+7 (499) 519-32-50 МРТ томография   О компании   Найдите нас   
Поиск

МРТ
Записаться на МРТ
Стоимость МРТ

МРТ в Москве
ВИП МРТ
Полное МРТ сканирование тела
Где сделать МРТ комфортно

МРТ - информация для пациентов
О методе МРТ
Показания к МРТ
Направление на МРТ
Задайте вопрос

Консультации иностранных врачей
Консультации МРТ в Израиле
Врачи МРТ
Консультанты по МРТ и КТ
Стоимость консультаций

МРТ и томография главная /  Автоматизация МРТ диагностики /  Новые статьи для архива



Автоматизация МРТ диагностики




1 2 3 4 5 6 

Результаты работы внедрены в учебную деятельность кафедры хирурги­ческой стоматологии Тверской государственной медицинской академии, а так­же используются в учебном процессе кафедры автоматизации технологических процессов Тверского государственного технического университета при подго­товке специалистов по направлениям 200401 - "Биотехнические и медицинские аппараты и системы" и 200402 - "Инженерное дело в медико-биологической практике".

Апробация работы. Основные положения и научные результаты диссер­тационной работы докладывались и обсуждались на следующих конференциях, совещаниях и семинарах: Всероссийской научно-технической конференции сту­дентов, аспирантов и молодых ученых «Биомедсистемы» (Рязань 2007г.), XXI Международной научной конференции «Математические методы в технике и тех­нологиях» (Саратов, 2008г.), Международной конференции «Информационные технологии в образовании, технике и медицине» (Волгоград 2009г.), Всероссий­ской научной школе для молодежи "Биомедицинская инженерия",«БМИ-2009» (Санкт-Петребург, ЛЭТИ), на VIII Всероссийской научно-практической конфе­ренции с международным участием "Информационные технологии и математиче­ское моделирование" (ИТММ-2009, Томск).

Публикации. Основные теоретические и практические результаты дис­сертации опубликованы в 8 статьях и докладах, из них по теме диссертации 8, среди которых 1 публикация в ведущих рецензируемых изданиях, рекомендо­ванных в действующем перечне ВАК, 1 статья в нерецензируемом журнале. 6 докладов доложены и получили одобрение на международных, всероссийских и межвузовских научно-практических конференциях перечисленных в конце автореферата

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения и библиографического списка, включающего 87 отечествен­ных и 28 зарубежных наименований. Работа изложена на 148 страницах маши­нописного текста, содержит 65 рисунков, 12 таблиц и одно приложение.

6

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы диссертационной работы, сформулированы цели и задачи исследования, научная новизна и практическая значимость, приводится краткое содержание работы по главам.

В первой главе рассмотрены общие положения и особенности диагно­стики новообразований головного мозга на магнитно-резонансном томографе. Выполнен анализ состояния предметной области: рассмотрены методики ис­следования головного мозга, особенности получения томограмм, выполнен об­зор существующих систем поддержки принятия решений в медицине, систем обработки медицинских изображений, выявлены их особенности и недостатки, выделены основные тенденции развития.

Проведен структурный анализ дифференциальной диагностики новообра­зований головного мозга, как процесса распознавания заболевания, проанали­зированы основные этапы диагностики. Составлен алгоритм диагностики ново­образований головного мозга (рисунок 1).

Начшо

1. Проведение обследования



2. По пучение томограмм



3. Е

■ыяЕпение шмгггомое заболевания на томограммам

     

ш

Рисунок 1 - Алгоритм процесса диагностики новообразований головного

мозга

7

Проанализированы ошибки, возникающие на различных этапах алгорит­ма, и предложены пути автоматизации отдельных этапов диагностики - автома­тизация задачи выявления признаков патологии и ее характеристик на томо­граммах, а так же автоматизация задачи интерпретации результатов исследо­ваний.

Выполнен функционально-структурный анализ систем поддержки приня­тия решений, применяемых для автоматизации различных этапов процесса ди­агностики. Выявлено отсутствие решений по автоматизации процесса диагно­стики новообразований головного мозга.

Разработана концепция архитектуры интеллектуальной системы исследо­вания и диагностики новообразований головного мозга, Определен ее состав и функции подсистем.

Исходя из вышеописанной структуры процесса диагностики, можно выде­лить основные функции системы:

1) Выявление патологической зоны на томограммах головного мозга;

2) Распознавание характеристик патологической зоны на томограмме;

3) Выдвижение диагностической гипотезы.

Таким образом, в состав системы необходимо включить две функцио­нальные подсистемы, одна из которых будет отвечать за обработку и анализ томограмм головного мозга и выполнять 1 и 2 функции, а другая будет осуще­ствлять поддержку процесса принятия решения и выполнять 3 функцию, а так же обеспечивающую часть, предназначенную для ввода, поиска и представле­ния информации в виде понятном пользователю.

Обосновано, что проблему повышения эффективности и качества диффе­ренциальной диагностики образований головного мозга следует решать ком­плексно, путем создания интеллектуальной системы, интегрирующей функции и средства для решения задач исследования и диагностики - автоматизирован­ное распознавание признаков новообразований на томограммах и методы ана­лиза этих признаков и постановки диагностического заключения на их основе.

