Системы компьютерного анализа диагностических изображений кровеносных сосудов тема диссертации и автореферата по ВАК РФ 05.11.17, кандидат наук Ильясова, Наталья Юрьевна

• Ильясова, Наталья Юрьевна
• кандидат наук
• 2015

Оглавление диссертации кандидат наук Ильясова, Наталья Юрьевна

ВВЕДЕНИЕ..................................................................5

ГЛАВА 1. МЕТОДЫ АНАЛИЗА КРОВЕНОСНЫХ СОСУДОВ ЧЕЛОВЕКА.

ОБЗОР ЛИТЕРАТУРЫ................................................15

1.1. Анализ сосудистой системы при сахарном диабете и артериальной

гипертензии ....................................................20

1.2. Обзор методов цифрового анализа сосудистой системы человека....23

7.2.7. Доказательная д/ебицина (Д?..............................29

/. 2.2. 77рейб'аритель//ая обработка ц мировых изобраз/сеиай сосубов (Җ1.31

7.2.3. МетоЭы сегментации Д?....................................34

7.2.4. 7/7асс!^7оока сосубов (Д)................................42

7.2.3. Оце//ка диаметра соаубов (Җ1.............................46

7.2.6. Оценка ириз//аков сосудистой систе.мь/ человека (Җ)......48

1.3. Выводы кглаве1.................................................56

ГЛАВА 2. ОЦЕНИВАНИЕ ЛОКАЛЬНЫХ ГЕОМЕТРИЧЕСКИХ ПАРАМЕТРОВ СОСУДОВ.................................................................57

2.1. Математическая модель диагностического изображения сосудистой

системы человека................................................57

2.7.7. Модель ветви сосудистой систе.мы.........................58

2.7.2. .Матедютическоя.иобель иростраистееииоео Эревовибиоео объекта ....61

2.7.3. А/атедизтическая.модель изоб/;а.лсе/ао/ ироекрпи сетей Эревовпбноео

объекта, дюбель профиля сосуба.............................65

2.2. Аппроксимационные методы оценивания параметров толщины.........69

2.3. Метод косвенного вычисления диаметра и направления сосуда......78

2.4. Исследование аппроксимационных методов и косвенного метода

оценивания диаметров сосудов....................................79

2.5. Оценивание параметров сосудов с использованием метода локального

веерного преобразования.........................................83

2.3.7. Memot) си/еииеаипя локальных параметров сосудов, основанный

иадюби^икащ/илокальноео веерного преобразования............88

2.3.2. А/етоб M/7R77 в задаче оценивания локальных иа/ц?авлеиий сосудов..91

2.6. Методы трассировки сосудистого русла...........................96

2.6.7. А'ыорпюм иос/яроеноя трассы сосудов с псиользованне.м.мето6а

яр^мюзо поиска направлений.................................97

2.6.2. Трассировка на основе бисдретиоео Л/777.................101

2.6.3. Экс/мрамеитальные исследования аз/ерриимюв /нрассчровки.104

2

2.7. Выделение центральных линий сосудов с использованием

вейвлет-преобразования.............................................110

2.7.7.7&,ис/ируиробаппе еейелема, со2ласоиаиио2о с моделью сосуЭол.11 3

2.7.2. т1л2орпмл^ быЭеле//мя !/б?7/мрш/ьпыхли//пй сосуЭол..........1 19

2.7.3. Эксиерилдм/иальиые исслеЭобИУ/ия ла люЭельупях и //а/иур//ых

пзоб/заз/се/л/ях Ау;оееносиых сосуЭос........................120

2.8. Выводы к главе 2................................................131

ГЛАВА 3. МЕТОДЫ ФОРМИРОВАНИЯ МЕДИКО-ДИАГНОСТИЧЕСКИХ

ПРИЗНАКОВ СОСУДОВ ГЛАЗНОГО ДНА...................................133

3.1. Исследование погрешностей признаков на примере вычисления

кривизны...........................................................137

3.2. Признаки описания формы сосуда, альтернативные признаку

кривизны...........................................................138

3.3. Признаки, характеризующие состояние сосудов глазного дна

при диабетической ретинопатии......................................143

3.4. Глобальные геометрические признаки изображений сосудов

и методы их оценивания.............................................146

3.5. Анализ информативности глобального набора признаков

и формирование эффективных диагностических признаков сосудов.......151

3.5.7. Тфлмлрии разЭллллюс/ип классов..............................152

3.5.2. Форл^иробаиме иризпакоб, л(акснлшзпру?оп/ах крл/ялрпйразЭелплюсшп.. 153

3.5.3. /1л2орп/ил/ </?орл%лроеанля ирлзлакол, л;жгш;мзлруюи/мй дримерпй

разЭелил;осма................................................155

3.5.4. Эксиерал^енмалы/ос лсслеЭоланпл качлсмла классификации с

исиользола//исл/ Эискрмлшлаи/и//о2о анализа иризнакоб //а л:ссмолых изосраз/се/ных...............................................157

3.5.5.77сслсЭосаиие ирпз//акол ла иа/л^лмх изобраз/ссн:/ях.......159

3.5.6. Ллал!/з с/иа/лпсоп/чсских Эа/п^ых Эля порлня и 7—7Г с/иснсии

ла?иоло2па Эля ар/лериол 7-20 иоряЭка........................165

3.5.7. Анализ с/иаи;пс/ипчсскпх Эаниь;х Эля норл;ы а 7-7Гс/ненс//и

иа/иоло2ии Эля арл:^^ию7/ 2-20 иоряЭка.......................169

3.5.&диализ сл^а/лпс/иическпх Эалных Эля нормы и 7—7Гс/иеиепп намол О2ии Эля ленул 7-20 иоряЭка............................172

3.5.9. Анализ смамисмическ!/х Эа/п/ых Эля нррлпя и 7—7Г смсис/<п

намолотил Эля ленул 2-ео иоряЭка.............................175

3.6. Выводы к главе 3................................................179

3

ГЛАВА 4. ИНФОРМАЦИОННАЯ ТЕХНОЛОГИЯ ВОССТАНОВЛЕНИЯ ПРОСТРАНСТВЕННОЙ СТРУКТУРЫ КОРОНАРНЫХ СОСУДОВ ПО АНГИОГРАФИЧЕСКИМ ПРОЕКЦИЯМ И ОЦЕНИВАНИЯ ИХ ГЕОМЕТРИЧЕСКИХ ПРИЗНАКОВ..........................................181

4.1. Временная синхронизация проекций........................189

4.2. Компенсация эффекта центрального проецирования..........192

4.3. Улучшение качества изображений проекций.................) 93

4.4. Пространственная привязка изображений проекций..........206

4.5. Пространственная трассировка сосудов....................208

4.6. Результаты восстановления 3D структуры сосудов..........2!5

4.7. Оценивание геометрических признаков пространственных

древовидных структур....................................224

4.8. Выводы кглавс4.........................................238

ГЛАВА 5. ПРОГРАММНЫЕ КОМПЛЕКСЫ ДИАГНОСТИЧЕСКОГО АНАЛИЗА

ИЗОБРАЖЕНИЙ КРОВЕНОСНЫХ СОСУДОВ.........................240

5.1. Обзор компьютерных систем анализа кровеносных сосудов..240

5.2. Общие функциональные требования систем анализа сосудов.246

5.3. Программный комплекс диагностического анализа изображений

сосудистой системы глазного дна «OphthalmOffice»........247

5.4. Программный комплекс реконструкции и анализа пространственной

структуры коронарных сосудов «CardiOffice»..............261

5.5. Выводы кглаве 5........................................270

ЗАКЛЮЧЕНИЕ.......................................................272

СПИСОК ЛИТЕРАТУРЫ................................................274

ПРИЛОЖЕНИЕ А. Алгоритмы трассировки Sun и Bolson.................298

ПРИЛОЖЕНИЕ Б. Результаты дискриминантного анализа................301

ПРИЛОЖЕНИЕ В. Примеры гистограмм распределений глобальных признаков....313 ПРИЛОЖЕНИЕ Г. Примеры результатов кластерного анализа............316

ПРИЛОЖЕНИЕ Д. Нормативные значения диагностических признаков

артериол и венул в норме и у пациентов с СД......318

ПРИЛОЖЕНИЕ Е. Исследования признаков 3D изображений сосудов......320

ПРИЛОЖЕНИЕ Ж. Приведение импульсного шума к аддитивному по SNR....323

ПРИЛОЖЕНИЕ 3. Акты внедрения......................................324

ПРИЛОЖЕНИЕ И. Информационное письмо департамента здравоохранения

г.Москвы...........................................333

4

ВВЕДЕНИЕ

Диссертационная работа посвящена разработке и исследованию новых методов, алгоритмов и информационных технологий компьютерного анализа кровеносных сосудов, а также созданию на их основе автоматизированных систем диагностики сосудов глазного дна и коронарных сосудов сердца.

