Оценивание геометрических параметров изображений древовидных структур тема диссертации и автореферата по ВАК РФ 05.13.18, кандидат технических наук Куприянов, Александр Викторович

• Куприянов, Александр Викторович
• кандидат технических наук
• 2004

Оглавление диссертации кандидат технических наук Куприянов, Александр Викторович

ВВЕДЕНИЕ

ГЛАВА 1. МОДЕЛИ ИЗОБРАЖЕНИЙ ДРЕВОВИДНЫХ СТРУКТУР

1.1 Медицинские диагностические изображения

1.1.1 Диагностические изображения глазного дна

1.1.2 Диагностические изображения системы коронарных сосудов

1.2 Обзор существующих методов оценивания геометрических параметров древовидных структур

1.2.1 Методы оценивания параметров толщины сосудов

1.2.2 Классификация методов оценивания направлений сосудов

1.2.3 Метод трассировки сосудов

1.3 Объект и задачи исследования

1.4 Математическая модель изображения древовидного объекта

1.4.1 Модель скелета древовидного объекта

1.4.2 Модель ветви древовидного объекта

1.4.3 Модель изображения ветви древовидного объекта 25 1.4.3 Модель профиля яркости изображения ветви древовидного объекта

1.5 Глобальные диагностические признаки ветви 30 Выводы

ГЛАВА 2. ЛОКАЛЬНОЕ ВЕЕРНОЕ ПРЕОБРАЗОВАНИЕ

2.1 Метод двумерного локального веерного преобразования

2.1.1 Преобразование Радона и лучевое преобразование

2.1.2 Локальное веерное преобразование

2.1.3 Дискретное приближение преобразования

2.2 Метод трехмерного локального веерного преобразования

2.3 Оценивание направлений ветвей сосудов методом локального веерного преобразования

2.3.1 Предварительная обработка исходных изображений

2.3.2 Формирование радиальных разверток ЛВП

2.3.3 Поиск направлений трассы и обнаружение ветвлений 52 2.4. Выделение центральных линий ветвей сосудов методом локального веерного преобразования 54 Выводы

ГЛАВА 3. МЕТОДЫ ОЦЕНИВАНИЯ ДИАГНОСТИЧЕСКИХ ПАРАМЕТРОВ

ТОЛЩИНЫ СОСУДОВ

3.1 Аппроксимационные методы оценивания диагностических параметров

3.1.1 Алгоритм параметрической аппроксимации

3.1.2 Спектральный алгоритм параметрической аппроксимации

3.2 Применение искусственных нейронных сетей для оценивания параметров толщины сосудов

3.2.1 Искусственные нейронные сети.

3.2.2 Метод оценивания параметров толщины с использованием нейронных сетей

Выводы

ГЛАВА 4. ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ АЛГОРИТМОВ

ОЦЕНИВАНИЯ ДИАГНОСТИЧЕСКИХ ПАРАМЕТРОВ

4.1 Критерии качества оценивания диагностических параметров

4.2 Имитационное моделирование изображений

4.3 Экспериментальные исследования метода оценивания направлений с использованием локального веерного преобразования.

4.3.1 Погрешность оценивание направлений на синтезированных изображениях

4.3.2 Погрешность оценивания направлений в зависимости от отношения шум/сигнал

4.4 Экспериментальные исследования метода выделения ветвей на натурных изображениях

4.5 Экспериментальные исследования методов оценивания параметров толщины

4.5.1 Исследование аппроксимационных методов оценивания

4.5.2 Экспериментальное исследование алгоритмов оценивания методом нейронных сетей

4.6 Сравнительные исследования методов оценивания параметров толщины

4.7 Компьютерные системы анализа диагностических изображений сосудов

4.7.1 Система анализа диагностических изображений глазного дна

4.7.2 Система восстановления пространственной структуры коронарных сосудов

Выводы

Введение диссертации (часть автореферата) на тему «Оценивание геометрических параметров изображений древовидных структур»

Диссертация посвящена разработке методов и алгоритмов оценивания диагностических параметров (толщины и направления) древовидных структур по медицинским изображениям.

Актуальность темы

Актуальность работы определяется наличием на рынке большого разнообразия компьютерных систем медицинской диагностики, которые позволяют регистрировать диагностические изображения, но не имеют соответствующего программного обеспечения для автоматизированного анализа изображений, измерения диагностических признаков, постановки диагноза.

На мировом рынке медицинской техники предлагается большой спектр офтальмологической техники для получения высококачественных снимков глазного дна и систем для проведения коронарографии, однако прикладное обеспечение у большинства таких систем содержит лишь наиболее часто используемые средства для предварительной обработки изображений[8,67,76,90,104]. Одновременно бурно развиваются программно-технические комплексы полной компьютеризации клиник, что должно привести к повышению спроса на программы мониторинга и экспертные системы, оперирующие цифровыми изображениями. Средства, предлагаемые в данной работе, позволяют облегчить внедрение в медицинскую практику современных компьютерных технологий.