В заключение первой главы формируются цель и задачи исследования.

Вторая глава посвящена разработке методов для автоматизированного ана­лиза томограмм головного мозга.

В связи со сложностью строения головного мозга и многообразием ана­томических структур, процесс выделения патологической области на томо­грамме является сложной задачей.

Распознавание патологической области связано с рядом проблем:

Мягкие ткани головы и внутренняя часть черепа на томограммах, как и патология имеют повышенный сигнал по сравнению с веществом головного мозга, что затрудняет процесс нахождения патологической области.

Для решения этой проблемы предлагается метод обработки изображения, заключающийся в выделении только вещества головного мозга (рисунок 3).

8

Вычисление площадей оставшихся объектов на изображении

Выбор объекта с наибольшей площадью

Рисунок 3 - Методика распознавания области мозга на томограмме

Обработка заключается в поиске пикселей с яркостью ниже пороговой ф < h, принадлежащих замкнутому контуру черепа, имеющего на томограмме низкий сигнал.

После нахождения контура происходит удаление с изображения всех структур принадлежащих контуру, а также структур находящихся снаружи. В итоге на изображении остается несколько объектов m.

9

Вычисление площадей объектов по формуле

Sm = regionprop(Pathology, ^FilledAreaJ

Сравнение площадей объектов Sm и выбор объекта с наибольшей площа­дью, так как наибольшую площадь в голове занимает мозг.

Результаты работы предлагаемого метода представлены на рисунке 4.

Исходное изображение Закрашенный контур Выделенный мозг после

удаления контура

Рисунок 4 - Отделение контура мягких тканей головы и тканей черепа от

вещества головного мозга

Анализ работ показал, что для выделения областей интереса на изобра­жениях чаще всего используются методы сегментации и методы шаблонов. На практике они обладают недостатками и не всегда справляются с задачей поиска небольших и малоконтрастных объектов на изображениях со сложной измен­чивой структурой.

Для решения проблемы выделения патологического очага на томограмме предложен способ анализа гистограммы яркости изображения (рисунок 5).

Рисунок 5 - Анализ гистограммы

При сравнении гистограмм яркости изображений с патологией и изо­бражений с нормой выявлена особенность, позволяющая отличать одно от дру­гого. Она заключается в различном количестве пикселей высокой яркости после участка плавного спада Hmin (рисунок 5). При появлении патологии на изобра­жении, после плавного спада, что является нормой и связано с особенностями сканирующих катушек, количество пикселей высокой яркости оказывается на порядок больше, чем при норме. На рисунке 6 рассмотрен метод анализа гисто­граммы.

Для оценки крутизны спада гистограммы предлагается критерий:

h

"max

где h - высота оцениваемого столбца гистограммы,

h г-ч+1 - высота следующего столбца гистограммы,

hmax - высота самого высокого столбца гистограммы.

Экспериментально выявлено такое значение Hmin,, что выше соответст­вующей ему яркости все пиксели либо принадлежат патологии, либо их коли­чество незначительно и связано с особенностями сканирования.

Из-за того, что диапазон яркости изображения может варьироваться в широких пределах, гистограммы яркости имеют разный масштаб визуальное сравнение их затруднено. Для этого все гистограммы проходят процедуру нор­мирования по яркости.

Из-за случайных неоднородностей магнитного поля выделенная область анализируется по количеству пикселей и если их количество ниже n = 12, то область не считается патологией. Это значение соответствует минимально раз­личимому очагу патологии.

Результат работы метода представлен на рисунке 7.

Рисунок 7 - Выделение патологии на томограмме

11

Для распознавания выделенной области патологии от других структур головного мозга (тканей орбит, тканей нижней части головы и др.), имеющих повышенный сигнал, предлагается метод, отличающийся учетом априорной информации о признаках нормальных анатомических структур мозга. Последо­вательность распознавания патологии от нормальных структур представлена на рисунке 8.

Рисунок 8 - Последовательность распознавания патологии.

Каждая из вышеперечисленных структур мозга обладает набором при­знаков, по которым ее можно отличить от патологической области. Основным признаком является локализация - принадлежность выделенной области зоне

M(Xi, Yi)

Хг е %0-Ак,Х0+Ак~_

Где Xo, Yo - координаты контрольной точки привязки;

A, B - размеры головного мозга по горизонтали и вертикали;

к, l - коэффициенты определяющие размер области M(Xi, Yi).

Среди других признаков можно выделить размер, форму выделенной об­ласти, количество. Таким образом, удается распознать выделенную патологию среди вариантов нормы.

12

Для определения основных характеристик патологической зоны на томо­грамме разработан ряд алгоритмов. Характеристики патологии - это признаки патологии на томограмме

1 2 3 4 5 6 


Все услуги - Московский Врач

Виды МРТ

Виды томографии

МРТ архив

Конгрессы по томографии

 
 
Реклама: