Электронная библиотека диссертаций и авторефератов России
dslib.net
Библиотека диссертаций
Навигация
Каталог диссертаций России
Англоязычные диссертации
Диссертации бесплатно
Предстоящие защиты
Рецензии на автореферат
Отчисления авторам
Мой кабинет
Заказы: забрать, оплатить
Мой личный счет
Мой профиль
Мой авторский профиль
Подписки на рассылки



расширенный поиск

Компьютерный анализ медицинских изображений, полученных различными физическими методами Максимов Дмитрий Вячеславович

Компьютерный анализ медицинских изображений, полученных различными физическими методами
<
Компьютерный анализ медицинских изображений, полученных различными физическими методами Компьютерный анализ медицинских изображений, полученных различными физическими методами Компьютерный анализ медицинских изображений, полученных различными физическими методами Компьютерный анализ медицинских изображений, полученных различными физическими методами Компьютерный анализ медицинских изображений, полученных различными физическими методами Компьютерный анализ медицинских изображений, полученных различными физическими методами Компьютерный анализ медицинских изображений, полученных различными физическими методами Компьютерный анализ медицинских изображений, полученных различными физическими методами Компьютерный анализ медицинских изображений, полученных различными физическими методами Компьютерный анализ медицинских изображений, полученных различными физическими методами Компьютерный анализ медицинских изображений, полученных различными физическими методами Компьютерный анализ медицинских изображений, полученных различными физическими методами
>

Данный автореферат диссертации должен поступить в библиотеки в ближайшее время
Уведомить о поступлении

Диссертация - 480 руб., доставка 10 минут, круглосуточно, без выходных и праздников

Автореферат - 240 руб., доставка 1-3 часа, с 10-19 (Московское время), кроме воскресенья

Максимов Дмитрий Вячеславович. Компьютерный анализ медицинских изображений, полученных различными физическими методами : Дис. ... канд. физ.-мат. наук : 03.00.02 : Москва, 2003 136 c. РГБ ОД, 61:04-1/369

Содержание к диссертации

Введение

1 Обзор литературы 7

2 Техника совмещения 22

2.1. Получение данных и их преобразование 22

2.1.1. Особенности измерения томографических данных 22

2.1.2. Основные элементы при подготовке и проведении исследований 23

2.2. Метод совмещения трехмерных томографических изображений 26

2.3. Методы визуализации, обработки и анализа совмещенных томографических изображений 36

2.3.1. Основные методы визуализации при проведении исследований по совмещенным томографическим данным 36

2.3.3. Базовые преобразования данных об изображении при его визуализации. 45

2.3.4. Выбор метода визуализации совмещенных данных 52

3 Методы анализа и отображения результатов при исследовании совмещенных трехмерных томографических данных и результатов их обработки 70

3.1. Измерение координат и значений в точке. 71

3.2. Измерение расстояний. 71

3.3. Измерение углов 72

3.4. Выбор зоны интереса 72

3.5. Статистические измерения по зоне интереса 73

3.6. Гистограмма по зоне интереса 74

3.7. График по строке, столбцу или произвольной линии изображения 75

3.8. Измерение объемов 75

3.9. Обработка результатов измерений 76

3.10 Дополнительные методы измерений 77

3.11. Результаты применения алгоритмов слияния и визуализации 79

4 Методика анализа и планирования растяжимости тканей над экспандерами 84

5 Клинические примеры 92

5.1. Клинический пример использования программы анализа биомедицинских изображений 92

5.2. Клинический пример использования программы компьютерного моделирования растяжения тканей над экспандером 99

Выводы 105

Введение к работе

Актуальность проблемы

Актуальность такого направления, как анализ и обработка медицинских изображений имеет два аспекта. Во-первых, это - быстрое развитие медицинской диагностической техники, основывающейся на новых применениях физических методов исследований: компьютерная томография (КТ), радионуклидные (однофотонная эмиссионная компьютерная томография, ОФЭКТ) исследования, магнитно-резонансная томография (МРТ), многообразные виды ультразвуковых и рентгеновских исследований. Во вторых, быстрое развитие компьютерной техники и методов математического анализа изображений привели к тому, что анализ изображений стал не умозрительной, а практической задачей, которая может быть решена прямо на рабочем месте врача.

