Введение к работе
Актуальность работы. Заболевания сетчатки в соответствии с современными эпидемиологическими данными занимают одно из первых мест в мире как причина слабовидения и слепоты. Поражения глазного дна часто имеют место при гипертонической болезни, особенно тромбоз вен сетчатки.
Диагностика патологий глазного дна считается сложной задачей (Сойфер В.А., Ильясова Н.Ю.). Во врачебной практике наличие патологических аномалий на изображении глазного дна определяется в основном визуальным способом. Врач-офтальмолог должен обладать обширным опытом, чтобы определить, с какой патологической аномалией имеет дело и следствием какого заболевания она является. Современные компьютерные технологии позволяют автоматизировать процесс обнаружения и построения количественных оценок элементов патоморфологической картины глазного дна, используемых в формировании экспертной оценки патологий сетчатки. Для этого осуществляется объектная сегментация изображения глазного дна, суть которой состоит в оконтуривании границ объектов и разметки образовавшихся сегментов (областей) на основе выбранных признаков объектов.
Цвет (окраска) является одним из наиболее информативных признаков в задаче выделения патологических образований и морфологических структур на изображении глазного дна. В связи с этим решение указанной задачи базируется на построении цветовых гистограмм изображения, нахождении некоторого “среднего” цветового вектора для каждого максимума гистограммы, вычислении евклидовых расстояний между точками цветового пространства и средним значением, отнесении к одному сегменту точек, находящихся от среднего на расстоянии ниже порогового (Gonzalez R., Woods R.). Результаты сегментации при таком подходе часто оказываются неудовлетворительными из-за влияния неравномерности мощности и цветности освещения в пространстве сцены, а также зависимости отражательных свойств поверхности от угла наблюдения. В таких условиях в получаемых изображениях появляются дополнительные границы, связанные с затенениями, бликами, тенями, рёбрами, никак не связанные с цветовыми характеристиками объектов в сцене. В итоге при сегментации изображения объект дробится на более мелкие области, что приводит к ошибкам в оценках патологий сетчатки. Эта особенность механизмов формирования изображения делает задачу сегментации трудно разрешимой при отсутствии априорных знаний о характере освещения и отражения объектов. В этом случае целесообразно использовать гибридные системы сегментации, реализованные на основе разнородных информационных технологий (Ярушина Н.Г.).
При разработке методов и средств сегментации и анализа изображений часто применяется двумерный анализ Фурье. Однако его использование при объектной сегментации изображений глазного дна затруднено тем, что анализируемые изображения не имеют ярко выраженных пространственных частот. Поэтому для решения рассматриваемой задачи представляется целесообразным создание автоматизированных систем, использующих априорные знания в виде результатов предыдущего опыта и текущего обучения.
В связи с вышеизложенным, разработка систем интеллектуальной поддержки анализа изображений глазного дна на основе гибридных технологий управления сегментацией в пространствах RGB кодов и их спектров для поддержки принятия решений в условиях нечетко выраженных границ сегментов является актуальной задачей.
Работа выполнена в рамках Федеральной целевой программы «Предупреждение и борьба с социально значимыми заболеваниями (2007-2011 годы)», подпрограмма «Артериальная гипертония» и в соответствии с научным направлением Курского государственного технического университета «Разработка медико-экологических информационных технологий».
Цель работы. Повышение эффективности выделения патологических образований и морфологических структур на изображении глазного дна посредством нечетких нейросетевых моделей, осуществляющих нечеткий анализ изображений глазного дна в пространстве RGB кодов пикселей и в пространстве частот.
Для достижения поставленной цели необходимо решить следующие задачи:
- разработать нечеткую нейронную сеть для выделения патологических образований и морфологических структур изображений глазного дна;
- разработать структуру выходного слоя нечеткой нейронной сети, предназначенного для синтеза бинарного изображения патологического образования или морфологической структуры;
- разработать гибридный способ выделения пикселей изображения глазного дна, принадлежащих к заданному классу патологического образования или морфологической структуры, объединяющий двумерный спектральный анализ изображения и нейросетевые технологии;
- разработать автоматизированную систему анализа изображений, основанную на гибридных технологиях обработки данных и предназначенную для врача-офтальмолога, включающую алгоритмы сегментации изображений глазного дна и алгоритмы обучения нечетких нейросетевых структур;
- провести апробацию предложенных способов и алгоритмов на репрезентативных контрольных выборках.
Методы исследований. Для решения поставленных задач использовались методы системного анализа, двумерного спектрального анализа, математической статистики, теории нечетких нейронных сетей, распознавания образов, экспертного оценивания и принятия решений. При разработке модуля нечеткого вывода в качестве инструментария использовался Matlab 6.0 с графическим интерфейсом пользователя для Neural Network Toolbox и со встроенным пакетом Fuzzy Logic Toolbox. При разработки модуля спектрального анализа изображений использовался Matlab 7.0.1 с пакетом Image Processing Toolbox.
Научная новизна. В диссертации получены следующие результаты, характеризующиеся научной новизной:
структура нечеткой нейронной сети, позволяющей выделять пиксели изображения глазного дна, относящиеся к заданным патологическим образованием или морфологическим структурам, включающая два нечетких решающих модуля, первый из которых предназначен для нечеткого анализа RGB – кодов изображения, отличающаяся тем, что второй нечеткий решающий модуль осуществляет нечеткую коррекцию структуры фуззификатора первого нечеткого решающего модуля;
структура бинаризатора нечеткой нейронной сети, выполняющего функцию третьего слоя и предназначенного для получения бинарного изображения патологических образований на изображении глазного дна, отличающаяся тем, что анализируемый пиксель включается в искомый сегмент только в том случае, если срабатывает двухвходовая схема совпадения, один вход которой соответствует анализируемому классу, а другой – классу патологического образования с наибольшей уверенностью, полученной по RGB - кодам пикселя;
гибридная технология сегментации изображения глазного дна, отличающаяся последовательными процедурами обработки полутонового изображения, включающими двумерное дискретное преобразование Фурье, фильтрацию на основе двумерной свертки, фильтрацию на основе однослойной нейронной сети и обратное двумерное дискретное преобразование Фурье;
способ обучения нейронной сети, входящей в гибридную систему сегментации изображений глазного дна, отличающийся тем, что коэффициенты нейронной сети настраиваются по текущему значению ошибки, которая определяется как разность между двумерным спектром эталонного изображения патологической структуры и изображением, полученным на выходе нейронной сети, на вход которой подается двумерный спектр анализируемого изображения.
Практическая значимость и результаты внедрения. Разработанные способы, модели и алгоритмы составили основу построения автоматизированной системы анализа изображений глазного дна, практические испытания которой показали высокое качество выделения патологических структур изображения глазного дна, повышающее диагностическую эффективность анализа.
Программные средства ориентированы на практическое здравоохранение и реализуют алгоритмы диагностики, способствующие ускорению процессов реабилитации больных с артериальной гипертензией.
Результаты работ внедрены в учебном процессе Курского государственного технического университета при подготовке специалистов по направлению 200300.68 – «Биомедицинская инженерия» и используются в клинической практике больницы скорой медицинской помощи №1 г. Курска.
Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на XI и XII Международных научно-технических конференциях «Медико-экологические информационные технологии» (Курск, 2008, 2009); II и III Всероссийских научно-технических конференциях «Информационные и управленческие технологии в медицине и экологии» (Пенза, 2008, 2009); на XVI Международной конференции «Лазерно-информационные технологии в медицине, биологии и геологии» (Новороссийск, 2008), на Всероссийской научно-технической конференции «Медицинские информационные системы МИС-2008» (Таганрог, 2008), Третьем Международном радиоэлектронном Форуме «Прикладная радиоэлектроника. Состояние и перспективы развития» (Харьков, 2008); на VI Всероссийской научно-технической конференции «Искусственный интеллект в XXI веке. Решения в условиях неопределенности» (Пенза, 2008); на I Международной научно-технической конференции «Диагностика - 2009» (Курск, 2009), на научно-технических семинарах кафедры биомедицинской инженерии КурскГТУ (Курск, 2007, 2008, 2009).
Публикации. Самостоятельно и в соавторстве по теме диссертации опубликовано 13 печатных работ.
Личный вклад автора. В работах, опубликованных в соавторстве и приведенных в конце автореферата, в [1] и [5] автор предложил способы и средства синтеза изображений биомедицинских сигналов; в [2], [3] и [11] соискателем предложена структура нечеткого нейросетевого решающего модуля и алгоритм его обучения, предназначенного для сегментации изображений глазного дна; в [4], [6] и [8] автор анализирует и предлагает способы спектральной обработки биомедицинских сигналов и изображений; в [7] автором предложена структура автоматизированной системы для обработки и анализа изображений глазного дна; в [9, 10] и [13] соискатель предложил гибридные нейросетевые информационные технологии сегментации цветных изображений.
Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения и библиографического списка, включающего 110 отечественных и 37 зарубежных наименования. Работа изложена на 134 страницах машинописного текста, содержит 64 рисунка и 1 таблицу.
