Информационно-измерительная система идентификации патологических структур по флюорограммам

На сегодня идентификация по медицинским изображениям часто применяется при диагностике заболеваний, вызывающих изменения некоторых характеристик тех или иных органов на структурном уровне. Одной из наиболее информативных характеристик является плотность тканей организма пациента. Широкое распространение для качественного контроля данной величины получил радиационный метод на основе рентгеновского излучения [18, 33, 37].

При анализе рентгеновского снимка видно, что в зависимости от плотности среды, сквозь которую прошел луч, яркость той или иной точки снимка меняется. Однако яркость меняется очень медленно — снимок размыт. Человеку трудно не вооруженным глазом определить границы и размеры участков тканей с разной плотностью или наличие инородных тел. Поэтому качественный анализ рентгеновского снимка представляет собой большое искусство и воплощает в себе умение распознавать даже самые малые изменения оптической плотности рентгеновской пленки, а также способность обнаруживать аномальные структуры, особенно при низком разрешении снимка. Таким образом, из-за особенностей субъективного зрительного восприятия значительно теряется информативность рентгеновского снимка. Особенно наглядно это видно на примере флюорографии. Надежность раннего обнаружения патологий по этим снимкам весьма низкая.

Особо следует подчеркнуть, что речь идет именно об исследовании качественных характеристик изображения. Количественные же характеристики, такие как площадь, объем и плотность элементов внутренней структуры, оцениваются самим человеком чисто субъективно, «на глаз». Однако более точное аппаратное измерение относительной плотности тканей по рентгеновским снимкам внутренних органов позволит выявить заболевание на ранней стадии.

Поэтому для большей объективизации анализа изображений необходимо иметь достоверные количественные характеристики. На практике получение медицинских изображений зависит от многих факторов, таких как режимы работы аппаратуры, индивидуальные особенности организма пациента. В силу этого, снимки можно считать лишь косвенной информацией о состоянии организма. В данной работе ставится задача разработки алгоритмов для измерения плотности внутренних тканей по косвенным данным. Современная техника принципиально позволяет решить эту задачу.

Использование новейших алгоритмов обработки сигналов и современной вычислительной техники в принципе позволяет существенно повысить информативность визуальных данных в различных системах лучевой диагностики. Современные алгоритмы обработки изображений в сочетании с ПК должны обеспечивать:

• улучшение визуализации патологического образования (увеличение контрастности, удаление со снимка «лишних» компонентов изображения: ребер и т. д.),.

• определение относительной плотности тканей (по отношению к плотности окружающих тканей, в том числе к плотности рёбер),.

• определение однородности по плотности образования,.

• оценку количественных характеристик.

Это позволит существенно повысить информационную отдачу рентгенограммы, превосходя при этом возможности других, более современных и более дорогих методов.

В свою очередь, это приведет к повышению объективности постановки диагноза и автоматизации процесса распознавания образов (диагностирование). Учитывая сравнительно низкую стоимость и распространенность систем рентгеновской диагностики, представляется целесообразным разработать и внедрить алгоритмы автоматизированной расшифровки рентгенограмм в медицинскую практику.

Поэтому задача заключается в разработке алгоритмов автоматизированной расшифровки флюорограмм и идентификации патологических структур.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ.

Актуальность исследований.

Диссертационная работа посвящена решению задачи идентификации патологических структур на рентгеновских цифровых снимках. Врачу рентгенологу, как правило, приходится просматривать большое количество снимков, качество которых не всегда удовлетворительно, а размер сравнительно мал. Поэтому качественный анализ снимка представляет собой большое искусство и воплощает в себе умение распознавать даже самые малые изменения оптической плотности рентгеновской пленки, а также способность обнаруживать аномальные структуры, особенно при низком разрешении снимка. Это требует высокой квалификации и доступно немногим. Из-за особенностей субъективного зрительного восприятия значительно теряется информативность рентгеновского снимка. При массовых обследованиях, например с помощью флюорографии, эта работа весьма утомительна и чревата ошибками.

Широкое распространение компьютерной техники и информационных технологий способствовало созданию системы автоматизированной обработки большого количества изображений. Для повышения достоверности постановки диагноза по снимкам, разработка такой системы потребовала реализации метода распознавания образов. В качестве образов используются обработанные изображения патологий. В основе распознавания лежит сопоставление участков исследуемого изображения с шаблоном. В качестве механизма сопоставления использована гибридная модель нейронной сети, состоящая из сети радиальных базисных функций и слоя персептрона. К наиболее близким по данной тематике работам можно отнести публикации Забавина Н. С., Кузнецовой М. Д., Лукь-яницы А.А., Торшина А. Д., Федченко B.C., Уоссермена Ф. Ближайшие аналоги, данной системы, такие как «Видеотест-размер» из пакета версии 4.0 от фирмы «ВидеоТесТ" — «Х-ray Lab 30 X-ray Images Digital Processor» от компании Gilar-doni- «Advanced image processor" — система «Скрининг-флюорография» от центра медицинских информационных технологий «Медиал-МТ», задачу распознавания образов не решают, работают только в «автономном» режиме и не приспособлены для взаимодействия с больничной информационной системой.

