено (А), локоть (Б) Построение референтных линий производится по центральным точкам коленного сустава и наиболее выступающим точкам по краям бедренной кости, и точкам, расположенным в центре суставных поверхностей (см. рис. 1.А), где представлен

81е

(79-83°)

А

Б

пример определения референтных линий и углов в дистальном отделе плечевой кости во фронтальной плоскости (см. рис.1.Б).

Сказанное позволяет сделать вывод, что разработка методов и на их основе программных средств контроля медицинских рентгеновских изображений является актуальной и востребованной задачей.

Цель диссертационной работы. Повышение точности диагностики повреждений суставов конечностей человека по цифровым рентгеновским изображениям.

Объектом исследований являются полутоновые медицинские рентгеновские изображения суставов конечностей человека.

Предметом исследований являются методы и алгоритмы цифровой обработки и анализа медицинских рентгеновских изображений.

Научная задача исследования состоит в разработке методов повышения точности распознавания положения суставов длинных костей конечностей и референтных линий и углов по медицинским рентгеновским изображениям при заданном времени диагностики.

Для достижения сформулированной цели требуется решить следующие задачи.

1. Проанализировать возможности применения медицинских методов диагностики повреждения суставов и длинных костей конечностей человека для компьютерной диагностики.

2. Разработать схему анализа цифровых медицинских изображений для реализации метода построения референтных линий и углов длинных костей человека.

3. Разработать методы повышения точности результатов работы алгоритма при заданном времени обработки.

4. Разработать программное обеспечение, реализующее предложенный метод построения референтных линий и углов и провести анализ его эффективности.

Основные положения, выдвигаемые для защиты.

1. Точное выделение контуров костей позволяет реализовать компьютерную диагностику на основе медицинского метода референтных линий и углов.

2. Выбранная комбинация алгоритмов (детектор границ Кэнни, алгоритм водораздела, морфологическое операции) позволяет обеспечить требуемую точность выделения контуров костей для реализации метода референтных линий и углов.

3. Метод упрощения контуров обеспечивает сокращение числа точек контуров и объема вычислений для построения референтных линий и углов на медицинском рентгенографическом изображении давая достаточную точность диагностики.

4. Использующие интегральные таблицы методы фильтрации изображения и нахождения пороговых значений алгоритма Кэнни, позволяющие ускорить обработку и повысить точность выделения границ объектов.

Новые научные результаты, выносимые на защиту

1. Метод детектирования границ контуров объектов на медицинских рентгенограммах, использующий комплекс алгоритмов (детектор границ Кэнни, алгоритм водораздела, морфологические операции) для выделения контуров длинных конечностей костей человека, отличающийся от существующих точностью определения контура объекта и скоростью выполнения задачи.

2. Впервые разработаны методы определения референтных линий для длинных конечностей костей человека.

3. Метод уменьшения количества точек контуров искомого объекта для упрощения анализа рентгенографических снимков длинных костей, отличающийся от известных точностью нахождения, скоростью выполнения и уменьшением числа находимых точек.

4. Методы фильтрации и вычисления статистических характеристик изображения, отличающиеся от существующих более высокой скоростью выполнения за счет использования интегральных таблиц.

Степень разработанности темы исследования. Проведенный в диссертации обзор программных средств анализа рентгеновских медицинских изображений показывает, что их целью является визуализация получаемых данных, не содержащая дополнительного нетривиального анализа.

Существующие математические методы детектирования объектов либо требуют для своей работы обучающей выборки, что повышает накладные расходы на подготовку к работе, либо не дают приемлемого для диагностики качества детектирования.

Научная новизна:

1. Метод определения границ контуров длинных конечностей костей человека на медицинских рентгенографических изображениях, использующий комплекс параметризуемых алгоритмов (детектор границ Кэнни, алгоритм водораздела, морфологические операции), отличающийся от существующих большей точностью определения контуров и высокой скоростью обработки.

2. Впервые разработаны методы определения референтных линий для длинных конечностей костей человека.

3. Метод сокращения числа точек контуров искомого объекта для упрощения анализа рентгенографических снимков длинных костей, отличающийся от известных точностью нахождения, скоростью выполнения и уменьшением числа находимых точек.

4. Методы фильтрации и вычисления статистических характеристик изображения, используемые для нового метода нахождения порогов в алгоритме Кэнни, отличающиеся от существующих более высокой скоростью выполнения за счет использования интегральной таблицы.

Теоретическая значимость исследования состоит в развитии метода автоматизированной обработки рентгенографических медицинских изображений на основе построения референтных линий и углов для анализа изображений конечностей человека.

Практическая значимость работы. Разработанные методы, алгоритмы и их программная реализация могут быть использованы для автоматизированного анализа цифровых рентгенографических изображений в условиях большого потока диагностических исследований, требуя вмешательства оператора в пренебрежимо малом числе случаев и давая существенное повышение качества диагностики.

1. Метод определения границ контуров костей человека на медицинских рентгенографических изображениях, использующий комплекс параметризуемых алгоритмов (детектор границ Кэнни, алгоритм водораздела, морфологические операции), увеличивает точность определения контуров приблизительно на 97 % и увеличивает скорость обработки в 5-7 раз.

2. Метод сокращения числа точек контура искомого объекта уменьшает объем вычислений метода референтных линий и углов приблизительно на 20% и обеспечивает высокую эффективность при визуальном анализе.

3. Методы фильтрации и вычисления статистических характеристик изображения для масок размера 3x3 и больше позволяют сократить время расчета (в 3-5 раз).

4. Созданное на основе предложенных методов приложение дает возможность обнаруживать отклонения на ранних стадиях даже в тех случаях, когда это не удается сделать врачу при визуальном анализе изображения.

5. При использовании программного продукта доля случаев, требующих вмешательства оператора, составляет около 3 %.

Методы и средства исследований. Исследования проводились с использованием теоретических и экспериментальных методов компьютерного зрения, медицинского метода построения референтных линий и углов конечностей человека, математических методов для определения характеристик объектов и математических методов для ускорения процессов вычисления.

Достоверность полученных результатов обеспечивается:

1. Сочетанием теоретических исследований с большим объемом проведенных экспериментов.

2. Использованием для разработки методов и алгоритмов большого числа реальных медицинских рентгенографических изображений.

3. Результатами проведенных испытаний созданного программного продукта.

4. Результатами практического внедрения программного продукта.

Соответствие паспорту специальности. Содержание диссертации соответствует п. 7. («Человеко-машинные интерфейсы; модели, методы, алгоритмы и программные средства машинной графики, визуализации, обработки изображений, систем виртуальной реальности, мультимедийного общения») паспорта научной специальности 05.13.11 — «Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей.

Реализации и внедрение результатов работы. Результаты настоящего исследования были внедрены и апробированы в ортопедической хирургической поликлинике в г. Багдад и МБУЗ «ДГБ» г. Таганрог.

Результаты работы используются в учебном процессе Института математики, механики и компьютерных наук им. И.И. Воровича Южного федерального университета.

Основные положения работы докладывались на следующих конференциях:

1. Современные информационные технологии: тенденции и перспективы развития: XXIII научная конференция; Южный федеральный университет. - Ростов-на-Дону. 21-22 апреля. 2016.