Введение диссертации (часть автореферата) на тему «Системы компьютерного анализа диагностических изображений кровеносных сосудов»

Актуальность темы

Современная медицина является одной из самых высокотехнологичных отраслей научной и практической деятельности, важнейшая задача которой состоит в разработке новых эффективных методик ранней диагностики различных патологий. Несколько последних десятилетий характеризуются значительным прорывом в области технической оснащённости медицины. Компьютерный анализ изображений стал основным инструментом медицинских диагностических систем, позволяющим существенно повысить качество диагностики. Наиболее активно информационные технологии внедряются в о^/илльмолоап/о и корсһ/оло-2z//o. Исследования в диссертационной работе направлены на анализ изображений сосудов глазного дна и сердца. В обоих случаях изображения кровеносных сосудов несут важную диагностическую информацию. На основании исследования кровеносных сосудов врач не только делает выводы о состоянии органа, но и диагностирует общие системные заболевания, такие как сахарный диабет (СД), полицитемию, анемию, гипертоническую болезнь.

Тллзное Э/лэ, которое является предметом исследования в офтальмологии, представляет собой сложный объект с высокой плотностью заполнения сосудами и со множеством разветвлений и изгибов. С патологии сосудов глазного дна начинаются такие заболевания, как диабетическая ретинопатия (ДР) и гипертония, которые и далее сопровождаются изменениями структуры сосудистого русла. Оценка состояния микроциркуляторного русла глазного дна используется также при лечении системного атеросклероза, инсульта, заболеваний почек и др. Особенно ценным представляется то, что диагностически значимую информацию о глазном дне можно получить с применением неинвазивных методик, без побочных эффектов. Доступность неинвазивного осмотра и визуализации делает сосуды глазного дна наиболее информативными для анализа локальной микроциркуляции и прогностически значимыми в плане оценки гемодинамики всего организма. В связи с этим накоплен большой опыт, фактический материал по изучению, разработке и внедрению в медицинскую практику методов исследований кровеносного русла, анализа изображений сосудов, установления связей между изменениями кровеносных систем и многочисленными видами заболеваний.

5

А/7Обе//ос//ля с:/с/иел/<7 является предАгетоА! исследования в кардиоло-

гии. Она характеризуется малым количеством сосудов, и её необходимо рассматривать как трёхмерный объект, применять методы цифрового анализа с учётом особенностей трёхмерного изображения. Атеросклеротические поражения сосудов сердца являются основной причиной многих заболеваний (атеросклероз, гипертоническая болезнь, ишемическая болезнь сердца, инсульт).

Таким образом, в медицинской практике всестороннее исследование указанных сосудистых систем (СС) является актуальным для диагностики многих заболеваний человека. Сосудистые патологии являются одной из ключевых проблем современной медицины. Несмотря на значительные успехи, достигнутые за последние десятилетия в диагностике и лечении сосудистых заболеваний, число больных с поражениями кровеносных сосудов продолжает увеличиваться (Сел/е-Н06Я, .Брлнчебс/цш, ДоЭоеозое z/ Эр.).

В связи с тем, что эффективность лечения сосудистой патологии в значительной мере зависит от точности определения ее стадий и степени тяжести, одним из основных направлений в профилактике и лечении этих заболеваний является совершенствование методов их дифференциальной диагностики, включая прогнозирование возникновения заболеваний и донозологическую диагностику (/aepzz/zoea, A/y/zeee z/ Эр./

Российская школа физиологов и морфологов, изучающих циркуляцию кровеносных сосудов, придаёт большое значение геометрии сосудистого русла (Гш/-Kzz/z, ,4лекслнЭроб, ///Далл). Геометрические параметры сосудистого русла, по их мнению, не являются случайными, а отражают адаптационные механизмы сосудов к заболеваниям. Западная научно-практическая школа большее внимание уделяет количественному анализу динамических параметров кровотока - линейной и объемной скорости кровотока. Этот подход и определяет развитие научного приборостроения в этой области (7?Zo/z<%zZ, GzZ/zzo/e, Ко//аг). Клиническое применение такого подхода количественного анализа течения крови ограничено двумя факторами: 1) сложная и дорогая технология и 2) большая неопределенность интерпретации измеренных результатов для клинических целей. Широкое внедрение компьютерной техники и разнообразных устройств ввода видеосигналов дало возможность проводить диагностику методами автоматизированного анализа цифровых изображений. Это позволяет повысить скорость и качество диагностики, получать объективные данные об исследуемом объекте.

В настоящее время преимущественно используется подход, основанный на анализе локального диаметра сосуда. Однако такой подход является ограниченным в понимании процесса развития многих заболеваний. Клинически важными

6

показателями, которые вносят существенный вклад в оценку степени патологии и вероятности развития заболеваний, являются и другие статистические параметры: неравномерность диаметра (четкообразныс изменения вен, локальный спазм артерий), кривизна, извилистость сосудов и др. В связи с этим актуальна решаемая в диссертации задача разработки принципиально нового метода диагностики, позволяющего избежать указанных недостатков, дополнить имеющиеся представления о механизмах развития таких заболеваний, как диабетическая ангиопатия, включающая микроангиопатию, связанную с изменениями сосудов глазного дна, и макроангиопатию, сопряженную с атеросклеротическими процессами в сосудах сердца, и диагностировать ее, начиная с самых ранних стадий. Актуальными задачами являются также разработка новых и эффективных интегральных показателей состояния сосудов на изображениях глазного дна и коронарных сосудов сердца, методов их оценивания, а также создание па их основе автоматизированных систем диагностики, которые позволят стандартизировать постановку диагноза, значительно сократить время обследования.

В диссертации предлагается единый подход к анализу двух классов изображений: микроциркуляторного русла глаза и сосудистой системы сердца. Подход основан на оценивании совокупности геометрических параметров сосудов с целью их дальнейшего диагностического анализа.

В настоящее время во многих странах интенсивно используется подход количественной оценки изображений сосудов для выявления сосудистой патологии в общественных скрипинг-центрах с применением автоматизированных систем распознавания образов 7ау/ог, Ае/гш, Perez-Доуй-а, S/eitYzr/).

Однако проведённый анализ существующих на данный момент программных комплексов анализа изображений кровеносных сосудов показал, что большинство из них не имеет прикладного программного обеспечения для измерешы полного набора диагностических признаков и постановки диагноза, а содержит лишь средства регистрации изображений, ведения учета диагностической информации о пациенте и наиболее часто используемые средства для предварительной обработки изображений, повышения качества и маркировки изображений. Поэтому актуальна решаемая в диссертации задача разработки систем анализа субклинических морфологических изменений, позволяющих автоматизировать этапы диагностики и осуществляющих количественный мониторинг патологических изменений сосудов.

Цель и задачи исследований

Целью диссертационной работы является создание методологии выделения диагностически значимой информации на изображениях кровеносных сосудов,

7

разработка и исследование методов, алгоритмов и информационных технологий моделирования, обработки и анализа изображений сосудистых систем, а также построение на их основе компьютерных систем медицинского назначения, обеспечивающих решение задач ранней и дифференцированной диагностики сосудистых заболеваний на основе количественной оценки их морфологических признаков.

Для достижения поставленной цели решались следующие основные здЭлчп:

1. Анализ современного состояния проблемы диагностики сосудистых патологий, выявление основных этапов обработки диагностических изображений кровеносных сосудов и определение информативных показателей клинической диагностики.

2. Создание методологии выделения диагностически значимой информации на изображениях кровеносных сосудов, включающей в себя математические модели, методы и компьютерные системы.

3. Разработка математической модели изображения кровеносных сосудов, позволяющей формализовать описание геометрических параметров и построить диагностические признаки. Разработка методов и алгоритмов повышения точности оценивания геометрических параметров.

4. Разработка системы интегральных показателей состояния сосудов на основе количественной оценки изменений кровеносных систем и методов оценивания их диагностических признаков. Анализ их эффективности в задачах диагностики состояния сосудистой системы человека.

5. Разработка информационной технологии анализа изображений сосудов глазного дна, включающей методологию формирования пространства эффективных признаков для проведения ранней диагностики и профилактики развития диабетической ретинопатии у больных с сахарным диабетом.

6. Разработка информационной технологии восстановления пространственной структуры коронарных сосудов сердца по малому числу рассогласованных ангиографических проекций, ориентированной на оценивание локальных пространственных геометрических характеристик сосудистой системы и оценивание диагностических параметров.

7. Создание методического, алгоритмического и программного обеспечения диагностических систем поддержки принятия решений врачом-офтальмологом и врачом-кардиологом.

Научная новизна работы

1. Разработан способ диагностики ранних стадий диабетической ретинопатии, методология построения количественных оценок элементов патоморфологи-

8

ческой картины глазного дна, используемых в формировании оценки степени патологии сетчатки, повышения точности измерения диагностических признаков, которые привычны для большинства врачей и могут быть соотнесены с личным врачебным опытом и результатами известных клинических исследований (Патент РФ №:223549б, 10.09.2004, Патент РФ №12343823, 20.01.2009).

2. Разработана новая обобщенная математическая модель двух классов изображений кровеносных сосудов: сосудов глазного дна и коронарных сосудов сердца, - позволяющая формализовать описание геометрических параметров и сформировать диагностические признаки сосудов глазного дна и коронарных сосудов сердца.

3. Предложен комплекс методов и алгоритмов оценивания базового набора геометрических параметров сосудов, и исследована их эффективность для различных типов сосудов.