В данной работе рассматриваются диагностические изображения кровеносной системы, которую можно охарактеризовать как древовидную или сетчатую структуру. Примерами изображений подобных структур также могут служить изображения различного рода трещин, кристаллических структур металлов, сети дорог, русла рек, изображение электрического разряда, изображения глазного дна человека, снимки коронарных сосудов и изображения других биологических структур (рис. В.1). Отметим, что в дальнейшем будем использовать термин «сосуд», подразумевая сосуды кровеносной системы человека. а) коронарные сосуды б) дельта реки в) сосуды глазного дна 1 г) сеть дорог д) электрический разряд е) изображение фантома

Рис. В, / Примеры изображений древовидных структур.

Наибольший интерес с точки зрения медицинской диагностики представляют следующие параметры древовидной структуры сосудов:

• геометрические характеристики линии центров сосудов - трассы сосудов: длина, извилистость, кривизна и т.п.;

• распределение толщины сосудов вдоль трассы;

• углы ветвления сосудов.

Геометрические параметры толщины и направления являются диагностическими параметрами трассы, поскольку на их основе производится формирование диагностических признаков сосудов. Данные параметры являются локальными характеристиками, рассчитываемыми непосредственно по изображению древовидной структуры в процессе анализа изображений сосудов.

В настоящее время в офтальмологии сложились методы измерения диаметра сосудов сетчатки, большинство из них основаны на построении профиля яркости поперечного сечения сосуда в заданной оператором точке. В работе [91] представлены результаты исследований в области офтальмологии по обработке изображений флюоресцентных ангиограмм глазного дна пациента с сосудистой патологией. Wang Y., Cheasty J.E., Zuckerman R в [113] предлагают метод измерения диаметра с процедурой трассирования и учетом статистических характеристик изображения.

Существует несколько основных типов алгоритмов оценивания направлений древовидных структур: методы непосредственного и косвенного измерения параметров, методы, основанные на моделировании, методы, основанные на применении искусственного интеллекта и нейронных сетей, комбинированные методы.

В работах Ильясовой и Устинова [7,9,26,27,34,61,62] для оценивания геометрических параметров сосудов на изображении был разработан метод трассировки дерева сосудов при помощи круглой рамки. На основе анализа распределения интенсивности вдоль границы круглой рамки производится оценивание параметров толщины и направления трассы сосуда. Особенностями этого метода являются необходимость явно указывать начальную и конечную точки ветви.

В диссертационной работе разрабатывается новый метод локального веерного преобразования (ЛВП) для оценивания направлений трассы и углов ветвления в произвольных точках древовидных структур. Этот метод обобщает анализ изображений круглой рамкой, так как позволяет использовать информацию внутри области определяемой круглой рамкой, а не только на её границе.

В основу метода положены преобразование Радона и лучевое преобразование, которые часто используются в качестве стандартного инструмента анализа изображений, позволяющего распознавать и выделять глобальные прямые линии на изображениях [6,19,20,58,60,72]. Преобразование Радона и лучевое преобразования являются частным случаем преобразования Хоу [60,72,117], которое позволяет выделять на изображениях различные кривые, которые можно параметризовать (прямые, окружности фиксированного радиуса, и другие).

Цель и задачи исследований

Целью диссертации является разработка методов, алгоритмов и программных средств для оценивания геометрических параметров моделей древовидных структур на основе анализа изображений.

Задачи диссертационного исследования:

1. Разработка и исследование алгоритмов оценивания геометрических параметров древовидных структур на основе метода локального веерного преобразования.

2. Разработка и исследование алгоритмов оценивания толщины древовидных структур на основе методов параметрической аппроксимации и методов с использованием искусственных нейронных сетей.

3. Экспериментальные исследования точности и достоверности измерения геометрических параметров.

4. Разработка программного обеспечения компьютерных систем для решения практических задач медицинской диагностики.

Перечисленные задачи определяют структуру работы и содержание отдельных глав.

Методы исследований

В диссертационной работе используются методы цифровой обработки сигналов и изображений, алгебры и математического анализа, методы параметрической аппроксимации, численные методы оптимизации, методы имитационного моделирования.

Научная новизна работы

Перечисленные ниже результаты, полученные в диссертационной работе, являются новыми:

• Математические модели изображения древовидной структурБ? Учитывающие как геометрические характеристики объекта (ветвление, кривизну), так и яркостной профиль объекта.

• Метод локального веерного преобразования и его использование для оценивания направлений сосудов на диагностических изображениях и выделения центральных линий сосудов.