Диагностические методы, связанные с получением изображений, дают разную информацию о состоянии органов. Так КТ или МРТ визуализируют анатомическую структуру органов, ОФЭКТ исследования дают информацию о кровотоке в органах. Очевидно, что врачу было бы чрезвычайно полезно получить картину кровообращения с точной привязкой к анатомическим структурам. Сложность данной задачи состоит в том, что нужно с большой точностью совместить два пакета изображений получаемых не только различными методами, но и на разных медицинских диагностических установках.

В настоящей работе была сделана попытка разработать алгоритмы совмещения изображений, полученных разными медицинскими методами исследования для повышения диагностической ценности получаемой с их помощью информации. Цель работы

Разработка методических подходов, алгоритмов анализа и совмещения медицинских изображений с высокой точностью.

Задачи исследования

  1. Провести анализ современных методов совмещения диагностических изображений различных типов.

  2. Разработать метод совмещения томографических данных, имеющих разное пространственное разрешение, на основе специализированных маркеров.

  3. Разработать программное обеспечение рабочих станций совмещения изображений.

  4. Разработать программу моделирования процесса долговременного растягивания кожного покрова для пластики обожженных участков туловища с использованием тканевых расширителей.

Научная новизна

  1. Решена комплексная задача совмещения (или создания) метрики данных полученных на медицинских установках, основанных на разных физических принципах и изготовленными разными фирмами - производителями.

  2. Разработан и реализован на практике ряд новых методов визуализации и физической интерпретации совмещенных изображений. Разработанный математический аппарат позволяет пользователю управлять процессом совмещения изображений в режиме реального времени.

  3. Впервые разработана и реализована в виде программы математическая модель процесса растяжения кожи над тканевым расширителем на базе двумерных изображений, что позволяет планировать хирургическое вмешательство, нацеленное на восстановление послеожоговых дефектов тканей.

Положения выносимые на защиту

1. Решение комплексной задачи совмещения изображений полученных

разными физическими методами.

  1. Алгоритмы визуализации совмещенных томографических изображений, учитывающие специфику исходных данных.

  2. Математическая модель процесса растяжения кожи над тканевым расширителем, нацеленная на улучшение результатов хирургической реабилитации больных с последствиями ожогов туловища.

Практическая ценность

  1. Разработан и реализован в виде программного обеспечения, ряд методов визуализации и обработки изображений.

  2. Разработано и испытано в клинических условиях программное обеспечение совмещения изображений полученных разными физическими методами.

  3. Разработана и испытана в клинических условиях программа «SkinEdit», позволяющая планировать хирургическое вмешательство при проведении операции по устранению последствий ожогов туловища.

Апробация работы и публикации

Предложенные методы реализованы в виде систем работающих в Ивановской областной клинической больнице, НИИ Неврологии, Институте хирургии им. А.В. Вишневского. По материалам диссертации опубликовано 3 работы.

=^-^^

В заключении раздела считаю своим долгом выразить глубокую благодарность за сотрудничество и помощь в работе сотруднице отделения реконструктивной и пластической хирургии инст. хир. им. А.В. Вишневского, канд. мед. наук Адамской Наталье Анатольевне и сотруднице отделения ультразвуковой диагностики инст. хир. им. А.В. Вишневского, канд. мед. наук Степановой Юлии Александровне.

Метод совмещения трехмерных томографических изображений

Создание объемного представления по последовательности аксиальных сечений для каждого из проведенных с маркерами исследований данного пациента состоит в последовательном просмотре всех срезов и построении трехмерной матрицы вокселей с разрешением в аксиальном сечении, присущем применяемому томографическому методу и интерполяцией по оси, ортогональной аксиальным сечениям к шагу между срезами (высота вокселя), близкому к размеру пикселя в аксиальном сечении. Выбор базового объемного представления производится из соображений сохранения максимального пространственного разрешения в объединенном объемном представлении, поэтому за базовое объемное представление выбирается наиболее значимая информация из проведенной серии исследований разными методами, как правило это результаты МРТ или КТ для данного пациента. Определение реперных точек по маркерам базового объемного представления производится интерактивно, в заранее детерминированной последовательности с целью минимизации возможных ошибок оператора, путем последовательного просмотра на экране исходных аксиальных сечений дополнительного объема и параллельно аксиальных сечений базового объема. Задания X и Y координат в интерактивном режиме для каждой из реперных точек и вычисления Z - координаты путем взвешивания Z -координат маркера на нескольких слоях. Маркеры нумеруются в определенном порядке {Xbi,Ybi,Zbi; і = 1,2,3}, последовательность может быть любой, важно, чтобы была выбрана определенная последовательность, и нужно придерживаться ее для всех исследований данного пациента с маркерами. Система координат базового метода нормируется и становится логической системой координат всех исследований данного пациента. Совмещение реперных точек дополнительного объемного представления с реперными точками базового объемного представления производится следующим образом. Определяются координаты реперных точек на дополнительном объемном представлении в логической системе координат базового объемного представления {Xdi,Ydi,Zdi; і = 1,2,3} и определяются операторы перехода данных дополнительного объемного представления к координатам базового объемного представления. Существует три алгоритма совмещения объемов: Невозможно определить точно (с точностью до вокселя базового объема) положение маркеров. Поэтому необходимо иметь возможность интерактивной привязки маркеров с учетом взаимного расположения анатомических структур в БО и ДО, основанная на интуитивном восприятии совмещенных изображений врачом диагностом. Совмещение выполняется по 3-м базовым сечениям А,С и S в полупрозрачном режиме с индивидуальным выбором окон визуализации для каждого представления (Б и Д). Оператор совмещения в интерактивном режиме можно представить как последовательность 3D аффинных преобразований: вращение вокруг 3-х осей, растяжения (сжатия), отражения относительно 3-х плоскостей (ху, yz, zx и оператора переноса).