4. Для трассировки сосудов и оценивания локальных направлений в диссертации разработан новый метод модифицированного локального веерного преобразования, основанный на анализе радиальных функций яркости в области скользящего сектора внутри окна сканирования. Ранее в работах использовалась модификация лучевого преобразования функции яркости.

5. Задача выделения центральных линий сегмента сосуда глазного дна решена на основе модифицированного вейвлет-преобразовапия с использованием ненаправленных двумерных вейвлетов, сконструированных из одномерных согласно предложенной модели сосудов. В работах других авторов не учитывалась модель сосудов, что приводило к выделению, кроме сосудов, различных арте-фактных деталей.

6. Разработана информационная технология формирования пространства эффективных признаков для анализа изображений сосудов глазного дна. На основе дискриминантного анализа проведен выбор наиболее информативной группы диагностических признаков, позволившей уменьшить ошибку классификации сосудов на группы нормы и различных стадий патологии (СД) до 2,5 %.

7. Разработана компьютерная система ранней диагностики глазных заболеваний на основе анализа изображений глазного дна, предназначенная для оценки вероятности глазных заболеваний, эффективности лечения и динамического наблюдения сосудистой патологии (Свидетельство об официальной регистрации ПО №2006610764, 26.02.2006).

8. Разработана компьютерная система восстановления трехмерной структуры коронарных артерий по ангиографическим проекциям в условиях рассогласования проекций. Основной идеей восстановления является синхронизация

9

изображений сосудов на проекциях во времени и пространстве. Новизна метода состоит в оценке направления сосуда на основе анализа пространственной интенсивности внутри сферы возможных направлений. Это позволяет получать достоверный результат восстановления при значительных рассогласованиях исходных данных (Свидетельство об официальной регистрации ПО № 2006610764, 05.12.2013. «Компьютерная система пространственного восстановления структуры коронарных артерий по ангиографическим проекциям». Свидетельство об официальной регистрации программы для ЭВМ № 2013619492, 05.12.2013. «Компьютерная система визуализации пространственной структуры сосудов сердца»).

Практическая значимость работы

В результате выполненных работ получены научно обоснованные технологические решения, внедрение которых привело к повышению качества медицинской диагностики за счёт получения объективных численных оценок диагностических параметров, позволяющих внести существенный вклад в построение экспертной оценки наличия патологии, степени се выраженности и вероятности развития.

С учётом результатов проведенных научных и практических исследований создан диагностический комплекс анализа изображений глазного дна для ранней неинвазивной диагностики сосудистой патологии, область применения которого — научные исследования, офтальмологическая и общетерапевтическая практика для ранней диагностики и оценки эффективности лечения таких заболеваний, как сахарный диабет, гипертония, атеросклероз. Использование диагностического комплекса позволяет: осуществлять количественную оценку параметров патологии микроциркуляторного русла и состояния макулярной области сетчатки; оценивать основные типы изменений микрососудов при заболеваниях (среднего диамегра, артериовенозного индекса, неравномерности диаметра, извитости сосудов и др.); проводить объективный контроль динамики изменения размеров патологических участков на последовательных изображениях глазного дна; проводить раннюю неипвазивную диагностику диабетической ретинопатии, оценивать степень патологии заболевания; проводить обучение диагностике и экспертизе сложной патологии сетчатки для врачей-офтальмологов.

Внедрение комплекса в клиническую практику приводит к улучшению качества медицинской помощи населению, заключающемуся в выявлении группы риска с быстроразвивающимися заболеваниями; повышении точности и информативности диагностики; значительном снижении затрат на лечение за счёт уменьшения количества поздних осложнений, требующих лечения в стационаре.

10

Также практическую значимость имеет информационная технология восстановления пространственной структуры сосудов с целью получения объективных количественных оценок морфологических признаков коронарных сосудов сердца.

Реализация и внедрение результатов работы

Диссертационная работа выполняясь в СГАУ и ИСОИ РАН в соответствии с планами государственных и отраслевых научных программ: региональной программы «Развитие научно-технического и инновационного потенциала Самарской области» (2001-2003); научно-технической программы «Научные исследования высшей школы по приоритетым направлениям науки и техники» (N209.01.01.060); российско-американской программы «Фундаментальные исследования и высшее образование» [гранты CRDF RUX0-014-SA-06, PG08-014-1, Ү2-М-14-07] (20032010); гранта Президента РФ поддержки ведущих научных школ [НШ-7414.2010.9] 2010 г.; ФЦП «Научные и научно-педагогические кадры инновационной России» [госконтракт№ 02.740.11.0841] 2009-2012 г.; грантов РФФИ [№ 03-01-00642, №06-07-08006-офи, № 07-08-96611-р_поволжьс_а, № 10-07-00341-а, № 12-01-00237-а, № 11-07-07016-д] 2003-2014 г.; программы № 5 фундаментальных исследований Президиума РАН «Фундаментальные науки - медицине» (2005-2011); программы № 6 фундаментальных исследований ОНИТ РАН «Биоинформатика, современные информационные технологии и математические методы в медицине» (2012—2014), а также хоздоговоров: «3DCVI Project - восстановление пространственного изображения сосудов сердца по данным процесса катетеризации», заказчик — NNT Israel Ltd. 155 Bialik St., Ramat-Gan 52523 ISRAEL (Hospital TelHashomer и HADASA (Jerusalem)) (2003); «Разработка компьютерной системы планиметрических измерений, обнаружения и анализа аномальных структур на изображениях глазногодна» с ООО «Офтальмодсл», (2003-2004); хоз. договора № 04/2008 от 01.09.2008 г. с Самарской клинической офтальмологической больницей им. Т.Н. Брошевского.

z/ /ze/c^nez/daz/z/z/ zzo zzx z/сиользоба/ш/о. Результаты работы могут использоваться учреждениями, занимающимися диагностикой заболеваний человека. Потенциальными потребителями являются больницы, диагностические центры федерального, регионального и муниципального уровня и другие медицинские учреждения, в которых используются установки для регистрации диагностических изображений сосудистой системы человека.

Разработанные в рамках исследований методы и алгоритмы анализа диагностических изображений кровеносных сосудов человека для оценки степени сосудистой патологии были внедрены в 2006 году при совместной работе с офтальмологами по созданию макетного образца ПАК «Программно-аппаратный комплекс диагностики глазных заболеваний по изображениям глазного дна» для проведения 11

научных исследований и ранней неинвазивной диагностики диабетической ретинопатии на кафедре офтальмологии ГБОУ ВПО МГМСУ им. А.И. Евдокимова Минздрава России. Также диагностический комплекс анализа изображений сосудов глаза был внедрён для проведения научных исследований, использования в клинической практике и для повышения квалификации врачей при обучении диагностике сложной сосудистой патологии на кафедре глазных болезней ГБОУ ВГ1О СамГМУ, в Самарской Глазной Клинике Бранчевского, на кафедре глазных болезней Учреждения «Госпиталь «Микрохирургия глаза» (г. Бишкек) и на кафедре медико-биологических дисциплин НОУ ВПО «Медицинский институт «РЕАВИЗ», система анализа коронарных сосудов сердца - на кафедре лучевой диагностики и лучевой терапии ГБОУ ВПО СамГМУ Минздрава России. Результаты диссертационной работы внедрены и используются в ФГБОУ ВПО СГАУ в практике научных исследований и в учебном процессе при реализации магистерской образовательной программы «Интеллектуальные системы обработки изображений» по курсу «Методы обработки биомедицинских изображений» специальности 010400.68 «Прикладная математика и информатика», по курсу «Методы и средства компьютерной обработки медицинских изображений» специальности 200401 «Биотехнические и медицинские аппараты и системы».

Методы исследования

В диссертационной работе используются методы распознавания образов, компьютерной обработки изображений, математического моделирования, математической статистики. Результаты исследований подтверждены реализацией алгоритмов в виде программного обеспечения проблемно-ориентированных систем и проведением вычислительных экспериментов на тестовых и натурных изображениях.

Научные положения, выносимые на защиту

1. Эффективным методом диагностики сосудистой патологии по цифровым изображениям глазного дна является использование в качестве интегральных показателей состояния сосудов количественных оценок описанного в диссертации глобального набора геометрических признаков.

2. Обобщенная математическая модель изображений сосудов глазного дна и коронарных сосудов сердца позволяет формализовать описание базовых геометрических параметров, оценивать их и осуществлять формирование диагностических признаков.

3. Для решения проблемы повышения точности вычисления целесообразно использовать комплекс методов и алгоритмов оценивания локальных диаметров,

12

включающий методы косвенного измерения параметров, а также аппроксимационные методы, основанные на использовании различных моделей параметрической аппроксимации яркостного профиля в зависимости от вида анализируемого сосуда.

4. Оценивание локальных направлений сосудов, а также анализ их ветвлений, пересечений и окончаний эффективно выполняется с помощью метода модифицированного локального веерного преобразования, основанного на анализе радиальных функций яркости области скользящего сектора внугри окна сканирования.

5. Метод модифицированного вейвлет-преобразовання, основанный на использовании двумерных вейвлетов, сконструированных из одномерных согласно модели сосудов, является эффективным инструментом для решения задачи выделения центральных линий сосудов.

