«Применение ит в обработке медицинских изображений»

Вид материала

Реферат

Содержание Реферат на тему «Применение ИТ в обработке медицинских изображений» Введение Глава 1 Анализ проблемы и постановка задачи 1.2 Особенности медицинских изображений 1.3 Формальная постановка задачи Глава 2 Проблема выделения средних линий Инвариантность относительно изометрических преобразований T, рассматриваемый объект через O, объект, подвергшийся преобразованию T(O) Покомпонентная дифференциация 2.2 Существующие алгоритмы выделения средних линий 2.2.1 Топологическое утоньшение 2.2.2 Использование дистанционных преобразований 2.2.3 Использование диаграмм Вороного. 2.2.4 Общеполевые методы 2.3 Сравнение существующих методов Инвариантность при изометрических преобразованиях Покомпонентная дифференциация Краткие выводы Глава 3 Практическая реализация 3.2 Взаимодействие с клинической АСУ 3.3 Методика решения прикладных задач и демонстрация использования ... Полное содержание

Подобный материал:

• Белорусский государственный университет применение информационных технологий при анализе, 187.23kb.
• Нелинейная цифровая фильтрация лазерных изображений при регистрации и обработке, 242.95kb.
• Экспресс-контроль цветовых характеристик мясного сырья и мясопродуктов, основанный, 316.99kb.
• Вопросы патентных отношений при получении разрешений на применение новых медицинских, 32.57kb.
• Уждается применение предварительной обработки для повышения качества декодирования, 27.18kb.
• Алгоритмы восстановления изображений при томографической обработке проекций, 48.43kb.
• Мультимедийный 24'' монитор Benq g2400WD, 292.01kb.
• Рассматривается проблема коррекции изображений документов, снятых цифровой фотокамерой,, 33.11kb.
• Некоторые методы распознавания изображений, 261.7kb.
• Обработка и передача изображений, 149.44kb.

БЕЛОРУССКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ

Выпускная работа по
«Основам информационных технологий»

Магистрант № 2ПМ37

факультета прикладной математики и информатики

кафедры информационных систем управления

Гончаров Дмитрий Александрович

Руководители:

профессор Абламейко Сергей Владимирович,

доцент Кожич Павел Павлович

Минск – 2011 г.

Оглавление

Реферат на тему «Применение ИТ в обработке медицинских изображений»

Введение

Выделение средних линий объектов является важным этапом в обработке изображений для последующих вычислений различных (линейных, площадных, объемных) характеристик объекта, а также описания и распознавания объектов. Также оно может использоваться для мониторинга заболеваний путем контроля изменений на изображениях.

Существует ряд алгоритмов позволяющих построить бинарный 3D скелет. Но из-за особенностей медицинских изображений таких как зашумленность, большие расстояния между слоями, геометрические и оптические искажения, нечеткие границы объектов, динамическое изменение объектов, с их помощью нельзя построить устойчивые к шумам средние линии. К тому же в случае исследования лучевыми методами много информации получают на основе данных плотности ткани. Поэтому при построении скелета сосудов желательно учитывать полутоновые свойства. Для решения этой задачи разработан алгоритм полутонового утоньшения, позволяющий построить образ сосудистой системы для дальнейшего анализа. В основе построения скелета сосудов лежит алгоритм псевдодистанционной карты [1]. Псевдодистанционная карта позволяет выполнить оценку расстояний между вокселями изображения и определить общие топологические свойства изображения. Локальные максимумы составляют основу для построения скелета такого изображения. В образовании скелета не участвуют приграничные локальные максимумы, которые удаляются по условию проверки близости границы, размеров и направления. Оставшиеся локальные максимумы образуют квазискелет, который исключает топологические особенности, связанные с неровностью границ и обладает большей устойчивостью к масштабированию и повороту.

Глава 1 Анализ проблемы и постановка задачи

1.1 Общая схема обработки изображений

Обработка изображений — любая форма обработки информации, для которой входные данные представлены изображением. Обработка изображений может осуществляться как для получения изображения на выходе (например, подготовка к полиграфическому тиражированию, к телетрансляции и т. д.), так и для получения другой информации (например, распознание текста, подсчёт числа и типа клеток в поле микроскопа и т. д.).

