Содержание к диссертации
Введение
ГЛАВА 1. Обзор возможностей и особенностей темнопольной микроскопии в микроскопических исследованиях медико-биологических препаратов 11
1.1 Особенности построения изображений по методу темнопольной микроскопии 11
1.2 Сравнение методов темнопольной и светлополыюй микроскопии 12
1.3 Проблемы автоматизации микроскопических исследований с использованием меюдов светлого и і ємного поля 15
1.4 Обзор алгоритмов предварительной обработки анализируемого изображения
1.4.1 Алгоритмы выравнивания яркости и контраста исходного изображения 18
1.4.2 Фильтрация изображений 20
1.5 Обзор алгоритмов сегментации обьектов исследования на гемнопольных изображениях
препарата крови 23
1.6 Автоматизация исследований морфологии клеток в диагностике анемических синдромов 28
1.7 Проблема определения пересечений клеток 29
1.8 Алгоритмы определения пересечений клегок 31
1.9 Проблема анализа агрегатов «монетный столбик» 35
1.10 Выводы 38
ГЛАВА 2. Разработка алгоритмов обработки темнопольных растровых изображений медико-биологических препаратов, повышающих эффективность решения прикладных задач автоматизированной микроскопии 40
2.1 Основные этапы обработки растрового изображения 40
2.2 Критерии оценки качества сегментации обьектов исследования 42
2.3 Исследование алгоритмов сегментации обьектов интереса 45
2.4 Разработка алгоритма для анализа пересечения двух эритроцитов 46
2.5 Алгоритм сегментации и подсчета эритроцитов находящихся в состоянии агрегации «монетный столбик» 54
2.6 Способ формирования информативных признаков эритроцитов с патологически измененной формой на основе моментных инвариантов и дескрипторов Фурье 60
2.7 Выводы
ГЛАВА 3. Автоматизация процесса диагностики анемических синдромов 68
3.1 Формализованное описание анемических синдромов на основе эритроцитармых индексов 69
3.2 Методика автоматического расчета количества пойкилоцитоза 72
3.3 Способ определения вида анемического синдрома на основе формализованной модели с
использованием понятий теории нечетких множеств 75
3.4 Выводы: 87
ГЛАВА 4. Описание автоматизированной системы анализа медико-биологических изображений полученных при микроскопии методом темного поля 89
4.1 Автоматизированная система поиска и выделения объектов исследования из массива изображений периферической крови, полученных при микроскопии методом темного поля 90
4.2 Автоматизированная система морфомстричсских исследований эритроцитов в диагностике анемий 94
4.3 Автоматизированная система расчета индекса элонгации эритроцитов в проточной микрокамере 97
4.4 Автоматизированная система расчета степени агрегации эритроцитов находящихся в состоянии «монетный столбик» 101
4.5 Выводы 104
Заключение 105
Библиографический список
- Проблемы автоматизации микроскопических исследований с использованием меюдов светлого и і ємного поля
- Исследование алгоритмов сегментации обьектов интереса
- Методика автоматического расчета количества пойкилоцитоза
- Автоматизированная система морфомстричсских исследований эритроцитов в диагностике анемий
Введение к работе
Актуальность темы. На сегодняшний день одним из новейших и наиболее перспективных методов диагностики здоровья является сканирование живых клеток крови при помощи темнопольного микроскопа. Суть этого метода состоит в том, что световые лучи, освещающие объект, выходят из конденсора микроскопа в виде полого конуса и непосредственно в объектив не попадают. Изображение создается только светом, который рассеивается мелкоструктурными элементами объекта. Данный метод позволяет получить изображения многих прозрачных, непоглощающих свет и потому невидимых при наблюдении в светлом поле объектов и возбудителей болезней. Так же большим преимуществом микроскопии с использованием метода темного ПОЛЯ является то, что исследуемый образец крови не обрабатывается химическими реактивами, фиксаторами и не окрашивается под конкретную задачу анализа. Таким образом, достигается существенная экономия денежных средств и трудозатрат, за счет отсутствия необходимости закупать дорогостоящие химические реактивы для приготовления препарата крови.
На основании анализа препарата крови полученной методом темного поля, прежде всего, оцениваются качественное состояние клеток, их подвижность в плазме, агрегация и патологические искажения формы эритроцитов, являющиеся показателями серьезных изменений в организме. Спектр диагностики заболеваний при использовании метода темного поля широк и позволяет сделать заключение о состоянии обмена веществ (жирового, белкового, углеводного, фосфорно-кальциевого), который зависит от работы поджелудочной железы, печени, и о нарушениях, которые могут привести к анемии, атеросклерозу, подагре, онкологическим и другим заболеваниям.