• Метод параметрической аппроксимации для оценивания толщины сосудов с использованием моделей яркостного профиля.

• Метод оценивания толщины сосудов с использованием нейронных сетей.

Практическая значимость работы

Практическая значимость работы состоит в том, что предложенные методы позволяют повысить точность оценивания диагностических параметров кровеносных сосудов и позволяют использовать их для формирования диагностических признаков и определения характера и степени патологии. Это позволяет повысить точности диагностики и приведет к увеличению выявляемости тяжелых заболеваний на ранних стадиях и выявлению групп риска с быстроразви-вающимися заболеваниями.

Разработанные методы являются универсальными и могут быть использованы для анализа различных классов изображений сосудов, таких как изображения глазного дна и ангиографические изображения системы коронарных сосудов, а также других изображений древовидных структур.

Разработанные алгоритмы программно реализованы. Результаты диссертационной работы внедрены в рамках ряда научно-исследовательских и хоздоговорных работ в Институте систем обработки изображений РАН совместно с кафедрой офтальмологии Московского Государственного Медико-стоматологического университета, а также в учебном процессе в Самарском государственном аэрокосмическом университете имени академика С.П.Королева. Разработанные методы и алгоритмы оценивания геометрических параметров легли в основу компьютерной системы диагностики и анализа изображений глазного дна и системы восстановления пространственной структуры коронарных сосудов, разрабатываемых в ИСОИ РАН.

Апробация работы

Основные результаты диссертации докладывались на научно-технических конференциях, в том числе на 7й международной конференции по обработке медицинских изображений MICCAI 2004 (Сан-Мало, Франция), были представлены на выставке Samara MedExpo 2002, а также были опубликованы в сборниках и журналах. По теме диссертации опубликовано 12 работ. Работа [39*] выполнена автором единолично. Остальные работы написаны в соавторстве. В работе [28*] автору принадлежит алгоритм выделения центральных линий на изображениях сосудов. В работе [37*] автором предложен алгоритм определения направления сосуда на основе анализа распределения яркости изображения. В работе [87*] автором предложен алгоритм выбора оптимального направления для метода пространственной трассировки сосудов. В диссертацию включены результаты, полученные соискателем лично, а также полученные в ходе руководства дипломным проектированием и научно-исследовательской работой студентов.

Исследования по теме диссертационной работы выполнялись при поддержке гранта РФФИ (Проект № 03-01-00642), при поддержке Американского фонда гражданских исследований и развития (проект CRDF SA-014-02) в рамках российско-американской программы "Фундаментальные исследования и высшее образование", при финансовой поддержке фонда «Научный потенциал», а также в рамках программы фундаментальных исследований Президиума РАН "Фундаментальные науки - медицине" 2004 г.

Положения, выносимые на защиту

1. ЛВП является эффективным инструментом для оценивания геометрических параметров древовидных структур - направления сосудов, по медицинским диагностическим изображениям.

2. Использование моделей яркостного профиля сосуда дает возможность повысить точность оценивания толщины сосудов.

3. Метод оценивания толщины сосудов с использованием нейронных сетей целесообразно использовать только при анализе класса изображений со схожими статистическими характеристиками.

Заключение диссертации по теме «Математическое моделирование, численные методы и комплексы программ», Куприянов, Александр Викторович

Выводы:

1. Проведены экспериментальные исследования, показавшие надежность и достоверность разработанного метода оценивания направлений ветви на основе ЛВП.

2. Исследование помехоустойчивости метода оценивания направлений на синтезированных изображениях показало, что метод является достаточно устойчивым к аддитивному шуму и неоднородно-стям фона.

3. Проведены экспериментальные исследования методов выделения центральных линий сосудов на натурных и синтезированных изображениях, которые показали возможность использования метода для выделения ветвей сосудов на изображениях.

4. Экспериментальные исследования аппроксимационных методов оценивания параметров толщины на синтезированных изображениях показали высокую точность работы метода оценивания толщины и устойчивость к искажениям. В случае однородного фона и коррелированного шума лучшие результаты дает модель дробно-рациональной функции. В случае коррелированного фона и белого шума лучшие результаты дает модель Rect.

5. Предложен метод автоматического определения значения толщины без указания профиля. Преложено использовать значение оценки толщины для определения направления сосудов.

6. Произведено исследование методов оценивания толщины с использованием нейронных сетей на натурных изображениях сердечно сосудистой системы и сосудистой системы глазного дна. Проведенные тесты показали правильность выбранной нейросете-вой модели и ее высокую способность адаптации к различным типам изображений.

7. В результате анализа существующих методов оценивания параметров на изображениях было установлено, что качество работы разработанного алгоритма напрямую зависит от качества обучения нейронной сети. Данный алгоритм применим к сериям изображений одного типа, например к последовательности снимков сосудов сердца.