6. Диагностический программный комплекс на основе информационной технологии анализа изображений глазного дна, включающей методы и алгоритмы формирования новых признаков и выделения с использованием дискриминантного анализа диагностически значимых групп признаков, позволяет повысить эффективность классификации сосудов на группы: «норма» и 4 стадии диабетической ретинопатии.

7. Система анализа коронарных сосудов сердца, основанная на информационной технологии восстановления пространственной структуры коронарных сосудов по малому числу ангиографических проекций, позволяет в условиях рассогласования проекций осуществить оценивание пространственных геометрических характеристик сосудистой системы сердца и сформировать диагностические признаки.

Достоверность результатов

Достоверность полученных выводов и рекомендаций обеспечена корректностью использования математического аппарата статистического анализа и цифровой обработки изображений, стабильной воспроизводимостью результатов, доказанной при обширных систематических экспериментальных исследованиях на тестовых и натурных изображениях. Достоверность полученных в работе экспериментальных результатов обеспечена на уровне 95 % проведением вычислительных экспериментов и компьютерных расчётов с достаточными объёмами выборки и подтвержденными результатами клинических испытаний методов диагностики в условиях медицинского учреждения.

Апробация работы

Основные результаты и положения диссертации были представлены на 27 конференциях, в т.ч.: 12th Scandinavian Conference on Image Analysis (Берген,

)3

Норвегия, 2001); конференции на 7-й Международной выставке «Samara MedExpo 2002)> (Самара, 2002); 7th International Conference on Pattern Recognition and Image Analysis: new information technologies, PRIA-7-2004 (Санкт-Петербург, 2004); 7th International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI 2004-Conference), Rennes - Saint-Malo, France, 2004; 15th European Signal Processing Conference, EUSIPCO 2007, Poznan, Poland; 8th International Conference on Pattern Recognition and Image Analysis: New Information Technologies» (PRIA-8-2007); 13th European Signal Processing Conference EUSIPCO 2005, Antalya, Turkey, 2005; XVI Международной конференции «Лазерно-информационные технологии в медицине, биологии и геологии - 2008», Новороссийск, 2008; конференции Президиума РАН «Фундаментальные науки - медицине», 2010; 8th Open German-Russian Workshop «Pattern Recognition and Image Understanding», OGRW-8-2011, Nizhny Novgorod, 2011; XXV Всероссийской научно-технической конференции «Биотехнические, медицинские и экологические системы и комплексы», Рязань, 2012; 11th International Conference on Pattern Recognition and Image Analysis: New Information Technologies» (PRIA-11-2013), Самара, 2013; VI Международной научно-практической конференции «Высокие технологии, фундаментальные и прикладные исследования в физиологии и медицине» (ФизиоМедиб), Санкт-Петербург, 2014.

Публикации

Автором лично и в соавторстве опубликовано 123 научные работы. Основное содержание диссертационной работы отражено в 80 публикациях: 35 статьях в изданиях, рекомендованных ВАК; 3 монографиях; 8 свидетельствах об официальной регистрации программ для ЭВМ; 2 патентах на изобретение, 32 тезисах докладов на международных н всероссийских конференциях.

Личный вклад автора

Результаты, изложенные в диссертации, получены лично автором, вклад автора в работах, написанных в соавторстве, заключается в разработке математических методов анализа диагностических изображений кровеносных сосудов, проведении вычислительных экспериментов. Постановка задач и обсуждение результатов проводились совместно с научным консультантом.

Структура работы

Диссертация состоит из введения, пяти глав и заключения, изложена на 346 страницах, содержит 177 рисунков, 85 таблиц, 9 приложений. Список литературы составляет 325 наименования.

14

ГЛАВА 1. МЕТОДЫ АНАЛИЗА КРОВЕНОСНЫХ СОСУДОВ ЧЕЛОВЕКА. ОБЗОР ЛИТЕРАТУРЫ

В диссертационной работе исследования направлены на анализ диагностических изображений кровеносной системы, которую можно охарактеризовать как древовидную структуру. Кровеносные сосуды, представляющие собой систему замкнутых трубок различного диаметра, осуществляют транспортную функцию, регулирующую кровоснабжение органов и обмен веществ между кровыо и окружающими тканями. В соответствии с направлением тока крови кровеносные сосуды разделяются на артериальные и венозные и проявляют себя как продолговатые объекты, видимые вместе с их ответвлениями на диагностических изображениях. Ширина сосудов может варьироваться в широком диапазоне от одного до двадцати пикселей, в зависимости от физической ширины сосуда и разрешения изображения.

Список литературы диссертационного исследования кандидат наук Ильясова, Наталья Юрьевна, 2015 год

j. - -

юяощн, мазните F1

Рис. У 4. 77ользо8итиельский мн/и%и/)ейс Z7K еjpej/ctcMe ллан%ме?и/?мческнх мсслеЭоеаимй Эини?мики изменений елизноео Эни

Инфо + 9 X

Параметр { Значаще

а^...

728.84...

102.00...

116.00...

1

7

. 7

0.000632

0.005780

0.486222

0.4868S4

0.492002

1.1S6729

0.000000

Парамстм-Ю

Инфо+ [ Саойс i Спектр 2 ]

254

Увеличение изображения дает пользователю возможность выполнять те же действия, что и на целом изображении, но с большей точностью: устанавливать и изменять опорные точки, задавать и изменять области на изображениях, измерять углы.

f мс. 5. 5. 77ри?исры мсмользоеаимя лользоеа/иельскоао /7К

6 илал^етлричсскмх исследований

обеспечения хранения ин^ор^иа^ми и Дотирования он7че'и7ов

Система предназначена для ввода, хранения и передачи данных между системами программного комплекса и формирования отчётов.

Важной функцией системы является ввод изображений в систему, их предварительная обработка для повышения качества. В системе имеется возможность выполнить ряд преобразований изображений: сглаживание, ранговая фильтрация, блоковое выравнивание яркости, выравнивание яркости с контрастированием, регулировка яркости и контраста, повороты, зеркальные отражения и негатив. Имеется возможность предварительного просмотра результатов преобразования до сохранения и просмотр фрагментов изображения в различном масштабе. Ввод информации о пациентах и их визитах реализован в графическом интерфейсе в виде набора форм (рис. 5.6). Форма для отображения списка пациентов, внесенных в базу данных, имеет возможность добавления, удаления и редактирования информации о пациентах. Форма для отображения списка визитов пациента к врачу с соответствующими изображениями глазного дна обеспечивает возможность добавления, удаления и редактирования информации о визитах пациента и его изображениях. Здесь же можно произвести ввод изображений из внешних источников и предварительную обработку. Через данную форму осуществляется выбор изображений для работы с остальными системами ПК.

255

Рис. J. 6. ТТользоеа/иельскми мн/иерфейс смстмаиь/ с беобо.м иифо/^ацим о иацмен?ие

В ПК предусмотрено три способа хранения изображений: на локальном диске, на сетевом диске и в базе данных. Хранение прочей информации, включая обучающий и тестовый наборы изображений, информацию о пациентах, результаты обработки и диагностические данные, осуществляется с использование БД. При разработке ПК применялась БД Microsoft SQL Server 2012 с использованием языка запросов Т-SQL. БД включает 14 связанных таблиц. Работа с БД включает в себя добавление, редактирование и удаление записей из таблиц с учетом их связей и поддержки ссылочной целостности всей базы. Например, при удалении одной записи из таблицы пациентов необходимо удалить все его визиты и области, заданные на изображениях его глазного дна. Структурная схема системы обеспечения хранения информации и формирования отчётов представлена на рис. 5.7, пример фрагмента отчета -на рис. 5.8.

Смс/иама классификации и Эмааиос/имческмх исслеЭобяима

Система предназначена для проведения исследований, корреляционного и дис-криминантого анализа данных, для обучения классификатора и проведения диагностики. Для обеспечения возможности проведения необходимых исследований ПК предоставляет средства проведения корреляционного и дискриминантного анализа для формирования пространства более информативных признаков, средства формирования оптимальной обучающей выборки признаков по критерию эффективности разделения по степени патологии для настройки классификации, средства кластерного анализа для фильтрации обучающей выборки с целью получения нормативных значений признаков по группам патологии. ПК также обеспечивает пользователю возможность управлять процессом проведения исследований. Взаимодействие пользователя с программой осуществляется через систему ввода-вывода, которая позволяет

256

сохранять и загружать выборки, отображать двумерные и трехмерные графики взаимного расположения данных, задавать параметры для работы различных систем. Для настройки системы диагностики выборка, сформированная для обучения классификатора, на предварительном этапе поступает в систему фильтрации, которая предназна-

чена для удаления недостоверных данных.

Пользователь

Система хранения информации и формирования отчётов

Гис. Э. 7. Структиурная схама смсже.мы обеспечения хранения

м фор.ммрозпимя о/ичё/иоз

Пользователь имеет возможность выбирать параметры кластеризации: метод кластеризации, число кластеров. Система фильтрации проводит кластеризацию данных, рассчитывает критерии модальности [307] и на основании этих данных фильтрует значения выборки. На следующем этапе отфильтрованная выборка поступает в систему формирования более эффективных признаков, где осуществляется дискриминантный анализ данных и определение формул расчёта новых признаков. В момент проведения непосредственной диагностики указанная система служит для формирования новых признаков и выборки с данными, предназначенными для классификации.