Основная проблема при автоматизации обработки растровых темнопольных изображений препарата крови состоит в том, что они имеют существенные отличия в цвето-яркостных характеристиках по сравнению с изображениями, полученными по методу светлого поля. Таким образом, создается ряд трудностей для анализа темнопольных изображений уже существующими современными диагностическими автоматизированными системами, то есть, изображения загруженные в подобного рода системы, не могут быть правильно обработаны, а объекты исследования классифицированы. В связи с этим фактом практически вся диагностика и некоторые виды исследований, такие как анализ агрегации эритроцитов, производимые с использованием метода темнопольной микроскопии, на данный момент осуществляются специалистами вручную, что требует большого количества времени и снижает точность из-за наличия «человеческого фактора».
4 В связи с этим возникает необходимость в разработке методов и алгоритмов, позволяющих автоматизировать процесс обработки темнопольных изображений и эффективно решать прикладные задачи в области медицинского микроскопического анализа.
Актуальность данной работы состоит:
в необходимости разработки методик и алгоритмов распознавания и обработки изображений учитывающих особенности и проблемы темнопольных изображений;
в необходимости повышения надежности распознавания объектов исследования, путем разработки способов получения надежных векторов признаков, которые не зависят от общих характеристик анализируемого изображения (текстура, цвет, яркость и другие);
в отсутствии программных решений по автоматизации обработки растровых изображений, полученных методом темнопольной микроскопии.
Актуальность темы для решения прикладных задач подтверждается потребностью в разработке специализированных автоматизированных систем основанных на алгоритмах и методиках, позволяющих автоматизировать рутинные ручные операции, такие как анализ агрегации эритроцитов, измерение необходимых параметров объектов, выявления пересечения клеток, классификация и подсчет объектов исследования обладающих недостаточными признаками классификации.
Целью диссертационной работы является повышение эффективности при обработке медико-биологических изображений препарата крови, полученных в результате темнопольной микроскопии, за счет разработки алгоритмов и методик позволяющих снизить трудоемкость, повысить скорость и точность при решении прикладных задач в области «машинного зрения».
Задачами диссертационной работы являются:
-
исследование особенностей и возможностей темнопольной микроскопии в клиническом и лабораторном медицинском анализе;
-
разработка алгоритмов для решения проблемы анализа пересечений эритроцитов и подсчета клеток, находящихся в состоянии агрегации «монетный столбик»;
-
разработка способа формирования информативных признаков эритроцитов с патологически измененной формой;
-
разработка методики для определения вида анемического синдрома и степени его тяжести развития на основе эритроцитарных индексов;
5 5. реализация и апробация предложенных в работе алгоритмов и методик в виде автоматизированного программно-информационного комплекса диагностики, направленного на решение прикладных задач в области микроскопических медико-биологических исследований.
Методы исследования. Решение поставленных задач потребовало привлечения подходов и методов в следующих направлениях научной деятельности: методы и алгоритмы обработки растровых цифровых изображений, статистическая обработка данных, распознавание образов, системный анализ, медицинская морфометрия. Программное обеспечение было разработано с использованием положений объектно-ориентированного проектирования и теории нечетких множеств.
Достоверность и обоснованность результатов. Обоснованность и адекватность предложенных алгоритмов подтверждается их использованием в автоматизации процесса микроскопических медицинских исследований.
Научная новизна полученных результатов, выносимых на защиту, заключается в следующем:
1. Разработан алгоритм, позволяющий решать проблему определения двух
пересекающихся клеток, возникающей при автоматизированном анализе
медико-биологических препаратов крови;
-
Разработан алгоритм позволяющий подсчитывать количество эритроцитов в агрегации «монетный столбик»;
-
Предложен способ формирования информативных признаков эритроцитов с патологически измененной формой на основе моментных инвариантов и нормированных дескрипторов Фурье;
-
Разработана методика автоматической классификации и подсчета патологических форм эритроцитов на темнопольных изображениях препарата крови;
-
Предложен способ определения вида и степени тяжести развития анемического синдрома на основе комбинированной оценки анизоцитоза и пойкилоцитоза, позволяющий отслеживать динамику эффективности производимого лечения, а так же процесс перехода анемии из стадии в стадию.
Практическая значимость работы:
1. На основе предложенных в работе алгоритмов автоматизированной обработки темнопольных изображений препарата крови, а так же способа получения информативных признаков объектов исследования появляется возможность создания функциональных диагностических комплексов обладающих лучшими характеристиками по сравнению с аналогами,
представленными на рынке разработчиков медицинского программного обеспечения;
-
Предложенная методика определения основных типов анемических синдромов и их степени тяжести развития может использоваться в дальнейшем при разработке специализированной экспертной системы;
-
Результаты диссертационного исследования могут быть использованы в учебном процессе для медицинских образовательных учреждений в качестве программного обеспечения для проведения лабораторных работ;
-
На основе предложенных алгоритмов разработан автоматизированный программный комплекс, использующийся для решения частных задач в области медицинской микроскопии. Разработанный комплекс автоматизированных систем, внедрен и применяется в исследованиях влияния разрабатываемых экспериментальных фармакологических препаратов на клетки крови, на кафедре фармакологии Волгоградского государственного медицинского университета под руководством д.м.н., профессора, заслуженного деятеля науки РФ, академика РАМН, Спасова А.А. и в клинке традиционной медицины «Активное долголетие» г. Волгоград для исследования влияния биологически активных добавок и диагностики состояния здоровья пациента.
Основные положения и результаты, выносимые на защиту:
-
Алгоритм для решения проблемы определения пересечений эритроцитов;
-
Алгоритм подсчета клеток находящихся в состоянии агрегации «монетный столбик»;
-
Способ формирования информативных признаков эритроцитов с патологически измененной формой на основе моментных инвариантов и нормированных дескрипторов Фурье;
-
Методика автоматического расчета количественной оценки пойкилоцитоза;
-
Способ определения вида и степени тяжести развития анемического синдрома на основе значений эритроцитарных индексов;
-
Реализованный на основе разработанных методик и алгоритмов программный комплекс.
Внедрение.
1. Автоматизированная система «Поиск и выделение объектов исследования из массива изображений периферической крови, полученных при микроскопии методом темного поля» внедрена в клинике традиционной медицины «Активное Долголетие» г. Волгоград и используется для подготовки изображений полученных в результате микроскопии к целям исследования;
-
Автоматизированная система «Морфометрические исследования эритроцитов в диагностике анемических синдромов» внедрена в клинике традиционной медицины «Активное Долголетие» г. Волгоград и используется в качестве системы диагностики состояния здоровья пациента и оценки влияния биологически активных добавок на клетки крови;
-
Автоматизированная система «Расчет индекса элонгации и степени агрегации эритроцитов, находящихся в состоянии «монетный столбик»» внедрена на кафедре фармакологии Волгоградского государственного медицинского университета и используется в исследованиях влияния разрабатываемых экспериментальных фармакологических препаратов на состояние эритроцитов;
-
Работа получила грант от фонда содействия развитию малых форм предприятий в научно-технической сфере по программе «Участник молодежного научно-инновационного конкурса (У.М.Н.И.К)».
Апробация работы. Основные положения диссертации докладывались на научных семинарах кафедры САПР и ПК ВолгГТУ, а также на всероссийских и международных научно-практических конференциях: на всероссийской конференции с элементами научной школы «Проведение научных исследований в области обработки, хранения, передачи и защиты информации» (Ульяновск 2009), всероссийской молодежной конференции «Инновационные и предпринимательские проекты среди научной молодежи» (Элиста 2009), международной конференции «Информационные технологии в науке, образовании, телекоммуникации и бизнесе» (Гурзуф 2011), международной научно-технической конференции «Технологии разработки информационных систем» (Таганрог 2011).
Публикации.
По теме диссертации опубликовано 10 печатных работ, в том числе 5 из них в журналах, рекомендованных ВАК.
Объем и структура работы.
Работа состоит из введения, четырёх глав с выводами и четырех приложений. Общий объем работы: страниц - 131, иллюстраций - 50, таблиц - 15. В списке литературы 99 наименований.
Проблемы автоматизации микроскопических исследований с использованием меюдов светлого и і ємного поля
В связи с тем. что получаемые в результате оцифровки исследуемого препарата крови растровые изображения имеют существенные отличия в цвето-яркостных характеристиках по сравнению со светлопольным методом, что соответственно приводит к необходимости детального исследования существующих алгоритмов предварительной обработки изображения и алгоритмов сегментации объектов интереса с целью нахождения наиболее подходящих к целям исследования.