В случае обработки цифровых флюорограмм наиболее информативной количественной характеристикой для идентификации структуры и исследования ее свойств является рентгенографическая плотность исследуемой среды. Под рентгенографической плотностью среды здесь и далее будем понимать ^ функцию линейного ослабления рентгеновского излучения прошедшего сквозь среду. На сегодняшний день эта характеристика определяется по яркости точек цифрового изображения или оптической плотности участков снимка. Данный подход можно встретить в работах Клюева В. В. [48] и Уэбба С. [51] Однако на яркость точек изображения влияет ряд других факторов, например, мощность излучателя, вес и габариты пациента и др. Поэтому яркость точек изображения можно считать косвенной информацией о свойствах исследуемого объекта. Таким образом, возникает задача числовой оценки рентгенографической плотности по косвенным показателям яркостей точек цифрового изображения. Иными словами, следует ввести такую характеристику рентгенографической плотности вещества, которая учитывала бы параметры использованного оборудования и режимы его работы. Для оценки погрешности определения этой характеристики необходимо промоделировать процессы переноса рентгеновского излучения через ткани, формирования рентгеновских снимков. Однако стандартные модели переноса излучения используют ряд предположений относительно учета эффектов рассеяния фотонов в веществе, что не позволяет сопоставлять снимки, полученные на разном оборудовании, по рентгенографической плотности. Более совершенной можно считать модель, предложенную Аниконовым Д. С., Ковтанюком А. Е. и Прохоровым И. В. [3], однако она очень требовательна к вычислительным ресурсам. Развитию и уточнению классической модели переноса рентгеновского излучения Лам берта-Бера [35] посвящено большое количество работ по томографии. Из работ последнего времени отметим работы БеллманаР. [8], Уэбба С. [51], Тихонова А. Н., Арсенина В. Я., ТимоноваА.А. * [49].

Поэтому разработку методов и алгоритмов автоматизированной идентификации патологических структур, в частности методов, основанных на применении нейронных сетей, позволяющих ускорить процесс диагностики заболеваний, снижающих долю повторных исследований, создание электронного архива флюорограмм, можно считать актуальной задачей.

Связь работы с крупными научными программами и темами.

Диссертационная работа выполнена при финансовой поддержке Министерства образования РФ (Ползуновский грант 2003 года, шифр 24−1.15). Данная работа выполнялась в рамках НИР «Разработка теории идентификации сложных систем естественного происхождения». Проведенные исследования соответствуют следующему пункту Перечня критических технологий федерального значения: «1.3. Системы распознавания и синтеза речи, текста и изображений». Решение заявленных проблем позволяет создать технологии двойного применения, соответствующие следующему пункту Перечня двойных технологий федерального уровня: «В.4.4.2 — Системы искусственного интеллекта для решения прикладных задач, в том числе автоматического распознавания образов и речи, принятие решений». НИР проводилась по тематическому плану Министерства образования РФ (номер госрегистрации 120 206 110).

Цель и задачи исследования

.

Целью диссертационной работы является разработка методов и алгоритмов автоматизированной идентификации патологических структур по флюорограмм ам. Для достижения данной цели были поставлены следующие задачи:

1. Разработать методику количественной оценки характеристик патологических структур.

2. Разработать методику идентификации паталогических структур по цифровым изображениям на основе нейросетевой технологии. Разработка архитектуры нейросетевой модели и алгоритмов ее обучения.

3. Разработать методику обработки и визуализации цифровых рентгеновских снимков.

4. Разработать информационно-измерительную систему автоматизированной идентификации патологических структур.

Объект и предмет исследования.

Объектом исследования, выполненного в диссертации, являются методы и алгоритмы цифровой обработки и распознавания медицинских рентгеновских снимков. Предметы исследования — идентификация паталогических структур, модель переноса рентгеновского излучения через вещество, измерение рентгеновской плотности тканей.

Методология и методы проведенного исследования.

В основе исследования лежат нелинейные методы обработки цифровых изображений с помощью дискретного вейвлет преобразования и клеточных автоматовметоды нейросетевого распознавания образов и модели нейронных сетей радиальных базисных функций и персептроновтеория функционального анализаметоды имитационного моделирования.

Научная новизна и значимость полученных результатов.

1. Разработана методика идентификации патологических структур на основе оценки их количественных характеристик (относительная яркость точек цифрового изображения, относительная площадь патологических структур, координаты местоположения структуры на флюорограмме), позволяющая реализовать автоматическое обнаружение патологий и упростить процедуру анализа большого количества снимков.

2. Разработана нейросетевая модель, имеющая гибридную архитектуру и позволяющая автоматизировать процесс идентификации патологических структур и повысить вероятность правильного распознавания.

3. Разработаны рабочие алгоритмы и программное обеспечение информационно-измерительной системы автоматизированной обработки рентгенограмм, позволяющей распознавать патологические структуры.

4. Показано, что разработанная методика идентификации структур применима к задачам медицинской, технической диагностики.

Практическая значимость полученных результатов.