В системе классификации по обучающей выборке проводится настройка классификатора и оценивается ошибка классификации (рис.5.9).

257

Карточка компьютерного исследования

Признаки сосудов

Номер сосуде 1 2 3 5 6 7 s 1 9 10

Тип сосуда Артерия Артерия Артерия Вена Артерия Вена Вена Вена Вена Вена

Уровень 1 2 1 2 1 1 1 1 1 1

Ляина 417,676 396,620 331,028 193,577 391,057 332,864 246,164 440,621} 237,324 854,311!

Прямолинейность [,049 1,073 1,075 1,063 1,032 1,025 [,050 1,046^ [,03[ [,0S9 i

Извилистость 0,452 0,556 0,561 0,514 0,360 0,320 0,454 0,436^* 0,353 0,614

Амплитудные колебания трассы 23,124 52,227 42,697 16,121 3,114 7,289 5,719 32,007] 12,782 6"?,06?

Частота колебания трассы 0,020 0,011 0,013 0,032 о,п:' 0,044 0,079 0,014* 0,028 0,009

Извилистость толщины 9,429 7,946 31,908 12,458 H.13[t [3,482 20,795 9.906 19,973 олс

Средний диаметр 8,328 12,909 15,276 10,988 11,290 19,S14 22,166 12,153 11,837 15,520

Чёткообразносгь 26,218 34,527 47,079 25,666 22,252 [5,340 21,2С 1S.440 3S.221 20,8^2

Амплитудные колебания толщины 1,544 3,152 5,085 1,994 1,776 2,149 3,324 1,585' 3,199 2,291

Чьстотиж иолсбьшч толщины 6,Ю7 2,52[ 6-275[ 6,247 6,266 6,273 6,256 6,25[ 6,243 0,047

Венулы ) порядка

!пр. Балл Пр Балл ; пр. [ Балл Пр. Балл

1. 1 i-owli 2 1 0,614 Ji 2 t 67,067 ! 0 } 0,009 0

2. ][,025] 0 0,320 ) о 1 7,289 0 [ 0,044 0

3 }1050[] 1 1 0,454 Jl * 1 5,7[9 0 i 0,0'9 0

4. )1,04б; ° 1 0,436 ji 132,007 С 4 - Ў0.0145 1

5. 1,031 0 0,353 1 0 12,782 0 3

46Ttoo5pin<o<:iJ

Пр Балл Г Пр. Балл Пр Балл ; п^ Балл Пр Балл

15,520 0 20,872 0 0,047' 0

[3,482 0 3 15,340 0 : 2,149' 0 {6^73 i 0

То,795 0 3 21,207 0 '3324 0 6.256, 0

9,906 0 12,153 0 18,440 0 1585 0 '6,251 0

19,973 0 11,83^ 0 38,221 0 3.199 0 6,243 0

Венупь)Ч порядка

Имя ' 1 Изьнлистс^ть кам 2 Ч'^'^ссы*- '1 ' , Пр. ' Балл ' '""10.988 0 25.666 0 6^^ Пр

_Пр 1,063 0 Пр. 16J21 ецм ' 3 12,458 0 1 Пр. ] Балл

1,994 0 }6,247 ! 0

Артериолы) порядка

Имя Извилистость '""нит"" толщины Чстьоо6рьзиость1

Пр Балл Пр Балл Пр ! Балл i Пр ! Балл Пр Балл , Пр Балл Пр * Балл Пр Балл ' Пр Батл

1 3 0,452 0 23,124 0 гаВГ; 2 9,429 0 ]' 8^28д] 4 26,218 ' 0 1.544 0 '6.107 ! 0

' 2. 4 0,561 0 42,697 0 ИЖ - -* 31.908 0 [5,276' 0 i 47,079 ' 0 ' 5,085 0 6,275 0

3 1,032 0 0,360 0 ' 3,[[4 0 l0.[[5l 0 11,131 0 '[[,290' 0 1 22,252 ! 0 1,776 i 0 6.266 0

Артериолы)) порядка

Иьм Извилистость ^'оХи.^ссы'"' ' 4'ни^ссы'' 1 Чбжхюризи.сть Ч^г""тины

Пр. Балл Пр. Балл Пр. Балл 'Пр. Балл Пр. {Балл Пр. Балл Пр. 'Балл ' 1 Баял Пр. Балл'

1 1,073 0 0,556 0 52,227 0 Жй 1 7,946 0 12,909 0 34,527 [ 0 3,)52' 0 '2,521 ) 0 '

Эндотелиальные факторы

Эндотелиальный фактор Эвдотелид, фмрж л N02, ммддь^л ' 1РА.щмл s\ CAN1, ИГ мл Фактор Виллебранда, %

Значение[

Бал патологни[ '

Суммарная оценка

i Группы факторы ' Средний балл патологий

ВЫМЯ 1 порцжь ' 2,20

Векуды П порядка 2,33

Артериолы 1 порядка 3,33

'Артериолы П порядка } 1,00

'Эндотелиальные фетторы! 0.00

Всего 2,35

Рис. 77/?^^/? с^о/?лш/?<?са7///<92О о^ичёим

258

! Сахржяитж ! ) Кластер****** ]

ж Классификация В

Вид ядра Полином ИМ - ;

1 ЗИХХХЮО

{ Целема ЗОСССЮО

Определс.пьмрзмЕгрмядрл ?

j Искази* 2D Комплексное!* j 0 ОООСМЗ

; Покмат* 3D j Определи!* комплексность ]

Сой R*bo Ро* ) 1.000СООС

СоЯ Ratto Seg { 0000000

} Оммбч Т.чжет. 1 0.ЮОЯ01

005!48 :Клаео*фмцмромть^

о ЖЖ

ж

Амплитудные колебания толщины

I ° Н - СИ . Ю ° СД! . <ЛЛ

W Трехмерное

[ Сожрдмигь } Наоройкм ^7

J*MC. J.9. /Тользобатиельскма ми/иер^еис смс/иел/м анализа данных.

Пользователь имеет возможность задавать параметры классификации, а также выбирать, по каким признакам будет проводиться классификация: исходным или вновь сформированным. Классификация осуществляется по методу опорных векторов. Система анализа данных служит для формирования диагностического решения, а также нормативных значений признаков для каждого вида патологии сосудов. Таким образом, интеллектуальный анализ данных позволяет пользователю получать степень патологии, нормативные значения признаков для каждой степени патологии заболевания, а также вероятность развития данного заболевания как близость каждого вектора признаков сосуда к нормативным значениям. Полученный результат обработки данных можно сохранить через систему ввода-вывода (рис. 5.10).

Программно-аппаратный комплекс диагностики глазных заболеваний

по изображениям глазного дна

Описанный выше ПК входит в программно-аппаратный комплекс (ПАК), разработанный совместно с кафедрой офтальмологии Медико-стоматологического университета г. Москвы. Назначение ПАК - анализ изображений глазного дна, оценка вероятности глазных заболеваний, эффективности лечения и динамического наблюдения. В основе программно-аппаратного комплекса лежит методология построения количественных оценок элементов патоморфологической картины глазного дна, используемых в формировании оценки степени патологии сетчатки; повышения точности измерения относительных величин, которые привычны для большинства врачей и могут быть соотнесены с личным врачебным опытом и результатами известных клинических исследований. Объектом исследования являются диагностические изображения глазного дна, получаемые с помощью устройства ввода изображений в ПЭВМ, позволяющего использовать любой источник телевизионного видеосигнала (телекамера, видеомагнитофон и т. д.). Цель ПАК - научные исследования и применение в клинической практике для проведения ранней диагностики сосудистых заболеваний.

259

1

Пользователь

Система ввода и вывода

-----------------

Загрузка и сохранение выборок

,______________________________________.

Л —

Отображение и сохранение двумерных и трехмерных графиков взаимного расположения данных

j Организация пользовательского

Система Формирования более эффективных признаков

Дискриминантный анализ

Z)

Модуль преобразования признаков J

интерфейса

' ' Резу обра 1 Выб

Система Фильтрации выборок

Параметры \ кластеризации /

^^зметры вь^—

Система Анализа данных

( Кластеризация пространства признаков)

Расчёт критериев модальности гистограмм выборок

С Интеллектуальный анализ данных

/* \ }

I Формирование нормативных значении j

7

1

j

i

/^мс. j. 70.смсуисмм м Оиа^остимчесжмх исслеЭобпнип

Комплекс предназначен для количественной оценки прижизненных изменений микроциркуляторного русла (конъюнктивы и глазного дна). Он включает в себя оригинальные методы оценки морфологических параметров микрососудов и программный комплекс для анализа биомикроскопических изображений. Функциональные возможности:

1. Ввод и предварительная обработка изображений глазного дна.

2. Количественная оценка параметров патологии микроциркуляторного русла и состояния макулярной области сетчатки.

3. Оценивание основных типов изменений микрососудов при заболеваниях: среднего диаметра, артериовенозного индекса, неравномерности диаметра, извитости сосудов и др.