Матрицы вращения вокруг соответствующих осей: Интерполяция дополнительного объемного представления на трехмерную сетку базового объемного представления осуществляется путем определения взвешенного среднего значения каждого вокселя дополнительного объемного представления на сетке, совпадающей с сеткой базового объемного представления, по значениям на исходной сетке дополнительного объемного представления с отсечением выходящих за пределы базового объема данных. Таким образом, определяется одномасштабный воксель для каждого объемного представления, причем с масштабом, привязанным к базовому методу исследования. Добавление интерполированного объемного представления в базовое объемное представление производится путем добавления новой плоскости данных в базовое объемное представление, содержащего данные всех проведенных исследования в единой геометрической привязке с общей метрикой. Дифференциальная визуализация совмещенных трехмерных изображений состоит в формировании двумерных и трехмерных образов исследуемого участка тела пациента по данным трехмерного цифрового представления об объемном распределении исследуемых физических параметров. При решении задач визуализации совмещенных трехмерных изображений необходимо решить ряд частных задач. Среди них необходимо выделить: выбор способа визуализации; выбор ориентации требуемого сечения или трехмерного представления; получение совмещенных данных из выбранного сечения или построение выбранного представления; выбор метода визуализации совмещенных данных; формирование цветовой палитры в соответствии с выбранным методом визуализации; вывод полученного представления или трехмерного вида на экран или создание твердой копии; сохранение экранного образа полученного представления. Выбор способа визуализации обеспечивает задание режима построения изображения в виде плоского сечения или изометрического трехмерного образа. Существуют следующие способы отображения объемов: 1. Мультипланарное (MP): Аксиальное (А); Коронарное (С); Сагиттальное (S). 2. Параксиальное сечение (Р) - перпендикулярное одному из мультипланарных сечений по произвольной линии. 3. Произвольное (О) - по трем точкам на объема (возможно два варианта): Прямое задание трех точек; Применение точек пересечение плоскости по осям ограничивающего объем параллелепипеда.

При построении любого сечения необходимо найти соответствующее значение координат любой точки сечения с координатами объемного представления. При этом применяли тот же метод интерполяции, что и при совмещении объемного изображения. Рассмотренные преобразования координат необходимы для определения координат точки сечения в объемного представлении для различных типов сечений. ). Задание произвольного сечения по 3-м точкам производится путем их интерактивного выбора на мультипланарном представлении при этом их можно поместить непосредственно в те структуры, которые необходимо одновременно визуализировать. Уравнение плоскости по трем точкам имеет вид: = о :2.27 х-Х] У-Ух z-zx х2-хх Уг У\ z2-zx х3-х, Уъ У\ Zi ZX Ax + By + Cz + D = 0 (2.28) Теперь осталось привести его к виду (2.28) и действовать аналогично построению параксиального сечения. В данном случае А = Уг У\ zi zx Уг У\ z3-z, ;В = Л"\ л-1 Zf\ """ \ Хъ Х z3 Z, ,С = хг х\ Уі У\ хг х\ Уъ У\ D— ххА ухВ ZC; ,2 29) Выбор осей координат системы, связанной с выбранным сечением производится так же, как для параксиального сечения. В общем случае одновременно могут отображаться до 4-х сечений. Технологически можно задать и гораздо больше, но при этом сильно затрудняется визуальная интерпретация. Метод трансформирования сводится к «искажению» полученных с помощью ранее описанных алгоритмов сечений. Фактически это сводится к переносу значений яркости изображений из прямоугольной системы координат в косоугольную. Плоское сечение представляет собой обычное томографическое изображение, построенное на основе созданного совмещенного объемного представления. Оно получается путем экспорта данных объемного представления, расположенных в произвольной плоскости. Изометрический трехмерный образ представляет собой комбинацию внешнего вида исследуемой области в сочетании с рядом сечений в задаваемых плоскостях. Кроме того, возможно проявление внутренних объемных структур в режиме полупрозрачности. Выбор ориентации требуемого сечения или трехмерного представления может осуществляться интерактивно, автоматически или путем интерактивного задания ориентации плоскости сечения или направления взгляда на объемное представление. Интерактивный выбор аксиального, коронарного, сагиттального или произвольного сечения для отображения производится на условном образе объемного представления в виде трех ортогональных сечений (аксиального, коронарного, сагиттального) и изометрического куба. На каждой видимой грани куба отображается плоскость выбранных в настоящий момент ортогональных сечений и может задаваться произвольное сечение и масштаб построения каждого из сечений. В приведенном на Рис. 17. и Рис. 18 примерах отображены реальные сечения мозга, исследованного на КТ и изометрический куб для ориентации в объеме.