2. Современные информационные технологии тенденции и перспективы развития: XXIV научная конференция; Южный федеральный университет. Ростов-на-Дону. 25-26 мая. 2017.

3. Международная конференция: Modern Methods, Problems and Applications of Operator Theory and Harmonic Analysis. Proceedings of the VIII international conference "Modern Methods, Problems and Applications of Operator Theory and Harmonic Analysis VIII" (Rostov-on-Don, 22 - 27 April 2018).

4. Современные информационные технологии тенденции и перспективы развития: XXV научная конференция; Южный федеральный университет. Ростов-на-Дону. 17-18 мая. 2018.

Структура и объём диссертации. Диссертация состоит из введения, четырех глав и заключения. Полный объём диссертации изложена на 134 страницах, включает 47 рисунков и 5 таблиц. Список использованной литературы содержит 110 наименований.

Автор выражает глубокую признательность своему научному руководителю профессору Пилиди Владимиру Ставровичу, а также людям, оказывавшим содействие и консультации при проведении настоящего исследования: профессору Муратовой Галине Викторовне, доктору Аль-Абайeчи Синану Аднану (Medicine Iraqi Board of Orthopedic Surgery, Baghdad), доктору Басаму Фалеху Хасану (Medicine Arabic Board of Diagnostic Radiology).

Глава 1. Актуальность задачи обработки медицинских изображений. Обзор существующих средств обработки

медицинской информации.

Медицинские снимки являются одним из самых важных источников информации в медицине, поскольку они позволяют увидеть внутреннюю работу тела, измерить биологические функции, оценить клеточные и молекулярные события используя менее инвазивные процедуры и делают диагностические процессы более эффективными. Кроме того, с внедрением компьютерных технологий появляется возможность обмена большими объёмами медицинской информации между различными медицинскими специалистами и техническими исследователями [1].

Обработка изображений используется для улучшения качества изображения за счёт уменьшения шума, устранения технических артефактов и оптимизации контраста для просмотра. Программное обеспечение обработки не может влиять на пространственное разрешение (способность определять масштаб или форму признаков в изображении резко и чётко), поскольку оно зависит от технических параметров детектора (например, количества пикселей). Оно позволяет провести обработку изображения для существенного его улучшения, выделения важных составляющих частей и нахождения сопутствующих численных характеристик [2].

Цифровая обработка изображений имеет множество приложений (дистанционное зондирование, передача данных, медицина, робототехника, компьютерный просмотр, кинопроизводство и т. д). К ней относятся географическое картографирование [3], и изучение роста городов. Также в области передачи изображения относится связь через факсимильные, сетевые, интернет-соединения, системы управления, контролируемые системы видеонаблюдения, системы интеллектуального анализа медицинских данных для удалённого мониторинга. В области медицины это сканирование, рентгенография, магнитно-резонансная томография и ультразвуковое обследование [4-6].

В связи с широким распространением компьютеров цифровая обработка изображений получила в наше время повсеместное распространение, позволяя использовать различные методы для улучшения изображения, его интерпретации, визуализации и анализа.

Рентгеновская технология широко используется в области обнаружения и лечения многочисленных видов заболеваний и травм, Она позволяет быстро получать изображения глубоких областей тела, особенно костей, где рентгеновские лучи чётко различают детали. Рентгеновские лучи используются в стоматологии, ортопедии, онкологии и многих других областях [7,8].

Распространённость методов рентгенографической диагностики обусловлена сочетанием их достаточно высокой информативности и простоты. В частности, проекционная рентгенология является одним из наиболее востребованных и распространённых подходов к диагностическому процессу.

К недостаткам рентгенографии следует отнести статичность изображения, низкую информативность при анализе мягких тканей без использования контрастирующих веществ. Кроме того, излучение, которое возникает во время обследования, оказывает вредное влияние на организм пациента, а также в определенной степени и на обслуживающий персонал.

Роль рентгенографии может только увеличиться в ближайший период времени, так как современные технические средства диагностики распространены на сегодняшний день недостаточно. В пользу этого говорит и тот факт, что для диагностики многих заболеваний использование более современных средств является избыточным, хотя некоторые из них, такие как компьютерная и магнитно-резонансная томография могут обеспечивать более информативный результат. Дополнительным аргументом в пользу рентгенографической диагностики может служить то, что рентгенография обладает гораздо большей теоретико-практической базой, как одно из наиболее давних направлений в диагностике. Кроме того, в этом направлении работает большое число квалифицированных специалистов.

Цифровое рентгенографическое изображение по сравнению с аналоговыми рентгеновскими снимками имеет множество преимуществ [9 - 11]. Такое изображение может быть подвергнуто существенной обработке для повышения его качества, выделения важных анатомических структур, которые трудно, а иногда и невозможно, обнаружить на аналоговом изображении. Кроме того, наличие цифрового изображения позволяет сделать предварительный его анализ, снабжая специалиста дополнительной существенной информаций.

Одним из известных методов использования цифрового рентгенографического изображения является диагностический анализ костей человека. В этом направлении наиболее востребован анализ состояния длинных костей (нога, рука) и их суставов, которым посвящены алгоритмы, разработанные в этой диссертации. Разработанный алгоритм обработки цифровых рентгенографических изображений основан главным образом на концепциях и принципах компьютерного зрения (Computer Vision), на совокупности различных алгоритмов обработки изображений и некоторых дополнительных математических методах получения информации.

Как уже было сказано выше, разработка автоматизированных методов процедуры обследования и диагностики путём анализа медицинских рентгеновских изображений с использованием современных технологий является ключевым элементом в создании медицинских инструментов для интерактивного и эффективного получения результата, улучшая производительность, как путём облегчения диагностики, так и минимизации медицинских ошибок, позволяя в конечном итоге улучшить обслуживания пациентов.

1.1 Обзор существующих средств обработки медицинской информации

В этом разделе представлена общая структура медицинской автоматизированной системы, а также рассмотрена взаимосвязь диагностической точности с ключевыми переменными, участвующими в разработке, тестировании и использовании автоматизированной диагностической системы. К этим переменным относятся: компь-

ютерный алгоритм, источник информации, используемой для разработки базы данных, количество и тип исследуемых заболеваний, количество и тип используемых индикаторов, источник тестового образца и метод диагностики.

Одним из наиболее важных источников медицинской информации являются радиологические изображения, которые анализируются и рассматриваются различными способами для получения максимально возможного количества информации, которые хранятся в записи пациента, что помогают специалистам точно диагностировать состояние пациента.

Сегодня информационные системы по уходу за пациентом разрабатываются по двум основным направлениям. Это, во-первых, разработка систем, которые фиксируют всю базовую информацию, административную и медицинскую, о пациенте и передают эту информацию различным пунктам контроля, управления и медицинских исследований. Во-вторых, сюда включается разработка специализированных систем ухода в каждой отрасли медицины. Здесь следует упомянуть о текущих исследованиях, направленных на установление стандартов, которые позволяют всем этим системам интегрироваться и общаться, чтобы обеспечить адекватную медицинскую помощь пациенту.