4. Объективный контроль динамики изменения размеров патологических участков на последовательных изображениях глазного дна.

5. Оценка степени патологии.

6. Автоматическое ведение базы данных по пациентам, изображениям и измерениям. Области возможного применения - общетерапевтическая, акушерская, офтальмологическая практика для ранней диагностики и оценки эффективности лечения сосудистых заболеваний.

260

Адок ббоЭя/иолученмя %м</ү?обых мзоб/7яок?енми адазноао Эно. Диагностический комплекс состоит из следующих блоков: блок для получения цифрового изображения, блок для ввода, обнаружения и распознавания элементов картины глазного дна и оценки параметров патологии микроциркуляторного русла. Первый блок предназначен для ввода цифровых изображений, анализируемых при исследовании глазного дна. Имеющие диагностическую ценность изображения получаются с помощью устройства ввода изображений в ПЭВМ, позволяющего использовать любой источник телевизионного видеосигнала (телекамера, видеомагнитофон и т. д.). Для преобразования оптического изображения в цифровое произведена адаптация цифровой камеры Nicon Coolpix - 950 к ретинофоту Karl Zeiss RCS 310 с помощью специально разработанных адаптера и светоделительного блока (рис. 5.11), основные требования к которым представлены в приложении И.

Рмс. 5.77. Дма27/ос/имческмм комплекс Эля мсслеЭоеанмя адазноао Эно

5.4. Программный комплекс реконструкции и анализа пространственной структуры коронарных сосудов «CardiOffice»

Общее описание и ха/?аки?ерпс/иика 7776 «Сагб/'О)?/се^

Информационная технология реконструкции и анализа пространственной структуры коронарных сосудов на основе данных рентгеновской ангиографии реализована в инструментальном программном комплексе «CardiOffice». ПК «CardiOffice» предназначен для решения задачи численного моделирования, оценивания геометрических параметров и визуализации пространственной структуры дерева сосудов на основе данных ангиографических исследований коронарных сосудов.

ПК обладает следующими функциональными возможностями:

1. Чтение данных ангиографических исследований коронарных сосудов в формате DICOM v.3.0.

2. Моделирование геометрических параметров съемки, компенсация геометрических искажений и синхронизация проекций.

261

3. Численное моделирование и оценивание геометрических параметров пространственной структуры коронарных сосудов.

4. Визуализация пространственной структуры коронарных сосудов.

ПК реализован в виде набора функциональных модулей, реализующих отдельные этапы процесса реконструкции (под реконструкцией пространственной структуры понимается численное моделирование и оценивание параметров пространственной структуры дерева сосудов по данным ангиографических проекций (D1C0M-фильмы проекций)) коронарных сосудов, которые могут быть использованы как самостоятельные системы для решения соответствующих задач вне ПК. Разработанные в ходе диссертационного исследования методы и алгоритмы обработки и анализа изображений сосудистых систем легли в основу четырех подсистем ПК «CardiOffice»:

1. /7оЭспсшелю! обработки ехобных банных.

Осуществляет чтение файла данных в формате DICOM и преобразование данных во внутренний формат системы.

2. /ц?ебеярпн?ельлой обрлбо/икп.

Осуществляет временную синхронизацию проекций, геометрическую компенсацию изображений проекций. Включает ряд стандартных алгоритмов повышения качества изображений.

3. /7обс1/с/неша л;о<3ел?ц?о(?лиия.

Состоит из двух модулей: модуля геометрической привязки проекций и модуля трассировки. Осуществляет моделирование геометрических параметров съемки. Реализует численное моделирование и оценивание геометрических параметров пространственной структуры коронарных сосудов.

4. /7обснсн1елт бизуллмзацш/.

Осуществляет визуализацию пространственной структуры коронарных сосудов, используя средства графической библиотеки Open GL.

ПК «CardiOffice» реализован на платформе .Net Framework 3.5, язык реализации - C# 3.0, интегрированная среда разработки - Microsoft Visuai Studio 2008. Рекомендуемые системные требования:

- операционная система - Windows ХР SP2+;

* .Net Framework 3.5+;

- минимум Pentium IV 2.0 ГГц;

- минимум 512 Мб ОЗУ;

* минимум 50 Мб свободного места на диске.

Результаты всех численных исследований, приведенные в главе 3, получены с использованием ПК «CardiOffice».

Функциональные /н/?ебоб'оння

На этапе проектирования к ПК предъявлены следующие функциональные требования:

262

1. Входными данными системы являются данные процесса коронарографии в формате DICOM v.3.0.

2. Максимальная автоматизация процесса реконструкции. Наличие возможности ручной корректировки параметров работы алгоритмов. Сохрапенпе/восстанов-лсние параметров работы алгоритмов.

3. Возможность работы алгоритмов на наборах «рассогласованных)) данных, то есть в условиях, когда съемка различных проекций осуществляется последовательно.

4. Устойчивость работы системы при наличии геометрических искажений и низкого разрешения результирующих изображений проекций.

5. Реалистичная визуализация результата восстановления пространственной структуры коронарных сосудов. Возможность просмотра пространственного расположения проекций.

6. Сохранение/восстановление результатов реконструкции пространственной структуры коронарных сосудов. Возможность просмотра численных значений результирующих моделей (включая модель геометрии съемки).

7. Дружественный пользовательский интерфейс.

Следует отметить, что первоначальное требование полной автоматизации процесса реконструкции было ослаблено вследствие существенной неопределенности, возникающей на этапе согласования проекций.

Оипсл/и/е бхоЭиых Эянных. На вход системы подаются данные рентгеновских ангиографических исследований коронарных сосудов в формате DICOM v.3.0.

DICOM (Digital Imaging and Communications in Medicine - цифровые изображения и обмен ими в медицине, зарегистрирован под названием NEMA PS3) является совместной разработкой Американского института радиологии ACR (American College of Radiology) и Национальной ассоциации производителей электрического оборудования NEMA (National Electrical Manufacturers Association) и предназначен для обмена изображениями лучевой диагностики и сопутствующими им данными [278, 279]. DICOM-это основной индустриальный стандарт для передачи радиологических изображений и другой медицинской информации между компьютерами, опирающийся на стандарт Open System Interconnection (OSI), разработанный Международной организацией по стандартам (International Standards Organization, ISO). Поддерживается основными производителями медицинского оборудования и медицинского программного обеспечения. Стандарт DICOM описывает «паспортные)) данные пациента, условия проведения исследования, положение пациента в момент получения изображения и т. п., для того чтобы впоследствии было возможно провести медицинскую интерпретацию данного изображения. В данный момент базируется на протоколе TCP и имеет трехуровневый протокол — нижний, сразу над TCP -DUL, над ним - DIMSE и собственно сам DICOM.

263

Стандарт DICOM является полным коммуникационным стандартом, включающим в себя описание базовых сервисов двустороннего обмена информацией, связанной с изображениями, а также спецификацию обмена самими изображениями.

Протокол коммуникации DICOM использует TCP/IP для общения между системами передачи медицинской информации. Файлы DICOM могут быть обменены между двумя объектами, которые способны получать изображения и данные о пациенте в формате DICOM. Стандарт позволяет организовать цифровую связь между различным диагностическим и терапевтическим оборудованием, используемым в системах различных производителей. DICOM позволяет производить интеграцию рабочих станций, компьютерных (КТ) и магнитно-резонансных томографов (МРТ), микроскопов, УЗ-сканеров, общих архивов, хост-компьютеров и мэйнфреймов от разных производителей, расположенных в одном или нескольких городах, в единую систему передачи и архивирования медицинской информации с возможностью обмена информацией с использованием открытых сетей по стандартным протоколам, например, TCP/IP.

Файл данных в формате DICOM v.3.0, получаемый в результате процесса коронарографии, содержит информацию о геометрии съемки проекций, кардиограммы, а также фильмы проекций. Модуль обработки входных данных осуществляет чтение файла данных, извлечение и преобразование данных о геометрии съемки и фильмов проекций во внутренний формат системы, используемый модулями системы.

J/wz/wewwjyw J7/C. В основу архитектурного дизайна ПК «CardiOfficc» положены парадигмы компонентно-ориентированного программирования с применением стандартных паттернов проектирования ПО (МУС, delegate, facade, builder и др.). Выбранный подход обеспечивает максимальный уровень абстракции программных компонент, функциональной изоляции модулей ПК и полностью соответствует парадигмам, применяемым при разработке ПО на платформе MS .Net 3.0+.

На рис. 5.12 представлен высокоуровневый дизайн системы «CardiOffice».

В соответствии с разработанной информационной технологией функциональность ПК разбита на 4 изолированных подсистемы: подсистема обработки входных данных, подсистема предварительной обработки, подсистема моделирования, подсистема визуализации. За исключением последней, все подсистемы реализованы в виде консольных приложений MS Windows, поскольку в процессе выполнения нс требуют вмешательства пользователя. При этом параметры тех или иных алгоритмов задаются вектором аргументов при запуске приложений. Помимо этого, ПК содержит графическую оболочку, объединяющую все вышеперечисленные модули в единый логически связанный программный продукт. Пример графической оболочки ПК «CardiOfficc» приведен на рис. 5.13. За счет выбранного модульного подхода к построению системы достигается максимальное логическое разделение представления (пользовательского интерфейса) от модели (бизнес-логики) приложения, за счет чего обсспсспечивается высокая масштабируемость и гибкость системы.

