Введение к работе
Актуальность исследования. 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 яркостей точек рентгеновского снимка, 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 может привести к ошибкам.
Широкое распространение компьютерной техники и информационных технологий создает условия для реализации автоматизированной обработки большого количества изображений. Примерами этого являются системы «Видеотест-размер» фирмы «ВидеоТест»; «X-ray Lab 30 X-ray Images Digital Processor компании Gilardoni; «Advanced image processor»; система «Скрининг-флюорография» центра медицинских информационных технологий «Медиал-МТ». Однако для повышения достоверности постановки диагноза по снимкам требуется реализация метода распознавания образов, которую существующие системы не содержат. В основе распознавания должно лежать сопоставление участков исследуемого изображения с шаблоном, а в качестве образов могут использоваться обработанные изображения патологических структур. Наиболее успешно задачу распознавания решают нейросетевые модели. Разработке методов и алгоритмов идентификации и классификации образов посвящены работы АН. Галушкина, АН. Горбаня, Т. Кохонена, Ф. Уоссермена, Дж. Хопфилда. Однако по причине того, что отсутствует единая методология решения прикладных задач с помощью нейросетей, целесообразно применительно к каждой конкретной задаче выбирать не только их архитектуру, но и метод обучения нейроннойсети.
При анализе и обработке цифровых флюорограмм наиболее информативной количественной характ^истак^дгавдентфітеашш структуры и иссле-
ягзрм
дования ее свойств является яркость точек рентгеновского снимка (В.В. Клюев, С. Уэбб и др.). Известно, что на яркость точек изображения влияет ряд факторов, например напряжение на рентгеновской трубке, габариты пациента и др. Это затрудняет постановку диагноза врачом. В связи с этим представляется целесообразным уменьшить влияние указанных факторов, а также перейти к оценке относительной яркости точек цифрового изображения. Кроме того, следует ввести дополнительные количественные характеристики патологических структур на флюорограммах.
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.
Целью диссертационной работы является разработка методов и алгоритмов автоматизированной идентификации патологических структур по флюорограммам. Для достижения данной цели были поставлены следующие задачи:
Разработать методику количественной оценки характеристик патологических структур.
Разработать методику идентификации паталогических структур по цифровым изображениям на основе нейросетевой технологии. Разработка архитектуры нейросетевой модели и алгоритмов ее обучения.
Разработать методику обработки и визуализации цифровых рентгеновских снимков.
Разработать информационно-измерительную систему автоматизированной идентификации патологических структур.
Объектом исследования являются методы и алгоритмы цифровой обработки и распознавания медицинских рентгеновских снимков.
Методы исследования. В основе исследования лежат нелинейные методы обработки цифровых изображений с помощью дискретного вейвлёт-преоб-разования и клеточных автоматов; методы нейросетевого распознавания образов и модели нейронных сетей радиальных базисных функций и персептронов; теория функциональной» анализа; методы имитационного моделирования.
Научная новизна полученных результатов:
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.
Разработана нейросетевая модель, имеющая гибридную архитектуру и позволяющая автоматизировать процесс идентификации патологических структур и повысить вероятность правильного распознавания.
Разработаны рабочие алгоритмы и программное обеспечение информационно-измерительной системы автоматизированной обработки рентгенограмм, позволяющей распознавать патологические структуры.
Показано, что разработанная методика ццентификации структур применима к задачам медицинской, технической диагностики.
Практическая полезность 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.
На защиту выносятся:
Методика количественной оценки характеристик патологических структур на основе яркостей точек цифрового рентгеновского изображения.
Методика нейросетевой идентификации структур на цифровых снимках на основе их количественных характеристик.
Архитектура гибридной нейронной сети, основанной на архитектурах персептрона и сети радиальных базисных функций, для распознавания патологических структур на оцифрованном рентгеновском снимке.
Информационно-измерительная система распознавания патологических структур на оцифрованном рентгеновском снимке.
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 пункту 1.3 Перечня критических технологий федерального значения. Решение заявленных проблем позволяет создать технологии двойного применения, соответствующие пункту В.4.4.2 Перечня двойных технологий федерального уровня. НИР проводилась по тематическому плану 2002 года Министерства образования РФ (номер госрегистрации 0120206110).
Апробация работы. Основные результаты работы докладывались на: 6-й и 8-й Всероссийских научно-технических конференциях «Состояние и перспективы измерений» (Москва, МГГУ им. Н. Э. Баумана, 1999,2002); Международных конференциях «Информационные технологии в образовании, технике и медицине» (Волгоград, ВолгПУ, 2000, 2002); межвузовской научно-методической конференции «Информационные технологии в образовании» (Саратов, СГТУ, 2000); секции «Tissue Science, Structure & Diagnostics» Международной конференции «SPIE: E-BiOS-2000» (Amsterdam, 2000); 4-й Международной конференции «Цифровая обработка сигналов и ее применение» DSPA-2002 (Москва, РНТОРЭС им. А С. Попова, 2002); Международной конференции «SFM: Workshop on Optical Technologies in Biophysics & Medicine IV» (Саратов, 2002); 6-й Всероссийской конференции «Студенты и аспиранты - малому наукоемкому бизнесу» (Ярославль, 2003).
Программные продукты, разработанные в рамках диссертационной работы, были представлены на Международной выставке-ярмарке научно-исследовательских работ и инновационной деятельности студентов, аспирантов и молодых ученых вузов Российской Федерации (Новочеркасск, НТИ (ЮРГТУ), 2003) и 9-й Международной выставке молодежных научно-технических проектов «ЭКСПО - Наука 2003» (Москва, ВВЦ, 2003).
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 №2003611777 от 24 июля 2003 г.).
Личный вклад соискателя. Автором разработаны представленные в диссертации математические модели, алгоритмы и программы.
Публикации результатов. По теме диссертации опубликовано 17 научных работ, в том числе 6 статей 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.