1.1.1 Электронная медицинская запись

Электронная медицинская запись или Электронная медицинская карта - ЭМК ничем не отличаются от традиционных бумажных документов в содержащейся информации и их функциях и предназначены в качестве справочника для хранения всех данных о пациенте из ключевых сведений и комплексной медицинской информации обо всех тестах, диагнозах, лечении, последующих отчётах и важных медицинских решениях, но они являются совершенно разными по своей природе, характеристикам, возможностям и преимуществам. В этом случае многие каналы информации, связанные с предоставлением медицинской помощи пациентам, направляются и характеризуются их точностью и доступностью посредством их интеграции с различ-

ными источниками информации через информационные сетевые системы. Интеграция этих записей для врачей и медицинских работников помогает им принимать решения о точности лечения пациента, рекомендовать конкретные анализы или точно определить их состояние, а характер электронных записей и их доступ к информационным сетям позволяют полностью управлять медицинскими операциями из того центра, где они имеются. Они могут описывать лечение или запрашивать анализы, а также следить за результатами лечения, видеть их развитие, сравнивать его данными о пациенте или результатами других анализов, отчётами о хирургических вмешательствах и данными сложных измерений. Вся эта информация становится единым интегрированным модулем, доступ к которому можно получить в любом месте в соответствии с существующими протоколами безопасности, применяемыми к медицинской информационной сети [12, 13].

1.1.2 Автоматизированная диагностика (CADx)

Это медицинские комплексы программ, которые помогают врачам получить информацию о состоянии здоровья пациента. Рентгеновские, ЯМР и диагностические ультразвуковые методы дают большую информацию, которую радиолог должен проанализировать и оценить. Системы компьютерной диагностики (CAD) помогают сканировать цифровые изображения. Например, компьютерная томография даёт лучшее представление о некоторых частях тела, помогая диагностировать, например, некоторые заболевания или опухоли.

C точки зрения информатики CAD является междисциплинарной технологией сочетающей элементы искусственного интеллекта и компьютерного зрения с радиологией, методами медицинской диагностики и цифровой обработкой изображений.

% • Щ Ii Q Л 1 A Л »ö

MR 192

Т1 3D POST MR 192

Л -, Т2 Flair Ах Ж 32

MR 192

t2_spc_ns_...

Anonymized, CT HEAD/BRAIN/ct_head_clean Q TEST ANDREW, HEADABRAIN/T2 Flair Ax ©

Patient: Anonymized Patient Id: dqODQ FT

000023-11-2009Modality: CT | Patient:Anonymized 01-01-2009 Patient Id: dqODQ FT ct_head_clean

0000 23-11-2009 Modality: CT 01-01-2009 ct_head_clean

Image: 512x 512 " W/L 2500/500 Slice: 190

Voxel:0.542969x0.542969

Patient: Anonymized Patient Id: dqODQ FT

Image: 512x512 Щг W/L 2500/5 00

01-01-2009 Slice: 191 CT HEAD/BRAIN Voxel:0.542969x0.542969 Made with Ginkgo

000023-11-2009Modality: CT i Patient:Anonymized 01-01-2009 Patient Id: dqODQ FT ct_head_clean

01-01-2009 CT HEAD/BRAIN Made with Ginkgo

0000 23-11-2009 Modality: CT 01-01-2009 ct_head_clean

Image: 512x512

W/L 2500/500 ^

Slice: 192

Voxel:0.542969x0.542969 mm.

Image: 512x 512 W/L 2500/500 01-01-2009 Slice: 193 CT HEAD/BRAIN Voxel:0.542969x0.542969 Madewith Ginkgo

01-01-2009 CT HEAD/BRAIN Madewith Ginkgo

Position: W:(123.35, -58.09,-591.50): l:(482.69. 496.60) Value:-1024.00

Рис. 1.1. CT Головного мозга (CAD Интерфейс) Типичным применением является обнаружение наличия опухолей. Например, некоторые больницы используют CAD для поддержки некоторых профилактических медицинских осмотров при маммографии, выявления и исследовании внутренних органов.

Список литературы диссертационного исследования кандидат наук Аль Темими Аммар Мудхехер Садек, 2019 год

Список таблиц

Таблица 3.1. Скорость выполнения фильтра..........................................................73

ТАБЛИЦА 3.2. КОЛИЧЕСТВО ПИКСЕЛЕЙ ПОСЛЕ ПРЕОБРАЗОВАНИЯ ПО ДВУМ МЕТОДАМ 76

ТАБЛИЦА. 3.3. ВРЕМЯ РЕАЛИЗАЦИИ В МИЛЛИСЕКУНДАХ...............................................80

Таблица 4.1. Основные характеристики машины.................................................95

Таблица.4.2. Данные эксперимента в больнице....................................................97

1. Яверт Н. Излучения и радионуклиды в медицине. Общие сведения о ядерной медицине и лучевой терапии // Бюро общественной информации и коммуникации. Бюллетень МАГАТЭ. — 2014. — C. 5-7.

2. Скоков А.А., Ефимов В.Г. Обработка радиационных изображений с низким отношением сигнал/шум // Южно-сибирский научный вестник. — 2015. — Том 11. — № 3. — C. 13-16.

3. Гурский Р. А. Алгоритмы И Методы Обработки Информации, Полученной Не Метрическими Камерами // Образовательные ресурсы и технологии. — 2016. — Том 13. — №1. — C. 129-135.

4. Шамин А.С., Кошелев К.Б. Численное моделирование движения подземных вод с использованием параллельных вычислений // Информационные технологии: Материалы XI Всероссийская научно-техническая конференция студентов, аспирантов и молодых ученых.—Барнаул, 2014.— C.53-55.

5. Осипов Л. В., Долгушин М. Б., Михайлов А. И., Эпель Б., Румянцев К. А., Туроверов К. К., Верхуша В. В., Куликова Е. Ю. Заглянуть в человека: визуализация в медицине // Вестник РГМУ. — 2016. — C. 4-14.

6. Баранов А. А., Намазова-Баранова Л. С., Смирнов И. В., Д. А., Девяткин, Шелманов А. О., Вишнева Е. А., Антонова Е. В., Смирнов В. И., Латышев А. В. Методы и средства комплексного интеллектуального анализа медицинских данных // Труды ИСА РАН. — 2015. — Том. 65. — С. 81-93.

7. Kaur R., Kaur Er. G. A Comprehensive Review on Image Fusion Techniques // International Journal of Engineering and Computer Science. — 2015. — Vol 4. — Issue 6. — P. 12914-12918.

8. Абдрасулов К.А., Курманбай А. Полицинский Е.В. Определение влияния рентгеновских лучей на организм человека // Современное состояние и проблемы естественных наук: Материалы II Всероссийская научно-практическая конференция молодых ученых, аспирантов и студентов. —"Б.м.",

2015. — C. 67-69.

9. Скворцов А.Е. Сравнительный анализ цифровых и аналоговых методов рентгенографии // спецвыпуск лучевая диагностика. —2013. — № 2. — С. 53-56.