Гак же нам необходимо проанализировать функциональные возможности существующих автоматизированных систем обработки и анализа медико-биологических изображений от известных отечественных и зарубежных фирм-разработчиков медицинского программного обеспечения (Таблица I), Целью проведения аналитического обзора среди систем автоматизированной микроскопии является обнаружение нерешенных задач, которые могут быть в дальнейшем автоматизированы, за счет чего повысится эффективность решения некоторых исследовательских прикладных задач. Результаты исследования функциональных возможностей по каждой автоматизированной системе приведены в таблице 1. В качестве сокращения используются следующие обозначения: П - функция реализована полностью; Ч - функция реализована частично; О - функция отсутствует. Основное назначение и более детальное описание рассмотренных автоматизированных систем приведено в приложении 1.
Сравни тельный анализ функциональных возможностей систем автоматизированной микроскопии Характеристики исследуемых систем Системыавтоматизироваиноймикроскопии Алгоритмы предварительной обработки для темнопольных изображений Автоматический поиск и выделение объектов исследования Классификация обьсктов исследования по цвето-яркостным характеристикам Классификация объектов исследования по геометрическим параметрам 2га с . &о с со Он t0Юо тегак о огаи га н ы и а ю о03 Оо.н(UгаQ.гасн(Uт огаП.5 Sон оэ тегаИЗо п и =; о оSса о н ы и&юо95 5tuС UУ ии3Xн0)о SССога_ и& га гасогаS с. 5 ь 2и XК32 гаCJо0) Q. (Uс теS XО.гаюоSS" « Leica LAS ImageAnalysis П П П Ч О п п 0 0 Image-Pro Premier Ч П П Ч О II II 0 0 Дианел-Микро Ч ч О О О ч ч 0 0 ВидеоТесТМорфометрия вдиагностикеанемий ч п П Ч ч п п 0 0 ДиаМорф Объектив II II О О О ч ч 0 0 При рассмотрении таблицы 1 можно сделать вывод, что во всех автоматизированных системах отсутствует необходимые инструменты для решения часто встречающейся проблемы пересечения клеток, что в свою очередь существенно повышает требования к качеству приготовления препарата исследования. Так же следует отметить, некую направленность систем на решение широкого круга задач, что свидетельствует частичная или полностью отсутствующая функция классификации объектов но группам на основе определенных параметров. Некоторая часть автоматизированных систем ориентирована на работу с нвето-яркостными характеристиками изображения, что в свою очередь лишает их возможности в автоматическом режиме обрабатывать большой массив анализируемых изображений.
Особенно следует отметить и тот факт, что ни в одной из диагностических систем не были реализованы функции для сегментации и подсчета количества клеток в агрегатах «монетный столбик», что существенно снижает эффективность в решении ряда исследовательских и диагностических задач, например, в диагностике анемических синдромов.
Все вышесказанное приводит к необходимости детального исследования существующих алгоритмов предварительной обработки изображения и алгоритмов сегментации объектов интереса с целью нахождения наиболее подходящих, позволяющих эффективно решать обнаруженные проблемы.
Общеизвестной проблемой в автоматизированном анализе изображений полученных в результате оцифровки микроскопических препаратов является низкое качество получаемых изображений. Данная проблема зависит от множества факторов, таких как некачественное приготовление анализируемого образца, возникновение шумов вследствие несовершенства аппаратуры захвата, потеря качества исходного изображения при перекодировке и т.д. В итоге получаемое изображение, как правило, обладает низким контрастом, неравномерной яркостью и набором различного рода шумов. Таким образом, подобные изображения не могут быть подвергнуты автоматической обработке без устранения всех перечисленных проблем, так как это приведет к не адекватным результатам анализа.
Этап улучшения качества входного изображения является строго обязательным при проведении автоматизированного анализа медико-биологических препаратов и входит в основу всех автоматизированных систем. В связи с тем, что темнопольные изображения имеют существенные отличия в цвето-яркостных характеристиках от полученных по методу светлого ноля, возникает необходимость исследовать существующие алгоритмы предварительной обработки изображений позволяющих наиболее эффективно устранять все вышеперечисленные проблемы, а так же усилить различия между исследуемыми объектами (клетками, тканями, микроорганизмами) и фоном с целью минимизации ошибок при проведении автоматического анализа.
Основная проблема изображений, получаемых в результате микроскопии, это неравномерные значения яркости в различных областях изображения, а так же слабый контраст, то есть неполное использование диапазона яркостей, что приводит к невозможности применения в дальнейшем алгоритмов сегментации объектов исследования.
В некоторых случаях дает хорошие результаты по общему улучшению изображения, алгоритм выравнивания яркости путем усреднения значений соседних пикселей в «скользящем окне» фиксированного размера. Следует огметить, что размер области, в которой происходит преобразование значений, определяется экспериментально в зависимости от задач которых необходимо достичь путем данной обработки.