264

G? Я й 4 И И > и и

Chy She --ь Sue?

А, ,* я

< >

XR^y Tube Cuffent

Рис. J. 72. //химическая оболочка ТЖкСаг^Оў/се^

77odcacweAfa об/?або/ики сходных банных. Подсистема обработки входных данных предназначена для чтения данных в формате DICOM и извлечения необходимой информации о геометрии съемки и фильмов проекций. В результате формируется структура данных, описывающая совокупность доступных проекций. Структурная схема подсистемы представлена на рис. 5.14.

Подсистема реализована в виде консольного приложения MS Windows. Ниже приведен пример использования и описание параметров исполняемого модуля.

> cvi-toolkit-input.exe input output [params]

input — полный или относительный путь к DICOM-файлу;

output - полный или относительный путь к папке для сохранения результата преобразования данных;

params - полный или относительный путь к текстовому файлу, содержащему параметры работы модуля, опциональный параметр.

Подсистема содержит классы, реализующие функциональность согласно спецификации формата DICOM версии 3.0, обеспечивает возможность чтения файла данных в формате DICOM, извлечение требуемых данных и преобразование во внутренний формат, используемый остальными модулями системы. Выходные данные содержат текстовый файл описания геометрии съемки, текстовый файл описания фильма проекций, набор изображений кадров фильма проекции в формате 8-bit Grayscale Bitmap.

265

QpiCOM-

Параметры системы 7

4*

ПК "CardiOffice"

Подсистема работы с DtCOM

<---------- \ ------------------

Файлы данных X

\_____съём ми___/

Подсистема предварительной обработки

С Файлы данных у

X съёмки у

+

Подсистема моделирования

Модуль геометрической привязки проекций

"Г Описание 3D 'i

^геометрии проекций^ 't Модуль пространственной трассировки

*

Фаил дерева \ сосудов У Г

Подсистема визуализаций

(

X__

Рис. J. 73. (%Н/ОЯ С7?^ук/И^у?7^оя схслм ///<* «Саг<7/(?ў?сс^

Т7оЭспс/77ел/а л/?еЭоб/?аб<э7ики. Подсистема предварительной обработки предназначена для конкретизации данных съемки, полученных в результате работы подсистемы обработки входных данных. Подсистема осуществляет выбор единственного кадра фильма для каждой проекции посредством анализа фазы сокращения сердца на последовательности кадров. Выбранные кадры подвергаются процедуре повышения качества. Данной подсистемой также осуществляется выбор на каждой проекции начальной точки и начального вектора, предназначенных для дальнейшей геометрической привязки проекций. В результате формируется структура данных, содержащая уточненную информацию о доступных проекциях. Структурная схема подсистемы предварительной обработки представлена на рис. 5.15.

Подсистема реализована в виде консольного приложения MS Windows. Ниже

приведен пример использования и описание параметров исполняемого модуля.

> cvi-toolkit-preprocess.exe input output [params]

intput — полный или относительный путь к папке для чтения результата преоб

разования данных;

output — полный или относительный путь к папке для сохранения результата предобработки данных;

params - полный или относительный путь к текстовому файлу, содержащему параметры работы модуля, опциональный параметр.

266

Пользователь

/

Файл данных

съемки

Рис. J.74. Стидукти^рная cxcjwa иоЭсмс/исл/ы обрабоАикм схоЭнь^х da/п/мх

' Пользователь

Файл параметров )

Файл данных съёмки

\ /

Подсистема предварительной обработки

Определение фазы сокращения сердца и выбор кадров в фазе максимального расширения

____________________________________________________________?

Повышение качества изображений проекций: фильтрация, эквализация, компенсация центральных проекций

р---------------------------------------------------

Определение общей (базовой) точки на проекциях. Определение

базового вектора

V"________________-_________________________________У

Файл данных съёмки }

Рис. 7 J. 77ЬЭсмс/исл7й иреЭ<?^у?м?исльном

Подсистема содержит классы, реализующие алгоритм компенсации геометрических искажений проекций, а также стандартные алгоритмы обработки и повышения качества изображений.

267

77оЭсмсшел/а мо<)ел?%?обднпя. Подсистема моделирования состоит из двух основных программных модулей: модуля геометрической привязки и модуля пространственной трассировки. Модуль геометрической привязки формирует геометрическое описание проекций в трехмерном пространстве на основе информации о геометрии съемки, базовых точках и направлениях для проекций. Модуль пространственной трассировки осуществляет построение пространственной модели дерева сосудов. Структурная схема подсистемы моделирования представлена на рис. 5.16.

Подсистема реализована в виде консольного приложения MS Windows. Ниже

приведен пример использования и описание параметров исполняемого модуля.

> cvi-toolkit-modeling.exe input output [params]

intput — полный или относительный путь к папке для чтения результата предобработки данных;

output - полный или относительный путь к папке для сохранения результатов восстановления пространственной структуры;

params — полный или относительный путь к текстовому файлу, содержащему параметры работы модуля, опциональный параметр.

Пользователь

^Файл параметров^

^Файл данных съёмки^

Л

Подсистема моделирования

Рмс. 5. /6. С/ирук/щул/ыя схелм яоЭсмс/ие.мы

268

Подсистема содержит классы, реализующие алгоритмы синхронизации, геометрической привязки проекций и пространственной трассировки. Результат работы алгоритмов сохраняйся в виде набора текстовых файлов, содержащих описание геометрии проекций, пространственную модель дерева сосудов и изображения проекций.

Подсистема визуализации использует графический API OpenGL 2.0 для рендеринга пространственных моделей и позволяет осуществлять:

1. Загрузку данных, полученных в результате работы модуля восстановления.

2. Визуализацию пространственной структуры модели. Пользователь имеет возможность вращения, перемещения и изменения масштаба модели.

3. Визуализацию пространственной геометрии проекций.

4. Управление детализацией модели за счет использования параметризованных сплайнов при визуализации стенок модели.

Просмотр «сырых)) данных модели и узловых точек пространс!венной струк-

туры. Структурная схема подсистемы визуализации приведена на рис.5.17.

Файл данных съемки

/ \

[ Файл дерева сосудов^

1

1

Подсистема визуализации

Рендеринг 3D структуры дерева сосудов

г *\

Рендеринг сырых данных 3D структуры дерева сосудов

_______________________

Г )

Рендеринг проекций,

F«c.5.77. Си?/?ук,щриая слана еизуалмза:/па

Использование цвета и функций освещенности позволяет построить 3D изображение, которое выглядит очень реалистично. Подсистема позволяет выполнять произвольные преобразования 3D сцены, а именно: перевод, поворот и масштабирование, что позволяет наблюдать дерево в различных ракурсах. Для визуализации дерева сосудов выполняется рекурсивный LR-алгоритм обхода с использованием модуля визуализации сегмента, соединяющего узел с его родительским узлом. Каждый сегмент представляет собой перечень разделов, каждый из которых содержит следующую информацию: пространственные координаты, радиус сосуда в каждой точке дерева и вектор направления. Указанная информация достаточна для строительства гладкой (на основе сплайн пространственных кривых) модели сердечно-сосудистой системы. Подсистема реализована в виде приложения MS Windows, а также интегрирована в графическую оболочку ПК. Пример графического интерфейса подсистемы приведен на рис. 5.18.

269

МДЛИ1ИШ.1,№!Ж!Я!тжжж^..; . ... xj

ЕЬ Toob ^1м Help

SlM count

Stodt count [O

Scaia factot

-J-----------F*

-Orthogonal rotatfon/movment-i Rotate Move

-Rotate about. —

j W FPS

Рмс. J. 7& 77рим^р графического ин/иерфсйсаиоЭсис/иелгы

Таким образом, в основе разработанных программных комплексов лежат методы автоматизированного анализа и распознавания сосудистых систем, методы оценивания их геометрических параметров, методы формализации признаков, исследование их диагностической ценности. Разработанные методы сосудистого анализа позволяют не только выделить из множества сосудов группы нормы и патологии, но и провести классификацию на отдельные группы заболеваний. С помощью разработанных ПК были проведены все экспериментальные исследования, описанные в главах 2^.

5.5. Выводы к главе 5

L Анализ существующих на данный момент программных комплексов анализа изображений сосудистых систем выявил их основные преимущества и недостатки. Прикладное обеспечение у большинства таких комплексов не имеет возможности автоматизированного анализа изображений, измерения диагностических признаков, постановки диагноза, а содержит лишь средства регистрации изображений, ведения учета диагностической информации о пациенте и наиболее часто используемые средства для предварительной обработки изображений, повышения качества и маркировки изображений. В отличие от европейских аналогов представленный в диссертации ПК дает возможность анализа субклиниче

270

ских морфологических изменений, позволяет автоматизировать этапы диагностики и осуществляет количественный мониторинг патологических изменений сосудов. Особенностью является использование элементов экспертных систем: базы данных диагностических признаков, корреляционного, дискриминантного и кластерного анализа с отбраковкой недостоверных данных, прогноз степени патологии на основе экспертных оценок.