8. Разработанный алгоритм превосходит по точности полученных результатов существующие алгоритмы оценивания параметров. Однако следует отметить то, что недостатком данного алгоритма является трудоемкость процесса обучения в случае, когда необходимо одновременно производить оценивание параметров на изображениях разного типа.

9. На натурных изображениях сосудистой системы был проведен сравнительный анализ точности оценки параметров среди существующих и разработанных алгоритмов оценивания толщины. В процессе исследования было установлено, что оценивание параметров с помощью разработанного алгоритма, основанного на использовании нейронных сетей, в определенных случаях превосходит по точности результаты, получаемые с помощью других алгоритмов.

ЗАКЛЮЧЕНИЕ

Основным результатом работы является разработка и сравнительный анализ различных математических методов оценивания геометрических параметров медицинских диагностических изображений кровеносных сосудов.

Выявлены наиболее информативные для диагностики заболеваний геометрические параметры медицинских диагностических изображений кровеносных сосудов. Показано, что разработанные методы оценивания параметров толщины сосудов и направления сосудов позволяют эффективно анализировать медицинские диагностические изображения. Эффективность предложенных методов и алгоритмов определяется повышением точности и достоверности оценивания геометрических параметров, а также автоматизацией процесса анализа диагностических изображений кровеносных сосудов.

В частности, получены следующие результаты:

1. Разработана математическая модель изображения древовидного объекта, позволяющая формализовать описание геометрических параметров (толщины и направления) и осуществить формирование диагностических признаков.

2. Разработан метод локального веерного преобразования и исследовано его применение для оценивания направлений сосудов, а также для обнаружения точек ветвления на диагностических изображениях сосудов.

3. Разработан алгоритм выделения центральных линий трассы древовидных объектов на основе метода локального веерного преобразования.

4. Разработаны и исследованы аппроксимационные методы оценивания параметров толщины сосудов на основе различных моделей профиля яркости.

5. Разработан и исследован метод оценивания толщины и направления сосудов с использованием искусственных нейронных сетей.

6. В результате проведенного сравнительного экспериментального исследования разработанных методов оценивания геометрических параметров выявлены достоинства , недостатки и области применимости каждого метода.

7. Разработано и внедрено в ряде медицинских учреждений программное обеспечение компьютерной системы анализа диагностических изображений сосудов глазного дна, позволившее повысить качество диагностирования глазных заболеваний.

Список литературы диссертационного исследования кандидат технических наук Куприянов, Александр Викторович, 2004 год

1. Баранов В.Г., Храмов А.Г. Дискретное веерное преобразование радона в задаче выделения центров ветвей сетчатых структур // Компьютерная оптика. 2002. № 23. С. 44 - 47.

2. Бернулли Я. О законе больших чисел: Пер. с лат. // М.: Наука. Гл. ред. Физ.-мат. Лит., 1986. 176 с.

3. Бернштейн С. Теория вероятностей. // М.: 1927 363с

4. Блейхут Р. Быстрые алгоритмы цифровой обработки сигналов // Пер. с англ. М.: Мир, 1989, - 448 с.

5. Богнер Р., Константинидис А. Введение в цифровую фильтрацию. // Пер. с англ. М.: <Мир> 1976,216

6. Бейтс Р., Мак-Доннел М. Восстановление и реконструкция изображений //М.: Мир, 1989.-336 с.

7. Бранчевский С. Л. Компьютерный мониторинг состояния глазного дна у больных сахарным диабетом// Автореферат диссертации на соискание ученой степени кандидата медицинских наук Самара: Куйбышевский медицинский институте имени Д.И.Ульянова, 1991.

8. Бранчевский С. Л., Овчинников К. В., Миллер А. Ю. Новый метод анализа флюоресцентных ангиограмм с применением компьютерной техники // Офтальмологический журнал, 1990. N8.

9. Бронштейн И.Н., Семендяев К.А. Справочник по математике // М., 1956г.

10. Варакин Л.Е. Системы связи с шумоподобными сигналами. // М.: Радио и связь, 1985 384 с.

11. Выгодский М. Я. Справочник по высшей математике. // М.,1963 г.

12. Гельфанд И.М., Гиндикин С.Г., Граев М.И. Избранные задачи интегральной геометрии // М.:Мир, 1998, 210 с.

13. Гольденберг Л., Матюшкин Б., Поляк М. Цифровая обработка сигналов//М.: Радио и связь, 1985,-312 с.

14. Гончаровский В., Кочинов И. В., Матвиенко А. Н. Реконструктивная обработка и анализ изображений в задачах вычислительной диагностике. // М.,МГУ, 1993, с 140.

15. Горбань А.Н. Обучение нейронных сетей // М.: ParaGraph, 1990. 160с.

16. Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере//Новосибирск: Наука, 1996. 276с.19