10. Камышанская И.Г., Черемисин В.М., Пителъ Е.С., Садуакасова А.Б. Современное состояние рентгенотехники и рентгенологии в России // Научно-практический журнал, Клиническая медицина Казахстана. — 2011. — № 2. — С. 17-19.

11. Rangayyan M.R. Biomedical Image Analysis / editor M. R. Neuman. —2005. Calgary, Alberta, Canada: CRC PRESS. — 1311 P.

12. Кухтичев А. А. Электронная медицинская карта как основа сервисов цифровой медицины информационной системы «ЦИФРОМЕД» // Вестник НГУ: Информационные технологии. —2016. — Том. 14. — № 1. — С. 61-75.

13. Истомина Е. А. Электронная медицинская карта как современный способ формализации социального риска // Вестник УрФО: безопасность в информационной сфере. — 2015. — Том. 18. — №4. — С. 61-66.

14. Hiroshi F., Xuejun Z., Shoji K., Takeshi H., Xiangrong Z., Yuji H., Rui X. An Introduction and Survey of Computer-aided Detection/Diagnosis (CAD) // Control and Communication: International Conference on Future Computer. — 2010. — P. 200-205.

15. Дабагов А.Р. Современная цифровая радиология и диагностика в свете развития // Информационно-телекоммуникационных технологий: Материалы III Всероссийская конференция Радиолокация и радиосвязь. —"Б.м.": ИРЭ РАН, 2009. — C. 942-946.

16. Спринджук М.В., Снежко Э.В., Ковалев В.А., Хоружик С.А. Методы и программное обеспечение для дифференциальной диагностики узловых образований в легком // Медицинская физика. — 2010. — № 1. — C. 85-101.

17. Иванова Е.А., Трифонов А.А. Методики применения CAD-технологий в

стоматологической диагностике / Е.А. Иванова, А.А. Трифонов // Инженерный вестник Дона [Электронный ресурс]. — Электрон. Журн. — 2015.

— №2. — 8 С. — Режим доступа: http://ivdon.ru/ru/magazine/ar-chive/n2y2015/2935

18. Каперусов С.Ю. PACS - система архивирования и передачи изображений в лучевой диагностике // Радиология - Практика. — 2007. — № 3. — C. 69-73.

19. Коваленко А. С., Пезенцали А. А., Романюк О. А., Царенко Е. К. Использование PACS при формировании хранилищ изображений в медицинских учреждениях // Медицинские Грид-системы, Клиническая информатика и Телемедицина. — 2014. — Том. 10. — Вып. 11. — C. 95-99.

20. Морозов С.П., Переверзев М.О. Обзор текущего состояния основных требований к PACS-системам // Медицинские информационные системы. — 2013. — № 3. — С. 17-29.

21. Кирсанов С.В., Коваленко В.Н., Коваленко Е.И., Куликов А.Ю, Шифрин М.А. Программный комплекс интеграции архивов медицинских изображений // Препринты ИПМ им. М.В.Келдыша. — 2013. — № 4. — 24 С.

22. Худякова Л.А., Шуляк В.А. Применение стандартов передачи медицинских данных в телемедицинских системах // Биомедицинские приборы и системы, Электроника и связь. — 2009. — С. 203-205.

23. Graham R.N.J., Perriss R.W., Scarsbrook A.F. DICOM demystified: A review of digital file formats and their use in radiological practice // Clinical Radiology.

— 2005. — P. 1133-1140.

24. Mustra M., Delac K, Grgic M. Overview of the DICOM Standard // 50th International Symposium ELMAR. — 2008. — P. 39-44.

25. Larrabide I., Omedas P., Martelli Y., Planes X., Nieber M., Moya J. A., Butakoff C., Sebastián R., Camara O., De Craene M., Bijnens B. H., Frangi A.F. GIMIAS: An open source framework for efficient development of research tools and clinical prototypes // N. Ayache, H. Delingette, and M. Sermesant (Eds.): FIMH. — 2009. P. — 417-426.

26. Чернухин Н. А. Математические и программные средства обработки рентгенографических медицинских изображений: дис. канд. Техн. Наук: 05.13.11 / Чернухин Никита Андреевич; Южный федеральный университет. — Ростов-на-Дону. — 2014. — С. 17-19.

27. Яковлев М. А. Экспертные системы с применением диалогового интерфейса на естественном языке / М. А. Яковлев // Учёные заметки ТОГУ [Электронный ресурс]. — Электрон. Журн. — 2013. — Том 4. — № 3. — С. 31- 39. — Режим доступа: http://pnu. edu. ru/media/ej ournal/articles/2013/TGU_4_19. pdf

28. Брейкин Т. В., Камалова Л. З., Попкова С. Я., Карташевская А.А. Проектирование экспертных систем медицинской диагностики на базе нечеткой логики с применением методов системного моделирования // управление в сложных системах Уфа. — 1999. — С. 127-134.

29. НазаренкоГ.И., ОсиповГ.С., Назаренко А.Г., Молодченков А.И. Интеллектуальные системы в клинической медицине. Синтез плана лечения на основе прецедентов // Информационные технологии и вычислительные системы. — 2010. — С. 24-35.

30. Ramesh AN, Kambhampati C, Monson JRT, Drew PJ Artificial intelligence in medicine // Annals of The Royal College of Surgeons of England. — 2005. — Т. 86. — №. 5. P. 334.

31. Patel V. L., Shortliffe E. H., Stefanelli M., Szolovits P., BertholdM., Bellazzi R., Abu-Hanna A. The coming of age of artificial intelligence in medicine //Artificial intelligence in medicine. —2009. — Т. 46. — №.1. P. 5-17.

32. Axer M., Axer H., Grassel D., Amunts K., Zilles K., Pietrzyk U. Nerve fibre mapping of the human visual cortex using polarized light imaging // IEEE transactions on Nuclear science. — 2007. — P. 4345-4347.

33. Palm C., Axer M., Grassel D., Dammers J., Lindemeyer J., Zilles L. Towards

ultra-high resolution fibre tract mapping of the human brain // Frontiers in human

neuroscience [Электронный ресурс]. — 2010. — Режим доступа:

https://doi.org/10.3389/neuro.09.009.2010

108

34. Gerlich D., Mattes J., Eils R. Quantitative motion analysis and visualization of cellular structures // National Center for Biotechnology Information. — 2003.

— P. 13.

35. Dorn JF, Danuser G, Yang G Computational processing and analysis of dynamic fluorescence image data // National Center for Biotechnology Information. — 2008. — P. 497-538.

36. Westermann B., Ertl T. Efficiently using graphics hardware in volume rendering applications // In Proceedings of the 25th annual conference on Computer graphics and interactive techniques. — NY, USA, 1998. — P. 169-178.

37. Gomez A., Benitez S., Otero P., Smith M., Baum A., Luna D., Bernaldo de Quiros F. G. Evolution of Nanomedicine, Bioinformatics and Grid computing in medical bibliographic databases // In Proceedings of the Conference: 13th World Congress on Medical and Health Informatics. — Sudafrica, 2010.