2. В задаче анализа сосудов глазного дна и коронарных сосудов сердца на основе предложенных методов оценивания локальных и глобальных признаков формализованы диагностические признаки, что позволило определить количественное выражение этих признаков и создать программные комплексы диагностики заболеваний. Разработанные в диссертации программные комплексы по своим функциональным возможностям удовлетворяют потребностям медицинской практики ранней неинвазивной диагностики сосудистой патологии на основе количественного оценивания различных морфологических параметров сосудистых систем. Информационная технология анализа изображений сосудов глазного дна реализована в проблемно-ориентированном ПК «OphthalmOffice». Информационная технология анализа изображений коронарных сосудов реализована в проблемно-ориентированном инструментальном ПК «CardiOffice».

3. В задаче анализа кровеносных сосудов глазного дна разработанный ПК анализа изображний глазного дна позволяет проводить раннюю диагностику диабетической ретинопатии, а также на основе предложенных в диссертации подходов оценивания морфологических признаков решать задачу повышения точности оценивания локальных геометрических параметров, формирования новых и эффективных признаков диагностики сосудистых патологий.

4. Тестирование практической работоспособности разработанных ПК проводилось на достаточных объёмах тестовых и натурных изображений, гарантирующих достоверность в 95 % и стабильную воспроизводимость полученных результатов. Предложенные в диссертации комплексы программ использованы в медицинской практике для дифференциальной диагностики сосудистых заболеваний, о чем свидетельствуют соответствующие документы.

27!

ЗАКЛЮЧЕНИЕ

В диссертации разработана обобщенная математическая модель диагностических изображений кровеносных сосудов, а также методы, алгоритмы и информационные технологии формирования набора диагностических признаков, и на их основе созданы автоматизированные системы диагностики сосудов глазного дна и коронарных сосудов сердца.

Основные результаты работы

L Проведён аналитический обзор основных методов цифрового анализа изображений сосудов, а также систем диагностики сосудистых патологий, выявлены их достоинства и недостатки. Показана необходимость количественного анализа диагностических изображений глазного дна и коронарных сосудов сердца, разработки новых и эффективных морфологических признаков диагностики и методов их оценивания, а также создания на их основе автоматизированных систем диагностики. Разработана методология анализа сосудов, основанная на построении количественных оценок их характеристик, определены диагностические признаки сосудов, являющиеся наиболее информативными показателями клинической диагностики.

2. Создана методология выделения диагностически значимой информации на изображениях кровеносных сосудов, основанная на новой обобщенной математической модели изображений сосудов глазного дна и коронарных сосудов сердца, позволяющая формализовать описание геометрических параметров, оценить их и осуществить формирование диагностических признаков. Определен базовый набор геометрических параметров сосудов, включающий оценки локального направления и толщины сосудов.

3. Предложен комплекс методов и алгоритмов оценивания геометрических параметров толщины сосудов. Показано, что для обеспечения высокой точности оценивания необходимо использовать различные модели яркостного профиля сосуда в зависимости от вида анализируемого сосуда. Проведённые исследования с целью выбора наиболее эффективного алгоритма при различных искажешмх позволили указать наилучшие соответствия. Сравнительные исследования методов показали высокую точность и устойчивость к искажениям, при этом среднее значение ошибки оценивания параметра не превышает 2 % вплоть до соотношения шум/сигнал, равного 0,40.

272

4. Для оценивания локальных направлений предложен алгоритм трассировки сосудов. Для эффективного анализа сосудов с определённой степенно кривизны, близлежащих сосудов, а также в случае ветвления, пересечения и их окончания разработан метод модифицированного локального веерного преобразования, основанный на анализе статистических радиальных функций области скользящего сектора внутри окна сканирования. Сравнительные исследования показали более высокую устойчивость к аддитивному шуму и неоднородностям фона. Метод фиксирует на изображении большее количество правильных разветвлений сосудов, даёг наименьшую ошибку их ложных обнаружений и обеспечивает значительно меньшую ошибку отклонения трассы алгоритма трассировки при отношении шум/сигнал больше 0,2.

5. Для выделения центральных линий сосудов предложен метод модифицированного вейвлет-прсобразования с использованием ненаправленных двумерных вейвлетов, сконструированных из одномерных согласно модели сосудов. Показана высокая помехоустойчивость метода, инвариантность по отношению к ориентации и яркости сосудов. Метод выделения центральных линий сосудов является устойчивым вплоть до соотношения шум/сигнал, равного 0,9, при этом ошибка отклонения трассы составляет не более 0,6 пикселя.

6. Разработана информационная технология оценивания локальных пространственных геометрических характеристик сосудистой системы сердца по малому числу ангиографических проекций, включающая алгоритм пространственной трассировки, основанный па одновременном анализе изображений сосудов на проекциях с параллельным восстановлением пространственной структуры коронарных сосудов. Разработанный подход позволяет по имеющимся зашумлённым центральным проекциям динамического объекта, полученным в разные моменты времени, при отсутствии точной информации о геометрии съёмки восстановить пространственную структуру объекта, наиболее близко соответствующую данным проекций. Проведённые экспериментальные исследования показали высокую точность предложенных методов и алгорит мов, а также устойчивость к искажениям, при этом максимальная ошибка оценивания геометрических параметров нс превысила 5,6 %.

7. В качестве интегральных показателей состояния сосудов глазного дна и коронарных сосудов сердца предложен глобальный набор геометрических признаков, достаточно полно описывающий диагностические изображения и позволяющий проводить эффективную диагностику сосудистой патологии. Предложены методы оценивания геометрических признаков на основе количественной

273

оценки базового набора геометрических параметров сосудов. Клинические испытания методологии количественного оценивания морфологических признаков подтвердили достоверность результатов, высокую воспроизводимость и достаточно точное соответствие медико-диагностическим признакам. Метод цифровой обработки изображений глазного дна был утверждён департаментом здравоохранения города Москвы для применения в медицинской практике.

8. Разработана информационная технология анализа изображений сосудов глазного дна, включающая алгоритм формирования пространства эффективных признаков, максимизирующих критерий разделимости сосудов и позволяющих эффективно классифицировать сосуды по классам «норма» и различные стадии диабетической ретинопатии. Применение пространства новых комбинированных признаков меньшей размерности позволило снизить ошибку классификации до 2,5 %. Дискриминантный анализ показал, что для разных групп сосудов, включающих различные виды сосудов (вена, артерия) и их порядки, эффективны различные наборы глобальных геометрических признаков, что подтверждается клиническими исследованиями.

9. Разработано и внедрено в ряде медицинских учреждений программное обеспечение компьютерных систем анализа диагностических изображений сосудов глазного дна («OphthalmOffice») и коронарных сосудов сердца («CardiOfftcc»). Созданы проблемно-ориентированные программные комплексы оценивания медикодиагностических признаков для выявления патологических сосудистых изменений, позволяющие эффективно решать задачи анализа изображений кровеносных сосудов для ранней диагностики заболеваний. Лабораторные испытания компьютерных систем на тестовых и реальных изображениях показали высокую воспроизводимость и точность измерений.

СПИСОК ЛИТЕРАТУРЫ

!. Teng, Т. Progress towards automated diabetic ocuiar screening: a review of image analysis and intciiigent systems for diabetic retinopathy/T. Teng, D. Ciaremont, M. Lcflcy// Medicai & Biotogicai Engineering & Computing. — 2002. — VoL 40( 1). — P. 2-13.

2. Hencghan, C. Characterization of changes in biood vessei width and tortuosity in retinopathy of prematurity using image anaiysis / C. Heneghan, J. Fiynn, M. O'Keefe, M. Cahiii // Med. hnage. Ana). — 2002. — Vo). 6(4). — P. 407-29.

3. Cheung, C.S. Computer-assisted image anaiysis of tempora) retina) vesse) width and tortuosity in retinopathy of prematurity for the assessment of disease severity and treatment outcome / C.S. Cheung, Z. Butty, N.N. Tchrani, W.C. Lam // J AAPOS. - 20 П. - Vo). )5(4). - P. 374-380.

274

4. Haddouche, A. Detection of the fovea) avascuiar zone on retina) angiograms using Markov random fietds / A. Haddouche, M. Ade), M. Rasigni, J. Conrath, S. Bourennane // Digita) Signa) Processing. — 20)0. - Vo). 20(1). - P. 149-154.

5. Grisan, E. A divide et impcra strategy for automatic classification of retina) vesse)s into arteries and veins / E. Grisan, A. Ruggeri // Engineering in Medicine and Bio)ogy Society 2003 / Proceedings of the 25th Annua) International Conference of the IEEE.— 2003. —Vo). 891.-P. 890-893.

6. Lowell, J. Measurement of retina) vessel widths from fundus images based on 2-D Modeling / J. Lowc)l, A. Hunter, D. Steel, A. Basu, R. Ryder, R.L. Kennedy // IEEE Trans Med Imaging. -2004. - Vol 3(10). - P. 1196-1204.

7. Foracchia, M. Extraction and quantitative description of vessel features in hypertensive retinopathy fundus images / M. Foracchia // Book Abstracts / 2nd Internationa) Workshop on Computer Assisted Fundus Image Analysis. - 2001. - P. 6.