Методы визуализации, обработки и анализа совмещенных томографических изображений

Теперь рассмотрим алгоритмы побитовых логических преобразований, которые позволяют создавать различные логические сочетания совмещенных изображений. Характерный пример: чтобы видеть костные образования и пустоты на изображении, полученном с помощью ОФЭКТ достаточно по наличию 1 во всех битах в пикселе битовой карты КТ выполнить операцию логического "ИЛИ". Поэтому эти алгоритмы применяются не непосредственно, а как набор логических комбинаций с дополнительными условиями. Однако набор базовых операций можно свести к следующему: В\і,к] = (Ві\і,к]лВ2\і,к]) V (2.40) B[i,k] = (Bl[i,k]v B2[i,k]) Алгоритм замещения заданных бит по маске - выделение кости и воздуха по данным КТ. Эти алгоритмы работают следующим образом. Для каждого из битов пикселя результирующего изображения задается маска приоритетов, в зависимости от значения бит в которой заполняется результирующая битовая карта: В[і,к,і] = В\[і,к,1],если mask[i,k,l] = \,UHa4e (2.41) B[i,k,l] = B2[i,k,l] здесь 1 - номер бита в битовой карте изображения и маски. 4. Алгоритм парциального сложения сечения одного представления с другим является одним из основных алгоритмов визуализации совмещенных изображений, так как позволяет одновременно видеть данные базового изображения с данными дополнительного изображения в форме, максимально приближенной к визуализации этих изображений по отдельности. Для данного алгоритма, применительно к черно - белым изображениям, результирующую битовую карту можно представить, как (2.42). B[i,k] = axCW(l (i,k)) + (\-a)xCW(l2(i,k)) (2.42) 5. Алгоритм автоматизированного проявления контуров структур, полученных по данным МРТ или КТ на сечении по данным ОФЭКТ или ПЭТ, используя пороговую контурную фильтрацию сечения базового представления. В этом случае к базовому изображению применяется один из контурных фильтров, описанных в разделе "Обработка изображений", например, контурный фильтр Лапласа, затем выбираются пороги значимости полученных контуров. Пороги значимости задают уровень нижней и верхней границы в отфильтрованном изображении: In [і, к] = Laplas(l[i, kjj B[i,k] = CW(ll[i,k]),eaiu (2.43) I (in [i, к] level _ min) v (In [/, k\ level _ max) ], иначе B[i,k] = CW(l2[i,k]) Данные базового изображения, попадающие в диапазон между верхней и нижней границей выводятся на экран в серой шкале, а данные дополнительного изображений заполняют остальные области либо в серой шкале, либо в специальной цветовой палитре.

Это позволяет более контрастно диффиринцировать данные различных типов на изображении. Таким образом, на фоне контуров образований на базовом изображении, характеризующем морфологию объекта, проявляются данные ОФЭКТ о распределении концентрации изотопа. 6. Алгоритм полуавтоматического выделения контуров образований по данным МРТ или КТ и их отображение на сечении по данным ОФЭКТ или ПЭТ. Данный алгоритм работает аналогично предыдущему, но контуры интересующих исследователя структур выбираются интерактивно. Такой подход позволяет избежать проявления контуров и анализировать только необходимую врачу информацию. Алгоритм интерактивного (ручного) выделения контуров описан ниже в разделе "Анализ и измерения по совмещенным изображениям". 7. Алгоритм формирования изолиний по одним данным и их наложение на другие (изолинии ОФЭКТ на сечении КТ). Этот алгоритм позволяет частично проявить не только контуры явных образований на базовом изображении, но и отслеживать малозаметные изменения контраста базового изображения путем нанесения на дополнительное изображение изолиний базового изображения с задаваемым исследователем шагом. Сначала задается начальный и конечный уровень диапазона формирования изолиний на дополнительном изображении LEVI и LEV2 и шаг между смежными уровнями изолиний (izostep). Если данные дополнительного изображения попадают в диапазон, выбранный пользователем, то с заданным шагом на базовом изображении появляются изолинии, определяемые цветами дополнительного изображения. Как мы выяснили ранее, данные ОФЭКТ и ПЭТ имеют существенно меньшее пространственное разрешение, чем данные КТ и МРТ. Поэтому информацию о распределении интенсивности изотопа можно задавать в виде линий, соответствующих определенной концентрации изотопа с шагом, в несколько раз большим, чем изменение данных в дополнительном изображении. 8. Алгоритм интерактивного изменения центра и ширины окна отображения отдельно на сечении по различным данным позволяет оптимизировать восприятие изображений различных типов на одном образе. Для каждого из изображений задается от одного до четырех окон визуализации, которые определяют отображение данных на выбранную палитру. При этом устанавливается приоритетность отображения для всех окон, которая не является приоритетностью изображений. Т.е. одно окно для дополнительного изображения может иметь более высокий приоритет Рг, чем какое то из окон базового изображения, и наоборот. Рассмотрим более подробно блок анализа приоритетов и задания таблицы цветности. В этом алгоритме, являющемся многопараметрическим, необходимо строго формализовать все шаги его реализации.

Для всех окон, относящихся как к базовому, так и к дополнительному изображению выбираются: своя таблица цветности, приоритет, центр и ширина окна. На первом шаге для окна с наиболее низким приоритетом (независимо от типа изображения) происходит выбор цветовой палитры, преобразование к окну визуализации и запись в результирующую битовую карту. Затем процедура повторяется для окон с более высоким приоритетом. Причем в битовую карту заносятся только те значения пикселей, которые попадают в диапазон выбранного окна визуализации. Так шаг за шагом данные накладываются друг на друга в зависимости от приоритетов окон. Хотя такой подход приводит в ряде случаев к повторной записи в битовую карту, он позволяет избежать длинной цепочки анализа приоритетности окон для каждого из пикселей. головного мозга за вычетом костной ткани, желудочковой системы и субрахноидального пространства по данным КТ. Этот алгоритм позволяет отображать функциональные данные с максимально точной привязкой к морфологии объекта. Следует отметить, что данный алгоритм является весьма трудоемким для врача - исследователя, так как требует выполнения большого числа шагов по выделению интересующих структур. Определение интересующих структур проводится следующим образом. Сначала пользователь выделяет на базовом изображении морфологические образования, для которых необходимо оценить данные дополнительного изображения. Для этого используется либо механизм выделения произвольных зон интереса, либо дифференциация этих зон по яркости. Затем в выбранных зонах выводятся фрагменты дополнительного изображения с выделением их контуров цветом. Алгоритм предназначен для адекватного восприятия в одном масштабе изображений одного органа, полученных с помощью различных методов исследования. При этом производится интерполяция изображения, поученного от произвольного сечения к требуемому размеру. Алгоритм практически совпадает с алгоритмом поворота с масштабированием при Alfa = 0, поэтому приведен в следующем пункте. Поворот изображения на произвольный угол с возможностью его масштабирования с произвольным коэффициентом. После вызова функции выводится окно, содержащее два числовых параметра: Scale - масштабный коэффициент и Angle - угол поворота. Угол поворота задается в градусах и отсчитывается против часовой стрелки с помощью интерактивного поворота специальной стрелки. Данный алгоритм проще всего описать с помощью программного кода, поэтому приведем функцию на языке C++, его реализующую. Программный код реализующий данный алгоритм представлен в приложении 3.

Измерение расстояний.