Применение подобного подхода применительно к темнопольным изображениям приводит к значительному ухудшению качества изображения, это связано с тем, что в плазме, как правило, присутствует множество мельчайших частиц, которые влияют на результирующее значение в «скользящем окне».
Исследование алгоритмов сегментации обьектов интереса
В связи с широким распространением анемических синдромов в нашей стране и мире, весьма актуальной является задача автоматизации процесса определения вида анемического синдрома и степени тяжести его развития.
Несвоевременное выявление или не точное определение вида анемического синдрома может приводить в дальнейшем к позднему распознаванию ряда тяжелых заболеваний (злокачественные опухоли, хронические воспалительные процессы). В большинстве случаев единственным диагностируемым признаком на ранней стадии развития определенного заболевания является анемия [62].
Широко распространенным методом при диагностике анемических синдромов является визуализация результатов ручного или автоматического определения эрифоцитарных индексов в более наглядной для врача форме - в виде гистограммы распределения различных размеров эритроцитов или так называемой эритрометрической кривой [34] (кривой Прайса-Джонса). По результатам эритроцитометрических измерений строят график, в котором по оси абсцисс откладывают величины диаметра эритроцитов в микронах, а по оси ординат - процент клеток с соответствующим диаметром. Эритроцитометрическая кривая при нормальных показателях имеет правильную треугольную форму с высокой вершиной и узким основанием. Изменение формы эритроцитометрической кривой или ее смещение относительно нормальных значений вправо или влево (при микро- и макроцитозе) дает представление врачу о возможном диагностируемом варианте анемического синдрома.
Следует отметить, что определение варианта анемического синдрома основанного только на представлении результатов гематологического анализа в виде кривой Прайс-Джонса имеет ряд существенных недостатков: 1) отсутствие возможности количественно оценить уровень пойкилоцитоза (изменения формы эритроцитов различной степени выраженности). Данный показатель является важнейшим признаком серьезных изменений в организме. Кроме того, детальный анализ пойкилоцитоза в некоторых случаях явно указывает па определенный вид анемии (например, в случае серповидно-клеточной анемии), а так же служит хорошим показателем степени тяжести развития синдрома при определенном процентном соотношении патологичных форм эритроцитов к общему количеству здоровых клеток [631; 2) точность интерпретации данных, полученных в результате эритроцитометрии, целиком зависит от опыта и внимательности врача производящего анализ; 3) при повторной сдаче анализов трудно проследить реакцию организма на прием прописанных препаратов, выявлять переходы анемического синдрома из стадии в стадию в зависимости от качества производимого лечения. Основной проблемой в диагностике анемических синдромов без использования эритроцитометрической кривой является этап интерпретации данных полученных в результате эритроцитометрии. Анализ данных производится вручную путем сверки полученных результатов исследования с нормативами [60,44], представленными в виде различных таблиц, содержащих диапазоны значений характеризующих различные виды анемий (см. приложение 3).
Для решения обозначенных проблем и повышения общей эффективности при диагностике анемических синдромов за счет устранения «человеческого фактора» на этапе анализа полученных данных, в работе предлагается автоматизировать процесс дифференциальной диагностики наиболее встречаемых видов анемических синдромов на основе значений эритроцитариых индексов полученных в результате темпополыюй микроскопии.
Основная цель создания предложенной модели - увеличение информативных признаков за счет добавления опенки сгеиени иойкилоцитоза. Применение подобного подхода позволит более точно определять вид анемического синдрома и проводить оценку степени тяжести его развития.
Формализованное описание анемических синдромов на основе эритроцитариых индексов
На основе общепринятой схемы классификации анемий [10,14,16] предлагается следующая модель, позволяющая однозначно описать варианты наиболее распространенных анемических синдромов: А = U, Z, X, Р где U - кортеж выделенных метрик половозрастной поправки; Z - кортеж выделенных метрик расчета эритроцитариых индексов; 70 X - кортеж выделенных метрик характеристик анемии; Р - кортеж выделенных метрик расчета пойкилоцитоза.
Рассмотрим более подробно каждый выделенный кортеж.