38. Аунг Ч.Х., Тант З.П., Федоров А.Р., Федоров П.А. Разработка алгоритмов обработки изображений интеллектуальными мобильными роботами на основе нечеткой логики и нейронных сетей // Современные проблемы науки и образования [Электронный ресурс]. — 2014. — № 6. — Режим доступа: https://www.science-education.ru/ru/article/view?id=15579

39. Robb R.C. Biomedical Imaging, Visualization and Analysis / Richard C. Robb.

— 1999. — P. 360.

40. Sagiv, C., Sochen, N. A., Zeevi, Y. Y. Integrated active contours for texture segmentation // IEEE transactions on image processing. — 2004 — Vol. 1. — №2 1. P. 19.

41. Kass M., Witkin A., Terzopoulos D. Snakes: Active contour models // International Journal of Computer Vision. — 1988.— Vol. 1. — № 4. — P. 321-331.

42. Canny, J. F. A Computational Approach to Edge // IEEE Transactions on Pattern Analysis and Machine Intelligence. —1986. — P. 679-698.

43. Meyer, F. Color image segmentation // International Conference on Image Processing and its Applications. — Maastricht, The Netherlands, 1992. — P. 303-306.

44. Цапаев А.П., Кретинин О.В. Методы сегментации изображений в задачах обнаружения дефектов поверхности // Компьютерная оптика. —2012. — том 36. — № 3. — С. 448-449.

45. Suhas S, An Efficient MRI Noise Removal Technique using Linear and Nonlinear Filters // International Journal of Computer Applications. —2018. Vol. — 179. — № 15. — P. 17-20.

46. Singh P. Image Enhancement Techniques: A Comprehensive Review // International Journal of Computing and Technology. — 2016. — Vol. 3. — Issue 4. — P. 261-266.

47. Maini R., AggarwalH. A Comprehensive Review of Image Enhancement Techniques // Journal of Computing. — 2010. — Vol. 2. — Issue 3. — P. 8-13.

48. Попов Г. А., Хрящёв Д. А. Об одном методе низкочастотной фильтрации гидролокационных изображений // Вестник АГТУ сер.: Морская техника и технологии. —2010. — № 1. — С. 63-68

49. Волкова Л.Л. Метод подавления шума в изображениях на основании крат-номасштабного анализа / Л.Л. Волкова // Инженерный журнал: наука и инновация [Электронный ресурс]. — 2013. —вып. 6. — 15С. — Режим доступа: http: //engjournal .ru/catalog/it/hidden/1101. html

50. Костенко Л. С. Методы и алгоритмы сглаживания фона изображений в системах распознавания образов // Открытые информационные и компьютерные интегрированные технологии. — 2014. — № 64. — С. 177-181.

51. Al-Frejat M., Btoush M. H. A New Approach for Enhancing the Quality of Medical Computerized Tomography Images // International Journal of Advanced Computer Science and Applications. — 2016. — Vol. 7. — № 5. — P.476-483.

52. Гонсалес, Р. Цифровая обработка изображений / Р. Гонсалес, Р. Вудс ; пер. с англ. — М. : Техносфера, 2005. - 1072 с

53. Огнев И. В., Сидорова Н. А. Обработка изображений методами математической морфологии в ассоциативной осцилляторной среде // Информатика и вычислительная техника, серия: Технические науки. — 2007. — № 4. — С.87-97.

54. Инютин А.В. Мягкая математическая морфология для фильтрации бинарных изображений // Штучний штелект. — 2013. — № 4. — С. 177-186.

55. Shivpuje V.B., Sable G. S. A Review on Digital Dental Radiographic Images for Disease Identification and Classification // Int. Journal of Engineering Research and Application. — 2016. — Vol. 6. — Issue 7. — P. 38-42.

56. Ильясова Н.Ю., Куприянов А.В., Устинов А.В. Исследование Свойств Внутриглазного Инородного Тела На Основе Анализа Рентгенографических Изображений Черепа // Компьютерная оптика. —2011. —Том. 35. — № 2. — С.268-274.

57. Хофер М. , Абанадор Н., Кампер Л., Центаи К. Рентгенологическое исследование грудной клетки / Перевод с Английского: В.В. Ипатов, А. П. Кутько // под. Ред.: Г. Е. Труфанова. —М, 2008. — 220 C.

58. Candemir S., Jaeger S., Palaniappan K., Musco J. P., Singh R.K., Xue Z., Karargyris A., Antani S., Thoma G., McDonald C. J. Lung segmentation in chest radiographs using anatomical atlases with nonrigid registration // IEEE Transactions on Medical Imaging. — 2014 — vol.33. — № 2. — P..577-590.

59. MinaL. M., IsaN. A. M. A Review of Computer-Aided Detection and Diagnosis of Breast Cancer in Digital Mammography // Journal of Medical Science. — 2015. — vol. 15. — Issue 3. P. 110-120.

60. Prokop M., Ulrich U., Schaefer-Prokop C. Principles of Image Processing in Digital Chest Radiography // Journal of Thoracic Imaging. — 2003. — Vol.18. — Issue 3. — P. 148-164.

61. Бадокин В.В., Корсакова Ю.Л. Диагностика и терапия болей в спине с позиций // Трудный пациент. — 2015. — Том. 13. — №5. — С. 8.

62. Shih F. Y. Fuzzy Techniques in Pattern Recognition / Frank Y. Shih // John Wiley & Sons, Inc. — USA, 2010. P. 537.

63. B. Samuvel, V. Thomas, M. G. Mini, Kumar J. R. A mask based segmentation algorithm for automatic measurement of Cobb angle from scoliosis x-ray image // in Proceedings of the International Conference on Advances in Computing and

Communications (ICACC '12). — Chennai, India, 2012. — P. 110-113.

111

64. Черезов Д. С., Тюкачев Н. А. Обзор основных методов классификации и кластеризации данных // Вестник ВГУ, Серия: Системный Анализ и Информационные Технологии. — 2009. — № 2. — С. 29.

65. Duong L., Cheriet F., Labelle H. Automatic detection of scoliotic curves in posteroanterior radiographs // IEEE Transactions, Biomedical Engineering. —

2010. —Vol. 57. — № 5. — P. 1143-1151.

66. Vanicek J., Szturz P., Rehak Z., Kianicka B., Bulik M. Benefits of Individual Imaging Methods for Diagnosis and Monitoring of Activity of Multiple Myeloma // Klin Onkol. — 2012. — Vol. 25. — № 3. —P. 166-172.

67. Davies A. M., Pettersson H. in collaboration with Arredondo F., El Meligi M.R., Guenther R., Ikundu G.K., Leong L., Palmer P., Scally P. The WHO manual of diagnostic imaging, World Health Organization / Editors: H. Ostensen, H. Pet-tersson. — Malta, 2002. — P. 203.

68. Gornale S. S., Patravali P. U., Manza R. R. Detection of Osteoarthritis using Knee X-Ray Image Analyses: A Machine Vision based Approach // International Journal of Computer Applications. — 2016. — Vol. 145. — № 1. — P. 20-26.

69. Segherskx D., Maes F., Vandermeulen D., Suetens P. Minimal shape and intensity cost path segmentation // IEEE transaction on Medical Imaging. — 2007. vol. 26. — № 8. — P. 1115 - 1129.