Полезно разделить весь процесс обработки изображений на две большие категории: методы, в которых на входе и на выходе имеются изображения, и методы, где на вход поступают изображения, а на выходе возникают признаки и атрибуты, выделенные на основании этих изображений.

Эта схема не подразумевает, что к изображению применяется каждый из описанных процессов.

Регистрация изображения – первый из процессов, показанных на Рис.1. Регистрация может оказаться предельно простой, как в случае, когда исходное изображение уже представлению в цифровой форме. В общем случае стадия регистрации изображения включает некоторую предобработку, например, масштабирование.

Улучшение изображения входит в число наиболее простых и впечатляющих областей цифровой обработки изображений. По существу, за методами улучшения изображений стоит идея выявления плохо различимых деталей или просто подчеркивания интересующих характеристик на исходном изображении. Известным примером улучшения является усиления контраст изображения, потому что в результате «оно выглядит лучше». Важно иметь в виду, что улучшение качества – весьма субъективная область в обработке изображений.

Восстановление изображений – это область, также связанная с повышение визуального качества изображения, однако, в отличие от собственно улучшения, критерии которого субъективны, восстановление изображения является объективным в том смысле, что методы восстановления изображений опираются на математические или вероятностные модели искажений изображения. Напротив, улучшение изображений основано на субъективных предпочтениях человеческого восприятия, которые связаны с тем, что именно считается «хорошим» результатом улучшения.

Обработка изображений как этап следует отделять от понятия обработки изображении как весь процесс изменений изображения и получения некоторых атрибутов. Сюда может включатся и вейвлетная обработка (для представления изображений с несколькими степенями разрешения одновременно) и морфологическая обработка (связана с инструментами для извлечения таких компонент изображения, которые могут быть полезны для представления и описания формы).

Сегментация разделяет изображение на составные части или объекты. В целом автоматическая сегментация принадлежит к числу самых трудных задач цифровой обработки изображений. Излишне подробная сегментация уводит процесс решения задачи обработки изображения на сложный путь, если требуется идентифицировать объекты по отдельности. С другой стороны, недостаточно подробная или же ошибочная сегментация почти неизбежно приведет к возникновению ошибок на финальной стадии обработки.

Представление и описание почти всегда следуют непосредственно за этапом сегментации, на выходе которого обычно имеются лишь необработанные данные о пикселях, которые либо образуют границу области (т.е. дается множество пикселей, отделяющих одну область изображения от другой), либо представляют все точки самих областей. В обоих случаях необходимо преобразовать данные в форму, пригодную для компьютерной обработки. Первое решение, которое следует принять – должна ли эти данные представляться в форме границ областей или областей целиком. Представление границами подходит для тех случаев, когда в центре внимания находятся внешние характеристики формы областей, например, углы и изгибы. Представление областями более уместно, если акцент делается на внутренних свойствах объектов, например, текстуре или форме скелета. В некоторых приложениях эти представления дополняют друг друга. Выбор способа представления – лишь часть принятия решения по преобразованию «сырых» пиксельных данных в подходящую для дальнейшей компьютерной обработки форму. Должен быть еще указан метод описания данных, при котором бы выдвигались на передний план интересующие признаки. Построение описания, иначе называемое выбором признаков, связано с выделением атрибутов, которые бы выражали интересующую количественную информацию или бы моги служить основой для различения классов объектов.

Распознавание представляет собой процесс, которые присваивает некоторому объекту идентификатор (например, «бедренная кость») на основании его описателей.

Рассмотрим взаимосвязь между базой знаний и модулями обработки. На самом деле, знание о проблемной области, т.е. база знаний, некоторым образом закодировано внутри самой системы обработки изображений. Это знание может быть очень простым, как детальное указание участков изображения, где должна находиться интересующая информация, что позволит ограничить область поиска. База знаний может быть и очень сложной, как, например, взаимосвязанный список всех наиболее вероятных дефектов в задаче контроля материалов, либо база данных спутниковых изображений некоторого района с высоким разрешение в прикладных задачах обнаружения изменений, происходящих в этом районе. Помимо того, что база знаний руководит работой каждого модуля обработки, она также управляет взаимодействием между модулями. Эта отличительная особенность показана на рис. 1 с помощью двунаправленных стрелок между обрабатывающими модулями и базой знаний.