Исходя из факта, что в течение всей жизни человека показатели эритроцитарных индексов постепенно меняются и зависят от пола и возраста человека [21], предлагается внести поправку по полу и возрасту пациента, что позволит снизить погрешности, возникающие на этапе анализа данных, за счет введения более точных пороговых значений для эритроцитарных индексов: U = S, Y где S - пол пациента; Y - возраст пациента; Кортеж, описывающий выделенные метрики расчета (эритроцитарные индексы): Z = C,G,D, V, II,R,K С - концентрация гемоглобина в цельной крови (цветовой показатель); G - величина гематокрита (НСТ); D - средняя концентрация гемоглобина в эритроците (МСНС); V - средний объем эритроцита (MCV); Н - среднее содержание гемоглобина в эритроците (МСН); R - показатель распределения эритроцитов но объему (RDW); К - общее количество эритроцитов в крови (RBC). Кортеж описывающий выделенные метрики цвето-размерной характеристики анемии: X = М,0 71 M - характеристика анемии по размеру (микро-, макро-, нормоцитарпая); О - характеристика анемии по окраске (гипер-, пню-, нормохромная анемия). Определение цветовой и размерной характеристики анемии является одним из важнейших этапов в диагностике синдрома и вычисляется на основании анализа значений эритроцитарных индексов описанных в кортеже Z, которые получают в результате автоматизированной микроскопии препарата крови. На основании данных характеристик представленных в кортеже X можно рассчитать показатель анизоцитоза (преобладание эритроцитов различных размеров), что позволяет сделать вывод о наличии конкретного вида анемического синдрома и оценить некоторую степень его тяжести развития.
Следует так же отметить, что пойкилоцитоз является более специфическим индикатором заболевания (см. приложение 2) по сравнению с анизоцитозом, и следовательно, проведение качественного анализа состояния клеток, то есть детальное рассмотрение патологичных форм эритроцитов, их процентного соотношения по отношению к здоровым клеткам, может дать врачу не только дополнительную полезную диагностическую и прогностическую информацию, но и указать на конкретный вид анемического синдрома и более точно оценить степень его тяжести. Таким образом, предлагается добавить кортеж, описывающий количественное содержание патологии формы эритроцитов (пойкилоцитоза):
Методика автоматического расчета количества пойкилоцитоза
Является одной из ведущих российских компаний-разработчиков автоматизированных систем для решения различных задач в области микроскопии. Основное направление деятельности компании «ВидеоТесТ» - анализ изображений, а так же разработка методик обработки изображений, полученных с различных систем ввода. Наиболее значимыми разработками в области медицинской микроскопии являются от данного производителя являются: ВидеоТесТ Гем - производит всесторонний анализ клеток крови; ВидеоТест Морфология - с помощью данной системы возможно производить оценку формы биологических объектов на оцифрованных медицинских изображениях; ВидеоТест Морфометрия в диагностике анемий - система на основе измерений размеров и количества эритроцитов определяет характеристику анемии.
В процессе работы методик полностью реализуется весь цикл операций, необходимый для получения анализа объектов исследования, в том числе: - Вывод изображения интересующего поля зрения на экран монитора; - Захват одного или серии изображений с возможностью полного управления настройками камеры (яркостью, контрастностью, цветовым балансом и др.) напрямую из программного обеспечения ВидеоТесТ; - Автоматическое и ручное выделение объектов (клеток, клеточных структур и др.) на изображении; - Измерения в реальных величинах, по различным параметрам; - Классификация объектов; - Статистический анализ данных; - Печать отчетов, сохранение изображений и результатов анализа во встроенной базе данных.
Стоит отметить, что программная система «ВидеоТест Морфометрия в диагностике анемий» является специализированным отечественным программным продуктом, который позволяет проводить диагностику анемий с выдачей графического заключения в виде эритроцитометрической кривой Прайса-Джонса.
Среди недостатков системы можно выделить: - При анализе морфологии эритроцитов, производится их классификация по параметру анизоцитоз (эритроциты с измененными размерами). Классификация пойкилоцитов (эритроцитов с патологически измененными формами) не проводится и в выдаче заключения не учитываются; - В составе системы не используются алгоритмы для анализа эритроцитов в состоянии агрегации «монетный столбик», что соответственно не дает полной картины степени тяжести развития анемического синдрома. - Выдача результата в виде кривой Прайса-Джонса не позволяет точно отследить качество производимого лечения, так как в процессе построения эритроцитометрической кривой не учитываются пойкилоциты.
В целом следует отметить, что программная система «ВидеоТест Морфометрия в диагностике анемий» имеет довольно общую направленность и требует большого опыта специалиста производящего анализ и анализирующего полученные данные.