Это одна из важнейших функций, которая позволяет оперативно оценивать размеры образований на сечении, применяется практически при каждом исследовании. Пусть Н - размер пикселя в сантиметрах, хО,уО и xl,yl - координаты ограничивающего изображение прямоугольника. Тогда V xb, yb маркера при нажатии правой кнопки мыши проверяет координаты: (((х х0)л(х х,))л((у у0)л(у У]))) (3.2) Затем V текущих координат х, у делается аналогичная проверка: (((Х Х0)А(Х Х]))А((У У0)А(У У]))) (3.3) При нажатии правой кнопки после проверки: ({(хе х0)А(хе х]))л({уе у0)л(уе У]))) (3.4) выводит результат out_to_Screen: D = H2Xyj(xb-xe)2+(yb-ye)2 (3.5) 3.3. Измерение углов Алгоритм позволяет оценить угловое расстояние между двумя направлениями на изображении. Проверки на принадлежность точек области изображения в дальнейшем описании будем опускать в силу их очевидности. Сначала выбирается точка вершины угла (xv,yv), затем, аналогично измерению расстояний, поочередно выбираются две стороны угла. Сам угол определяется по формуле (3.6). у = ах х х + Ьх у-а2хх + Ь2 (3.6) а, -а2 9 = arctg \l + axxa2 j 3.4. Выбор зоны интереса Большое значение в томографии имеет анализ зон интереса (ROI). Эти алгоритмы позволяют формировать области различной формы, оценивать статистические характеристики изображения в этих областях, определять их площадь и объем. Приведенные параметры позволяют статистически достоверно оценивать однородность рассматриваемой области, получать значения шумовых характеристик изображения, судить о патологических изменениях по среднему значению в зоне. Сначала рассмотрим алгоритмы выбора формы зоны интереса и построения ее на экране. Обычно используются зоны четырех типов: прямоугольные, круглые, эллипсоидные и произвольной формы. Построение прямоугольной зоны происходит следующим образом: нажатием левой клавиши выбирается левый верхний угол зоны, затем, вместе с перемещением указателя, рисуется прямоугольник, при нажатии правой клавиши координаты прямоугольника фиксируются в виде двух точек (хьуі) и (х2,у2). Для построения круглой и эллипсоидальной зон используется аналогичный алгоритм, кода стороны рисуемого прямоугольника задают оси вписанного в него эллипса. В случае круглой зоны оси принудительно устанавливаются равными друг другу.

Параметры полученного эллипса так же задаются двумя парами точек. Выделение произвольной зоны сводится, фактически, к многократному повторению алгоритма рисования линий. Каждый раз, при нажатии левой клавиши, фиксируется очередная вершина многоугольника, а при нажатии правой клавиши, происходит его замыкание. Теперь обратимся к алгоритмам определения принадлежности точки зоне интереса. Они необходимы для дальнейшей работы с данными, находящимися в зоне. Для первых трех типов зон задача решается аналитически путем определения номеров строк, которые пересекают зону интереса путем сравнения с Y - координатами ограничивающего прямоугольника (Приложение 3). Далее приведен фрагмент программы, определяющий набор точек пересечения строк изображения с гранями произвольной зоны. Сначала определяется охватывающий зону прямоугольник. Поскольку конфигурация произвольной зоны может быть довольно сложной, необходимо определить все пересечения с ее гранями корректно. Для этого незначительно изменяет Y - координаты всех вершин многоугольника (на 0.1%), чтобы избежать пересечения вершин со строками, ищем все точки пересечения, заносим их в список и, наконец, находим отрезки пересечения строк изображения с зоной. 3.5. Статистические измерения по зоне интереса После выбора геометрических характеристик зоны, производится статистический анализ данных. Фрагмент этого анализа включен в приведенный выше листинг, однако рассмотрим формальное его описание. Минимальный набор статистических характеристик включает: Обработка результатов измерений необходима для получения более содержательных значений результатов измерений по томографическим изображениям. Например, важное значение для диагностики имеют не только размеры выявленного образования, но и их отношение в процентах. Часто необходимо избирательно суммировать площади и объемы нескольких зон интереса в одном сечении для оценки суммарной площади и объема выявленных патологических образований. Таких примеров много, поэтому наиболее целесообразно дать пользователю инструмент произвольной обработки измеренных данных и язык построения типичных последовательностей обработки результатов измерений. Это делается с помощью специализированного калькулятора, имеющего доступ ко всем результатам измерений и протоколу записи результатов измерений и обработки. Функции этого калькулятора стандартные (сложение, вычитание, умножение, деление, обратная величина, квадратный корень и т.д.), но он позволяет запоминать последовательности обработки и повторять их с другими данными. ЗЛО Дополнительные методы измерений Дополнительные методы измерений, применяемые для анализа сечений совмещенных изображений и объемных представлений включают следующие разделы. Обработка мелких очаговых образований. Она позволяет оценивать объемные характеристики мелких, слабо различимых образований, на основе техники выделения произвольной зоны с дифференциацией обрабатываемых значений по плотности или яркости. В этом случае в относящимися к зоне считаются только те пиксели в заданном регионе, которые попадают в выбранный диапазон значений.