70. Somkantha K., Theera-Umpon N., Auephanwiriyakul S. Boundary detection in medical images using edge following algorithm based on intensity gradient and texture gradient features // IEEE transaction on Biomedical Engineering. —

2011. — vol. 58. — № 3. — P. 567 - 573.

71. Anam S., Uchino E., Misawa H., Suetake N. Texture Analysis and Modified Level Set Method for Automatic Detection of Bone Boundaries in Hand Radiographs // International journal of advanced computer science and applications. — 2014. — P. 119-126.

72. Leung K. K., Heckemann R. A., SaeedN., Brooks K. J., Buckton J. B., Changani K., Reid D. G., Rueckert D., Hajnal J. V., Holden M., Hill D. L.G. Automatic

Quantification of changes in bone in serial MR images of joints // IEEE transaction on medical imaging. — 2006. — Vol. 25. — № 12. — P. 1617 - 1626.

73. Полилокальный дистракционный остеосинтез при исправлении деформаций нижних конечностей: учебн.-метод. рекомендации / МЗ РФ, РНЦ «ВТО»; сост.: А.В. Попков, Л.В. Скляр. — Курган, 1997. — C. 160.

74. Соломин, Л.Н. Основы чрескостного остеосинтеза аппаратом Г.А. Илиза-рова / Л.Н. Соломин. — СПб.: МОРСАР, 2005. — 544 с.

75. Chao, E.Y. Biomechanics of malalignment / E.Y. Chao, E.V. Neluheni, R.W. Hsu, В. Paley. Orthop. Clin. Noth. Am. - 1994. - Vol. 25. - P. 379-386.

76. Paley, D. Principles of deformity correction / D. Paley. - N.-Y.: Springer-Verlag, 2005. — P. 806.

77. Glimet T, Masse JP, Kuntz D. Obesity and arthritis of the knee. Rev. Rhum Mal Osteoartic. — 1990. — Vol. 57. — № 3.

78. Cooke TD, Li J, Scudamore RA. Radiographic assessment of bony contributions to knee deformity // The Orthopedic Clinics of North America. — 1994. — Vol. 25. — № 3. — P. 387-393.

79. Соломин Л.Н., Щепкина Е.А. Определение референтных линий и углов длинных трубчатых костей: пособие для врачей. — 2010. СПб.: РНИИТО им. Р.Р. Вредена. — С. 46.

80. Соломин Л.Н., Кулеш П.Н. Анализ показателей референтных линий и углов при изменении формы ног с использованием чрескостного остеосинтеза.

— 2011. СПб.: РНИИТО им. Р.Р. Вредена. — С. 62 - 69.

81. Аль Темими А.М.С., Пилиди В.С. Автоматизация процесса определения референтных линий на рентгенографических медицинских изображениях // Инженерный вестник Дона [Электронный ресурс]. — 2017. — №1. — Режим доступа: http://ivdon.ru/ru/magazine/archive/n1y2017/4007

82. Morrey B. Instructional course lectures, the American Academy of Orthopaedic Surgeons - complex instability of the elbow / B. Morrey // J. Bone Joint Surg.

— 1997. — P. 460-469.

83. Jung J. Changes in ulnar variance in relation to forearm rotation and grip. Bone Joint Surg / J. Jung. —2001. — P. 1029-1033.

84. Morrey B. The elbow and its disorders / B. Morrey. — Philadelphia, 2000. — P. 880.

85. Аль Темими А.М.С., Пилиди В.С. Об одном алгоритме анализа структуры рентгенографических медицинских изображений // Известия высших учебных заведений. Северо-Кавказский регион. Серия: технические науки. — 2018. — № 1. — С. 23-28.

86. Divya K., Thangavel K., Sasirekha K. Fingerprint Image Enhancement using DWT Domain with Adaptive Gamma Parameter // International Journal of Scientific Research in Science, Engineering and Technology. — 2016. — Vol. 2. — Issue 4. — P. 336-342.

87. Красильников Н. Цифровая обработка 2D и 3D изображений: Учеб. пособие. — СПб.: БХВ-Петербург, 2011. — 608 с.

88. Аль Темими А.М.С. Система анализа рентгенографических изображений коленного сустава. Свидетельство о государственной регистрации программы для ЭВМ № 2018610378 / А.М.С. Аль Темими. — Дата государственной регистрации в Реестре программ для ЭВМ 10 января 2018 г.

89. Suzuki S., Abe K. Topological Structural Analysis of Digitized Binary Images by Border Following // Computer Vision, Graphics, and Image Processing. —1985. Vol. 30. — Issue 1. — P. 32-46.

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

91. Russ J. C. The image processing handbook: 6th Edition, CRC Press. — USA, 2011. — P. 885.

92. Parker J. R. Algorithms for image processing and computer vision: Second edition / Wiley publishing Inc. — USA, 2011. — P. 461.

93. Linda S., Stockman G. Computer Vision / Better World Books Ltd. — UK, 2001.

94. Crow F. C. Summed-area tables for texture mapping // Computer Graphics. — 1984. — Vol. 18. № 3. — P. 207-212.

95. Viola, Paul and Michael J. Jones Rapid Object Detection using a Boosted Cascade of Simple Features // In Proceedings of the 2001 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. — 2001. — Vol. 1. — P.511-518.

96. Nesterenko V. A. Detection of background areas and localization of objects in the image // Информационные процессы. —2001. — Том. 1.—№ 1.—С. 1-8.

97. Chaudhar A., Raheja J. L., Raheja S. A Vision based Geometrical Method to find Fingers Positions in Real Time Hand Gesture Recognition // Journal of software. — 2012. — Vol. — 7. — № 4. — P. 861-869.

98. Gonzalez, R., Woods R. Digital image processing: Second edition. —USA, 2001. — P. 793.

99. Bhargavi K., Jyothi S. A Survey on Threshold Based Segmentation Technique in Image Processing // International journal of innovative research & development. 2014. Vol. 3. Issue 12. P.234-239.

100. Jayasree M., Narayanan N. K., Kabeer V., Arun C. R. An Enhanced Block Based Edge Detection Technique Using Hysteresis Thresholding // Signal & Image Processing: An International Journal (SIPIJ). — 2018. —Vol. 9. — № 2. — P.15-26.

101. Tian-Shi L., Rui-XiangL., Ping-Zeng, Shao-Wei P. Improved Canny Algorithm for Edge Detection of Core Image // The Open Automation and Control Systems Journal. — 2014. — P. 426-432.

102. Kari P., Anatoly B., Kirill K., Eruhimov V. Realtime Computer Vision with OpenCV // Communications of the ACM. 2012. Vol. 55. — № 6. — P. 61-69.

103. Kaehler A., Bradski G. Learning OpenCV 3: Computer vision in C++ with the OpenCV library, O'Reilly Media Inc. — 2016.

104. Emami S., Suciu V. P. Facial Recognition using OpenCV // Journal of Mobile, Embedded and Distributed Systems. — 2012. — Vol. 4. — № 1. — P. 38-43.