Программная система Дианел-Микро от компании ЦИТ «Нелиан» предназначена для анализа данных гемосканирования - диагностики состояния здоровья по капле живой крови и лабораторных исследований на микроскопе. Основные возможности представленной системы: Захват изображения с видеокамеры; Возможность отмечать в ручном режиме объекты представляющие интерес для исследования; Возможность корректировки качества изображения в ручном режиме; - Журнал анамнеза и эпикриза, которые заполняются врачом вручную. - Данная система имеет простейший набор алгоритмов улучшения изображения, которые настраиваются вручную, отсутствуют алгоритмы сегментации и классификации объектов исследования. Перечисленные недостатки позволяют 117 сделать вывод, что данная система не может решать основные прикладные задачи в области медицинской микроскопий. Диаморф. Компания Диаморф выпускает аппаратно-программные комплексы преимущественно для автоматизации микроскопических медицинских исследований.
Автоматизированная система Диаморф объектив имеет следующие функциональные возможности: - Захват изображения с видеокамеры; - Алгоритмы предварительной обработки в ручном и автоматическом режимах; - Сегментация объектов исследования; - Расчет параметров сегментированных объектов; - Выдача результатов в виде графиков и числовых значений.
Данная система имеет хороший набор алгоритмов позволяющих улучшать качество исходных изображений, позволяет выделять объекты исследования различными способами. К сожалению, в представленной системе полностью отсутствует возможность классификации объектов по их морфологическим особенностям (по группам), что соответственно делает систему настроенной па решение слишком широкого круга задач и непригодной для решения конкретных исследовательских задач. Image Pro-Premier. Автоматизированная система Image Pro-Premier от американской компании McdiaCybernetics является многофункциональной программой для решения задач в области медицинской и промышленной микроскопии. Основные функции системы: - Захват одного или серии изображений с возможностью полного управления настройками камеры (яркостью, контрастностью, цветовым балансом и др.); - Автоматическое и ручное выделение объектов (клеток, клеточных структур и др.) на изображении; - Измерения геометрических характеристик (площадь, длина, диаметр и др.); - Классификация объектов на основе выбранных пользователем параметров (площадь, длина, диаметр и др.) которые задаю і ся вручную; - Статистический анализ данных. -Не рассмотренная система имеет хорошую функциональность в предварительной обработке исходного изображения и выделения объектов исследования. Классификация объектов возможна на основании выбранных пользователем стандартных геометрических параметров, что соответственно не позволяет производить классификацию сложных патологических форм и соответственно ограничивает диагностические возможности данной системы. Leica LAS Image Analysis. Аппаратно-программный комплекс Leica LAS Image Analysis от известной и одной из старейших американских фирм-разработчиков медицинского программного обеспечения. Разработанные данной компанией системы позволяют решать широкий круг задач в области микроскопии: - Существенно улучшать качество входного изображения; - Сегментировать объекты по цвето-яркостным характеристикам; - Измерять геометрические характеристики клеток и фаз (площадь, диаметр и др.); - Возможность просеивать объекты исследований по геометрическим характеристикам; - Представление отчетов о измерениях в виде графиков и числовых таблиц. Стоит отметить, что данная система имеет широкий диапазон возможностей, но с конкретными задачами классификации объектов исследования справляется плохо, так как используемые алгоритмы направлены решение общих задач. Функция автоматического просеивания объектов по геометрическим характеристикам не позволяет эффективно решать проблему пересечения двух эритроцитов.
Автоматизированная система морфомстричсских исследований эритроцитов в диагностике анемий
В связи с широким распространением анемических синдромов в нашей стране и мире, весьма актуальной является задача автоматизации процесса определения вида анемического синдрома и степени тяжести его развития.
Несвоевременное выявление или не точное определение вида анемического синдрома может приводить в дальнейшем к позднему распознаванию ряда тяжелых заболеваний (злокачественные опухоли, хронические воспалительные процессы). В большинстве случаев единственным диагностируемым признаком на ранней стадии развития определенного заболевания является анемия [62].
Широко распространенным методом при диагностике анемических синдромов является визуализация результатов ручного или автоматического определения эрифоцитарных индексов в более наглядной для врача форме - в виде гистограммы распределения различных размеров эритроцитов или так называемой эритрометрической кривой [34] (кривой Прайса-Джонса). По результатам эритроцитометрических измерений строят график, в котором по оси абсцисс откладывают величины диаметра эритроцитов в микронах, а по оси ординат - процент клеток с соответствующим диаметром. Эритроцитометрическая кривая при нормальных показателях имеет правильную треугольную форму с высокой вершиной и узким основанием. Изменение формы эритроцитометрической кривой или ее смещение относительно нормальных значений вправо или влево (при микро- и макроцитозе) дает представление врачу о возможном диагностируемом варианте анемического синдрома.