Разработанные модели, алгоритмы и программы были использованы при разработке экспертных систем распознавания патологических структур на снимках. Разработанная система позволяет создать электронный архив флюоро-грамм и провести статистическую обработку материала. Информационно-измерительная система может использоваться для оцифровки и анализа рентгеновских снимков и идентификации патологических структур.

Разработанная методика идентификации структур может иметь более широкое применение. Она может также применяться в технической диагностике, к примеру, для распознавания брака в подшипниковых изделиях по данным сканирования объекта вихретоковым датчиком.

Разработанные в работе алгоритмы и модели внедрены в медицинскую практику на кафедре внутренних болезней и интернатуры Саратовского государственного медицинского университета, о чем имеется соответствующий акт.

Основные положения, выносимые на защиту.

На защиту выносятся:

1. Методика количественной оценки характеристик патологических структур на основе яркостей точек цифрового рентгеновского изображения.

2. Методика нейросетевой идентификации структур на цифровых снимках на основе их количественных характеристик.

3. Архитектура гибридной нейронной сети, основанной на архитектурах персептрона и сети радиальных базисных функций, для распознавания патологических структур на оцифрованном рентгеновском снимке.

4. Информационно-измерительная система распознавания патологических структур на оцифрованном рентгеновском снимке.

Личный вклад соискателя.

Автор разрабатывал представленные в диссертации физико-математические модели, алгоритмы и программы.

Апробация результатов диссертации.

Основные результаты работы докладывались:

• На 6-й Всероссийской научно-технической конференции «Состояние и перспективы измерений» (Москва, МГТУ им. Н. Э. Баумана, 1999 г.);

• На международной конференции «Информационные технологии в образовании, технике и медицине» (Волгоград, ВолгГТУ, 2000 г.);

• На межвузовской научно-методической конференции «Информационные технологии в образовании» (Саратов, СГТУ, 2000 г.);

• На секции «Tissue Science, Structure & Diagnostics» международной конференции «SPIE: EBIOS» (Amsterdam, 2000 г.);

• На 4-ой международной конференции и выставке «Цифровая обработка сигналов и ее применение» DSPA-2002 (Москва, РНТОРЭС им. А. С. Попова, 2002 г.);

• На международной конференции «Информационные технологии в образовании, технике и медицине» (Волгоград, ВолгГТУ, 2002 г.);

• На международной конференции «SPIE: Workshop on Optical Technologies in Biophysics & Medicine IV» (Саратов, СГУ, 2002 г.);

• На 8-ой Всероссийской научно-технической конференции «Состояние и проблемы измерений» (Москва, МГТУ им. Н. Э. Баумана, 2002 г.);

• На 6-ой Всероссийской конференции «Студенты и аспиранты — малому наукоемкому бизнесу» (Ярославль, 2003 г.).

Программные продукты, разработанные в рамках диссертационной работы, были представлены:

• На международной выставке-ярмарке научно-исследовательских работ и инновационной деятельности студентов, аспирантов и молодых ученых высших учебных заведений Российской Федерации (Новочеркасск, НТИ (ЮРГТУ), 2003 г.);

• На 9-ой международной выставке молодежных научно-технических проектов «ЭКСПО — Наука 2003» (Москва, ВВЦ, 2003 г.).

Программный продукт под названием «Анализ и обработка цифровых рентгеновских снимков», разработанный в рамках данной диссертационной работы, официально зарегистрирован Российским агентством по патентам и товарным знакам (Свидетельство № 2 003 611 777 от 24 июля 2003 г. по заявке № 2 003 611 358 от 20 июня 2003 г.).

Публикации результатов.

По теме диссертации опубликовано 17 научных работ, в том числе 6 статьи в научных журналах, 6 статей в сборниках научных трудов и 5 докладов в трудах международных конференций. Общий объём опубликованных материалов — 4,25 п.л.

Структура и объем диссертации

.

Диссертация состоит из введения, четырех глав, заключения, списка использованных литературных источников и приложения. Общий объем диссер

основные выводы:

1. Проведен анализ существующих методов и средств идентификации патологических структур. Обоснована необходимость разработки комплекса аппаратно-программных средств для автоматизации идентификации патологических структур по рентгеновским снимкам в медицинской диагностике.

2. Получены расчетные соотношения, позволяющие количественно оценивать характеристики патологических структур на цифровых снимках.

3. Разработана архитектура нейросетевой модели для идентификации патологических структур на цифровых рентгеновских снимках. Выбран вектор признаков для распознавания патологий с помощью данной нейросети. Разработаны алгоритмы обучения каждого слоя.

4. Разработана методика нейросетевой идентификации образов. Программно реализовано автоматизированное распознавание патологических структур на снимке.

5. Разработано программное обеспечение для анализа и обработки рентгеновских снимков с целью идентификации структуры тканей, получено свидетельство о регистрации данного продукта.

6. Показана возможность применения разработанных методик и алгоритмов идентификации структур для технической диагностики, в частности для выявления брака подшипниковых изделий.

ЗАКЛЮЧЕНИЕ

.

Результаты проведенных исследований позволяют сделать следующие.