Данный алгоритм использует технику зон интереса, но позволяет объединять их в группы, объемы которых суммируются. Измерение координат и значений в произвольных точках сечения по трехмерным данным с отображением результатов всех совмещенных данных. В отличие от двухмерного случая отображаются трехмерные координаты точки и значения для всех совмещенных данных. Измерение трехмерных расстояний и углов - аналогично двумерному измерению, но точки начала и конца прямых могут задаваться на различных сечениях или изометрических образах. Соответственно вычисление расстояний и углов производится в пространственной геометрии, т.е. по всем трем координатам. Вывод и анализ графика строки/столбца изображения по всем представлениям одновременно - одновременно выводятся ряд графиков - по числу совмещенных объемов. Каждый график нумеруется и представляется своим цветом. Определение объемов структур по серии изображений и по трехмерному представлению основано на пороговом выделении структур в объеме по произвольно выбранному пробному образованию с последующим интерактивным редактированием полученного описания органа (отсечка краевых деталей, эррозия/диляция и т.д.). Анализ по трехмерной зоне интереса по всем представлениям одновременно - повторяет предыдущий алгоритм в части выделения зоны, но в выделенной области, кроме вычисления объема, вычисляются статистические характеристики. При этом используется подсветка пикселов в выбранном диапазоне для каждой зоны. Построение симметричной произвольной зоны, т.е. производится выбор оси симметрии и автоматическое отображение построенной зоны относительно оси симметрии со сравнением результатов оценки симметричных зон. Применение этих способов анализа и обработки томографических изображений по отношению к совмещенным трехмерным данным с некоторой их модификацией позволяет проводить принципиально новые измерения и создавать новые диагностические методики. Для введения денситометрических измерений по данным, полученным с помощью ОФЭКТ, вводится понятие шкалы ОФЭКТ, которая формируется путем калибровки установки эталонным источником и учета таких факторов, как время изготовления изотопа и время проведения измерений. Это позволяет ввести полу качественную шкалу и сопоставлять значения яркости отдельных образований в этой шкале с денситометрическими данными КТ

Клинический пример использования программы компьютерного моделирования растяжения тканей над экспандером

Дополнительные методы измерений, применяемые для анализа сечений совмещенных изображений и объемных представлений включают следующие разделы. Обработка мелких очаговых образований. Она позволяет оценивать объемные характеристики мелких, слабо различимых образований, на основе техники выделения произвольной зоны с дифференциацией обрабатываемых значений по плотности или яркости. В этом случае в относящимися к зоне считаются только те пиксели в заданном регионе, которые попадают в выбранный диапазон значений. Данный алгоритм использует технику зон интереса, но позволяет объединять их в группы, объемы которых суммируются. Измерение координат и значений в произвольных точках сечения по трехмерным данным с отображением результатов всех совмещенных данных. В отличие от двухмерного случая отображаются трехмерные координаты точки и значения для всех совмещенных данных. Измерение трехмерных расстояний и углов - аналогично двумерному измерению, но точки начала и конца прямых могут задаваться на различных сечениях или изометрических образах. Соответственно вычисление расстояний и углов производится в пространственной геометрии, т.е. по всем трем координатам. Вывод и анализ графика строки/столбца изображения по всем представлениям одновременно - одновременно выводятся ряд графиков - по числу совмещенных объемов. Каждый график нумеруется и представляется своим цветом. Определение объемов структур по серии изображений и по трехмерному представлению основано на пороговом выделении структур в объеме по произвольно выбранному пробному образованию с последующим интерактивным редактированием полученного описания органа (отсечка краевых деталей, эррозия/диляция и т.д.). Анализ по трехмерной зоне интереса по всем представлениям одновременно - повторяет предыдущий алгоритм в части выделения зоны, но в выделенной области, кроме вычисления объема, вычисляются статистические характеристики. При этом используется подсветка пикселов в выбранном диапазоне для каждой зоны. Построение симметричной произвольной зоны, т.е. производится выбор оси симметрии и автоматическое отображение построенной зоны относительно оси симметрии со сравнением результатов оценки симметричных зон.