Рисунок 1 – Основные стадии цифровой обработки изображений

1.2 Особенности медицинских изображений

Существует несколько различных видов медицинских изображений, отличающихся как по способу получения и области применения, так и по особенностям конечного изображения. Ниже перечислены основные типы медицинских изображений.

Ангиографией является отображение тока крови по артериям и венам тела. До появления магниторезонансной терапии ангиография проводилась единственным способом. Для увеличения контраста сосудов в кровь человека вводилось рентгеноконтрастное вещество. Сосуды на ангиографических изображениях представляют собой сложные протяженные объекты с меняющимся контрастом. Поэтому основным механизмом в обработке и анализе таких изображений, позволяющим сохранить топологические свойства сосудов, является полутоновое утоньшение.

Ультразвуковые изображения – это полутоновые изображения, которые синтезируются с помощью отраженных ультразвуковых волн. Получение этих изображений основано на способности ультразвука проникать внутрь органа и взаимодействовать с тканью. Информация о структуре органа кодируется с помощью отраженных ультразвуковых волн. Ультразвуковые волны преломляются и отражаются в основном на границах регионов, которые имеют различные акустические характеристики. Современные сканеры оснащены гироскопом и позволяют отслеживать направление луча, что позволяет строить трехмерные изображения.

Гистологические изображения – цветные изображения гистологических срезов, сфотографированных с оптическим увеличением в 100-1000 раз. Объектами гистологического анализа являются фрагменты клеток и клеточных структур. Существует несколько способов получения 3D гистологических изображений, но самым распространенным является конфокальная микроскопия, которая позволяет получить объемные изображения клеточных образований и фрагментов ткани. Основным недостатком конфокальной микроскопии является изменения освещенности объекта в различные промежутки времени.

Компьютерная томография измеряет плотность ткани посредством ослабления рентгеновских лучей. Однако компьютерная томография характеризуется большим количеством проекционных изображений. Именно по ним строится томограмма, полностью отражая пространственные свойства исследуемого объекта. Использование проекций дает ряд преимуществ по сравнению с рентгеновскими снимками. Прежде всего, это возможность построения трехмерной модели объекта, объекты могут быть отделены друг от друга, можно получить срез практически в любой области. Однако расстояние между полученными слоями гораздо больше расстояния между соседними пикселями слоя, что приводит к необходимости реконструкции пропущенных данных.

1.3 Формальная постановка задачи

Средние линии имеют несколько различных математических определений, содержащихся в технической литературе. Эти определения аналогичны для непрерывных пространств, но обычно приводят к разным результатам в дискретных пространствах.

В двумерном случае средняя линия [2] фигуры это множество кривых, определяемых как геометрическое место точек, которые имеют, по крайней мере, две ближайшие точки границы фигуры [3]. В трехмерном случае, соответствующий объект называется средней (или медиальной) плоскостью (Рис. 2).



Рисунок 2 – а) Средняя линия в двухмерном случае б) Пример влияния граничных шумов на конечный результат, в) средняя плоскость в трехмерном случае


Наиболее наглядное определение средней линии дается через точки гашения в модели распространения огня, где граница фигуры сделана полностью из сухой травы, которую подожгли и средняя линия состоит из множества точек, где огни разных фронтов встречаются и гасят друг друга [2].

Также средние линии могут определяться как геометрическое место центров максимальных шаров (или дисков в двухмерном случае) [4]. Более формально, положим – трехмерный объект. Шар радиуса r с центром в точке определяется как , где – расстояние между двумя точками x и y в . Шар называется максимальным, если для него не существует шара большего радиуса, принадлежащего объекту, полностью содержащего [5].

Основное неудобство средних линий состоит в чувствительности к небольшим изменениям границ объекта [6][7]. Пример, приведенный на рис. 2(б), наглядно демонстрирует, как малые изменения границ приводят к большим изменениям средней линии.