Следует отметить, что определение варианта анемического синдрома основанного только на представлении результатов гематологического анализа в виде кривой Прайс-Джонса имеет ряд существенных недостатков: 1) отсутствие возможности количественно оценить уровень пойкилоцитоза (изменения формы эритроцитов различной степени выраженности). Данный показатель является важнейшим признаком серьезных изменений в организме. Кроме того, детальный анализ пойкилоцитоза в некоторых случаях явно указывает па определенный вид анемии (например, в случае серповидно-клеточной анемии), а так же служит хорошим показателем степени тяжести развития синдрома при определенном процентном соотношении патологичных форм эритроцитов к общему количеству здоровых клеток [631; 2) точность интерпретации данных, полученных в результате эритроцитометрии, целиком зависит от опыта и внимательности врача производящего анализ; 3) при повторной сдаче анализов трудно проследить реакцию организма на прием прописанных препаратов, выявлять переходы анемического синдрома из стадии в стадию в зависимости от качества производимого лечения.
Основной проблемой в диагностике анемических синдромов без использования эритроцитометрической кривой является этап интерпретации данных полученных в результате эритроцитометрии. Анализ данных производится вручную путем сверки полученных результатов исследования с нормативами [60,44], представленными в виде различных таблиц, содержащих диапазоны значений характеризующих различные виды анемий (см. приложение 3).
Для решения обозначенных проблем и повышения общей эффективности при диагностике анемических синдромов за счет устранения «человеческого фактора» на этапе анализа полученных данных, в работе предлагается автоматизировать процесс дифференциальной диагностики наиболее встречаемых видов анемических синдромов на основе значений эритроцитариых индексов полученных в результате темпополыюй микроскопии.
Основная цель создания предложенной модели - увеличение информативных признаков за счет добавления опенки сгеиени иойкилоцитоза. Применение подобного подхода позволит более точно определять вид анемического синдрома и проводить оценку степени тяжести его развития.
На основе общепринятой схемы классификации анемий [10,14,16] предлагается следующая модель, позволяющая однозначно описать варианты наиболее распространенных анемических синдромов: А = U, Z, X, Р где U - кортеж выделенных метрик половозрастной поправки; Z - кортеж выделенных метрик расчета эритроцитариых индексов; 70 X - кортеж выделенных метрик характеристик анемии; Р - кортеж выделенных метрик расчета пойкилоцитоза. Рассмотрим более подробно каждый выделенный кортеж.
Исходя из факта, что в течение всей жизни человека показатели эритроцитарных индексов постепенно меняются и зависят от пола и возраста человека [21], предлагается внести поправку по полу и возрасту пациента, что позволит снизить погрешности, возникающие на этапе анализа данных, за счет введения более точных пороговых значений для эритроцитарных индексов: U = S, Y где S - пол пациента; Y - возраст пациента; Кортеж, описывающий выделенные метрики расчета (эритроцитарные индексы): Z = C,G,D, V, II,R,K С - концентрация гемоглобина в цельной крови (цветовой показатель); G - величина гематокрита (НСТ); D - средняя концентрация гемоглобина в эритроците (МСНС); V - средний объем эритроцита (MCV); Н - среднее содержание гемоглобина в эритроците (МСН); R - показатель распределения эритроцитов но объему (RDW); К - общее количество эритроцитов в крови (RBC). Кортеж описывающий выделенные метрики цвето-размерной характеристики анемии: X = М,0 M - характеристика анемии по размеру (микро-, макро-, нормоцитарпая); О - характеристика анемии по окраске (гипер-, пню-, нормохромная анемия). Определение цветовой и размерной характеристики анемии является одним из важнейших этапов в диагностике синдрома и вычисляется на основании анализа значений эритроцитарных индексов описанных в кортеже Z, которые получают в результате автоматизированной микроскопии препарата крови. На основании данных характеристик представленных в кортеже X можно рассчитать показатель анизоцитоза (преобладание эритроцитов различных размеров), что позволяет сделать вывод о наличии конкретного вида анемического синдрома и оценить некоторую степень его тяжести развития.
Следует так же отметить, что пойкилоцитоз является более специфическим индикатором заболевания (см. приложение 2) по сравнению с анизоцитозом, и следовательно, проведение качественного анализа состояния клеток, то есть детальное рассмотрение патологичных форм эритроцитов, их процентного соотношения по отношению к здоровым клеткам, может дать врачу не только дополнительную полезную диагностическую и прогностическую информацию, но и указать на конкретный вид анемического синдрома и более точно оценить степень его тяжести. Таким образом, предлагается добавить кортеж, описывающий количественное содержание патологии формы эритроцитов (пойкилоцитоза):