105. Dawson-Howe K. Practical Introduction to Computer Vision with OpenCV: Kindle edition, Wiley. — 2014. — P. 234.

106. Официальная страница библиотеки OpenCV [Электронный ресурс]. — Режим доступа: http://opencv.org

107. Аль Темими А.М.С., Пилиди В.С. Автоматическое нахождение референтных линий и углов на медицинских рентгенографических изображениях // Современные информационные технологии: тенденции и перспективы развития: материалы XXIII научной конференции; Южный федеральный университет. — Ростов-на-Дону: Изд. ЮФУ, 2016. — C. 47-48.

108. Аль Темими А.М.С., Пилиди В.С. Программа автоматическое анализа медицинских рентгенографических изображений плечевой кости // Современные информационные технологии: тенденции и перспективы развития: материалы XXIV научной конференции; Южный федеральный университет. — Ростов-на-Дону: Изд. ЮФУ, 2017. — C. 22-24.

109. Аль Темими А.М.С., Пилиди В.С. О некоторых модификациях алгоритма обработки рентгеновских изображений // Современные информационные технологии: тенденции и перспективы развития: материалы XXV научной конференции; Южный федеральный университет. — Ростов-на-Дону: Изд. ЮФУ, 2017. — C.23-25.

110. Al-Temimi A. M. S., Pilidi V. S. On the threshold values for Canny edge detector in the case of medical X-ray images // Modern Methods, Problems and Applications of Operator Theory and Harmonic Analysis, Proceedings of the VIII international conference "Modern Methods, Problems and Applications of Operator Theory and Harmonic Analysis VIII". — Rostov-on-Don, 2018. — C.133-135.

Акт об использовании результатов исследования в Универсальной больнице "Имам Али"

г. Багдад

To: Imam Ali General Hospital (Baghdad-Iraq)

Orthopedic and Radiology department

Subject: System analysis of X-Ray images for knee joint.

Dear Colleagues!

My postgraduate student A1 Temimi Ammar Mudheher Sadek from Iraq is preparing his Candidate dissertation (analogue of PhD in Russian Federation). His work is connected with analysis of medical X-ray images. More exactly, the aim of the work is to develop effective algorithms for finding reference lines and angles on the X-Ray images of the joints. The application created by him on the base of the algorithm developed for the knee joint is working rather quickly. It seems that this application gives good results. But the opinion of doctors is incomparably more important.

It would be great if you tried the work of this program and expressed your opinion about it. Any suggestions on the program's work and its improvement will be accepted with gratitude and carefully taken into account.

Sincerely,

Dr. of Sci., Prof. Vladimir S. Pilidi, Southern federal university,

Rostov-on-Don, Russia

May 15,2018

To Dr. of Sci. Prof. Vladimir S. Pilidi Rostov-on-Don. Russia Dear Sir

It was a great honor to be in contact with you and your candidate student Mr. Al-Temimi Ammar Mudheherwho was very keen and hard worker to achieve this thesis.

In our society there are many people suffer from knee pain due to their habits (sitting on ground for a long time, obesity, and poor exercise consumption) that result in early osteoarthritis, as the latter cannot easily detected in the early stage.

From this point of view we consider this thesis as a cornerstone for diagnosis that its parameter was so delicate and effective when applied in our institution.

Dr. Sinan Adnan Al-Abayechi (F.I.B.M.S ortho) was grateful to collaborate the candidate student Mr. Al-Temimi Ammar Mudheherhis work 2 years ago as they worked together in large sample of patients in our institution, Dr. Al-Abayechi found that it was imperative to find the degree of osteoarthritis in early stages to help the surgeon for the lines of treatment and also in the late stages for surgical replacement when considered as this will help the surgeon to take a concrete decision for accurate surgical cuts in the knee replacement surgery.

On the other hand the patient would have a saved data and documentation in this application used which the doctor can refer to them easily, especially the highly demanding population like athletes, military recruits

Furthermore, this application is feasible for the future technology that reduces the effect of other difficult applications, as well as it's learnable and can be used in our hospital.

OSPITAL

Приведем перевод отзыва врача медицинского учреждения г. Багдад:

"Доктору наук, проф. Владимиру С. Пилиди. Ростов-на-Дону. Россия. Уважаемый сэр.

Для меня было большой честью контактировать с вами и вашим аспирантом г-ном Аль Темими Аммаром Мудхехером, который был очень увлеченным и трудолюбие при написании этой диссертации.

В нашем обществе многие люди страдают от болей в коленях из-за вредных привычек (длительное сидение на земле, ожирение и недостаточные физические нагрузки), которые приводят к раннему остеоартриту, который трудно обнаружить на ранней стадии.

С этой точки зрения мы рассматриваем эту диссертацию как основу для диагностики, поскольку получаемые результаты оказались настолько тонкими и эффективными, будучи использованы в нашем учреждении.

Д-р Синан Аднан Аль Абаечи (Medicine Iraqi Board of Orthopedic Surgery) признателен за сотрудничество аспиранту Аль Темими Аммаром Мудхехером, с которым они работали 2 года назад с большой выборкой пациентов в нашем учреждении.

Д-р Аль Абаечи обнаружил, что крайне важно определить степень остеоарт-рита на ранних стадиях, чтобы помочь хирургу с выбором лечения, а также при рассмотрении на поздних стадиях, поскольку это поможет хирургу принять конкретное решение для точных хирургических манипуляций в хирургии замены колена.

С другой стороны, при использовании этого приложения данные и документация будут сохраняться, что позволит врачу получить к ним легкий доступ, что особенно важно для таких людей, как спортсмены, новобранцы.

Более того, это приложение применимо для будущих технологий, которые уменьшают влияние других сложных приложений, а также является доступным для использования и может использоваться в нашей больнице".

Акт об использовании результатов исследования в ФГАОУ ВПО. Южный федеральный университет., г. Ростов-на-Дону

ФГАОУ ВПО ЮЖНЫЙ ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ

институт математики, механики и компьютерных наук 344090, Ростов-на-Дону, ул. Мильчакова. 8а, тел: [phone]. факс: [phone]

ТВЕРЖДАЮ»

^тута математики, ьютерных наук, рякин аля 2019 г.

АКТ

Об использовании результатов кандидатской диссертационной работы Аль Темими Аммара Мудхехера Садека

Комиссия в составе: председатель, д. т. н., проф., заведующий кафедрой алгебры и дискретной математики Штейнберг Б.Я., члены комиссии: к.т.н., доц. кафедры прикладной математики и программирования Де-мяненко Я.М., к.ф.-м.н., доц. кафедры алгебры и дискретной математики Михалкович С.С. составили настоящий Акт о том, что результаты кандидатской диссертационной работы Аль Темими А.М.С. «Методы и программные средства контроля медицинских рентгенографических изображений» использованы в учебном процессе Института математики, механики и компьютерных наук Южного федерального университета в следующем виде.

1. Основные научные результаты исследования «Методы и программные средства контроля медицинских рентгенографических изображений» включены в общий курс «Интеллектуальные системы» бакалавриата по направлению подготовки «Фундаментальная информатика и информационные технологии».