Применение этих способов анализа и обработки томографических изображений по отношению к совмещенным трехмерным данным с некоторой их модификацией позволяет проводить принципиально новые измерения и создавать новые диагностические методики. Для введения денситометрических измерений по данным, полученным с помощью ОФЭКТ, вводится понятие шкалы ОФЭКТ, которая формируется путем калибровки установки эталонным источником и учета таких факторов, как время изготовления изотопа и время проведения измерений. Это позволяет ввести полу качественную шкалу и сопоставлять значения яркости отдельных образований в этой шкале с денситометрическими данными КТ. Приведенное на Рис. 42. изображение иллюстрирует применение алгоритмов измерения значений в точке, измерения расстояний, вывода графика плотности строки изображения. Изображение на Рис. 43 иллюстрируют применение алгоритмов статистической обработки по зонам интереса с подсветкой пикселов в выбранном диапазоне для каждой зоны. 3.11. Результаты применения алгоритмов слияния и визуализации Приведенные на Рис. 44. - Рис. 49. изображения иллюстрируют первое практическое применение алгоритмов визуализации совмещенных трехмерных изображений на наборе аксиальных сечений объемного представления. В данном случае использовались томограммы одного и того же пациента, полученные с помощью рентгеновского томографа SOMATOM CR и ОФЭКТ фирмы General Electric GT401. Размер исходной матрицы изображений, полученных на КТ, составляет 256 256, на ОФЭКТ - 64 64. На Рис. 44. и на Рис. 48. видны маркеры, с помощью которых производилось совмещение объемов. На изображениях четко проявляется структура костей, выявленных на КТ, отображенных с помощью алгоритма приоритетных окон отображения, а на Рис. 46., Рис. 47. и Рис. 48. проявляется структура желудочков головного мозга и субарахноидального пространства. При их отображении использован алгоритм алогического выделения структур для определенного диапазона значений битов в изображении. Для вещества мозга выведено распределение изотопа в специальной цветовой палитре. В данном случае наибольшей концентрации изотопа соответствует ярко - красный цвет, для минимальной - синий. Конечный же этап может иметь нелинейную форму в связи с возможными осложнениями, влияющими на эластичность кожного покрова над экспандером.

Планирование растяжения ведется преимущественно на основном этапе. Граница начального и основного этапов определяется величиной введенной жидкости, равной начальному объему экспандера, который указан в фабричном описании каждого баллона. Границу основного и конечного этапа определяет лечащий врач, исходя из того, на сколько планируемые результаты отличаются от реально полученных при измерении. Измерения растянутого лоскута проводили в процессе планового лечения. Для произведения измерений использовалась единая система разметки кожи над экспандером. Учитывая, что использовались две формы расширителей - круглая и прямоугольная, разметка производилась соответственно рисункам Рис. 57 — Рис. 58. Разметка наносилась специальным маркером в день первого сеанса наполнения после имплантации. На поверхность кожи наносилось 9 отметок с условием, что Li L2 L3 = L4 и Hi = Н2 Н3 Н4 (Рис. 59, Рис. 60). Измерения проводили после выполнения каждой плановой процедуры наполнения экспандера. Измеряемое расстояние по поверхности кожи позволяло анализировать прирост кожного покрова и соответственно определить его площадь с достаточно большой точностью. Программа проходила клиническое испытание и используется в НИИ Неврологии и Центре сердечно-сосудистой хирургии им. А.Н. Бакулева. На Рис. 61 - Рис. 62 представлено совмещенное КТ и ОФЭКТ изображение. Четко выявляется зона лобной гиперперфузии (норма), а также зона гиперперфузии в правом полушарии мозга в лобно-теменных отделах. Последнее может свидетельствовать о наличии ишемических изменений в противоположенном полушарии. Представленное на Рис. 63 КТ изображение одного среза мозга и совмещенное с КТ ОФЭКТ изображение Рис. 64 того же среза. Отчетливо определяется зона гиперперфузии в отделах правого полушария прилегающих к переднему рогу боков желудочка, что может свидетельствовать о наличии инфаркта мозга в данной области. На совмещенном КТ и ОФЭКТ изображении Рис. 65 - Рис. 66 одного из срезов мозга четко регистрируются зоны ишемии в зоне окружающей средние отделы боковых желудочков с обеих сторон, более выражены слева (инфаркт мозга с обеих сторон).

Похожие диссертации на Компьютерный анализ медицинских изображений, полученных различными физическими методами