2. Основные научные результаты исследования «Методы и программные средства контроля медицинских рентгенографических изображений» включены в общий курс «Компьютерное зрение и обработка изображений» магистратуры по направлению подготовки «Фундаментальная информатика и информационные технологии».

3. Использованная в диссертационной работе библиотека обработки изображений ОрепСУ, сборка Еш§и, разработанный автором диссертации программный комплекс ХИАУ изучаются в лабораторных занятиях по курсу «Компьютерное зрение и обработка изображений» магистратуры по направлению подготовки «Фундаментальная информатика и

Акт об использовании результатов исследования в МБУЗ.ДГБ

г. Таганрог

Министерство науки и высшего образования Российской Федерации Федеральное государственное автономное образовательное учреждение высшего профессионального образования

ЮЖНЫЙ ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ Институт математики, механики и компьютерных наук имени И.И. Воровича

Мильчакова ул., д. 8, корп. А, г. Ростов-на-Дону 344090. Тел.: [phone], факс: [phone], email: [e-mail] http://mmcs.sfedu.ru

С £ С £ ■U/'jf С -i - УС/^е Главному врачу

МБУЗ «ДГБ» г. Таганрог В. Ф. Кувиков

На кафедре информатики и вычислительного эксперимента Института математики, механики и компьютерных наук Южного федерального университета проведено исследование аспиранта Аль Темими A.M.С. «Методы и программные средства контроля медицинских рентгенографических изображений» (научный руководитель д.ф.-м.н., проф. Пилиди В. С.). Полагаем, что результаты исследования представляют практическую ценность и могут быть использованы для снижения трудозатрат при диагностике.

С основными результатами данного исследования можно ознакомиться в следующих публикациях:

1. Аль Темими А.М.С., Пилиди B.C. Автоматизация процесса определения референтных линий на рентгенографических медицинских изображениях // Инженерный вестник Дона [Электронный ресурс]. — 2017. — №1. — Режим доступа: http://ivdon.ni/ru/magazme/archive/nly2017/4007

2. Аль Темими A.M.С., Пилиди B.C. Об одном алгоритме анализа структуры рентгенографических медицинских изображений // Известия высших учебных заведений. Северо-Кавказский регион. Серия: технические науки. — 2018. — № 1. — С. 23-28.

В работе Аль Темими А.М.С. предлагается программный комплекс XRAY для обработки медицинских рентгенограмм. Предлагаем Вам осуществить пробное использование результатов диссертации Аль Темими А.М.С. и, в частности, использовать в работе МБУЗ «ДГБ» упомянутый программный комплекс XRAY.

В случае принятия положительного решения просим предоставить акт об использовании результатов диссертации Аль Темими А.М.С. «Программные средства контроля медицинских рентгенографических изображений».

1 февраля 2019г.

М.И. Карякин

«УТВЕРЖДАЮ»

гл " 1ч МБУЗ «ДГБ»

г.

у, \ В.Ф. Кувиков « / » 2019 г.

АКТ

об использовании результатов кандидатской диссертационной работы Аль Темими Аммар Мудхехер Садек

Комиссия в составе: председателя - Е.В. Корзенева, зав. рентгеновским отделением, членов комиссии — А.Л. Минкин, врача-детского хирурга хирургического отделения, Г.Г. Клец врача-детского хирурга хирургического отделения составили настоящий акт о том, что МБУЗ «ДГБ» г.Таганрога применяет в своей работе программный комплекс ХЯАУ для предварительной массовой обработки цифровых рентгеновских снимков. Принцип работы программного комплекса подробно представлен в диссертационной работе Аль Темими А.М.С.

Режим массовой обработки рентгенографических снимков, предоставляемый программным комплексом ХЯАУ позволяет осуществлять фильтрацию массового потока рентгенографических изображений по заданным диагностическим критериям. Использование данного режима позволяет существенно (в некоторых случаях — до 90%) сократить количество снимков, анализируемых специалистом вручную путем отсеивания снимков, не удовлетворяющих заданным критериям.

«У » 2019г.

Председатель комиссии: Члены комиссии:

Скриншот о сообщении пресс-служба Министерства науки и высшего образования РФ https://minobrnauki.gov.ru/ru/press-center/card/7id 4=1062

«у« г е«<ше X И +

Й Ьпр^/т1ГюЬгп»икид<лгл«/ги/рге«-<жт«»/саг()/7|().4 = 1062

МИНИСТЕРСТВО НАУКИ И ВЫСШЕГО ОБРАЗОВАНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ

Поиск

а

О МИНИСТЕРСТВЕ ДЕЯТЕЛЬНОСТЬ ДОКУМЕНТЫ ПРЕСС ЦЕНТР КОНТАКТЫ ОБРАЩЕНИЯ ГРАЖДАН

Пресс-ц^ктр

ПРЕСС-ЦЕНТР

Новости Министерства СМИ о Министерстве Анонсы

Новости науки и образования

Контакты для журналистов

Ученые разработали метод, позволяющий анализировать рентгеновские снимки за секунду

12 02 2019 16 54

Ученые Южного федерального университета (ЮФУ) разработали новый метод цифровой обработки рентгеновских изображений, который позволяет проанализировать снимок всего за 1-2 секунды, технология уже готова к тестированию в медицинских организациях. Об этом в понедельник сообщила пресс-служба Министерства науки и высшего образования РФ.

"Разработанный учеными метод обнаружения объектов, уточнения их границ и автоматизированная проверка диагностических критериев позволяет существенно уменьшить время на ручную обработку рентгеновских изображений: затрачиваемое время составляет всего 1-2 секунды. Система представляет собой компьютерную программу, которая может быть установлена на компьютер стандартным образом, как любое приложение У^пбол*". • говорится в сообщении.

Методы цифровой обработки изображений сегодня применяются в различных сферах, например, в робототехнике, системах видеонаблюдения, системах контроля качества. Одним из наиболее актуальных направлений считается обработка медицинских изображений. Так. появление электронных рентгеновских аппаратов и сканеров пленок позволяет использовать эти методы повсеместно.

Предложенный сотрудниками Института математики, механики и компьютерных наук им. И. И. Воровича ЮФУ под руководством профессора кафедры информатики и вычислительного эксперимента Владимира Пилиди метод референтных линий и углов основан на разработанной медицинским сообществом системе экспертных оценок, применяемых для анализа рентгенограмм. Он позволяет дать оценку состояния анализируемых областей, сделать заключение о необходимости операций и дать предварительную информацию для разработки ее стратегии.

Технология, по словам ученых, уже готова к апробации в реальных условиях, как в российских, так и в зарубежных организациях. В рамках предварительного тестирования в клинических условиях было установлено также, что в ряде случаев программа позволяет выявить отклонения даже там. где их не удается заметить при визуальном осмотре рентгеновского снимка. Ж£

Дата публикации 12.02 2019 16 54

Дата последнего изменения 12.02.2019 16 54

Сведения диссертационной работы опубликованы в газете «Еженедельник науки и образования Юга России Академия» — выпуск № 9, 2019 г., стр. 5.

Свидетельство о государственной регистрации программы для ЭВМ

№ 2018610378.

Программный комплекс: Система анализа рентгенографических изображений коленного сустава.