Реферат на тему Обзор на существующие алгоритмы обработки медицинских изображений(рентгены) изображений. Какие существуют технологии обработки изображения
-
Оформление работы
-
Список литературы по ГОСТу
-
Соответствие методическим рекомендациям
-
И еще 16 требований ГОСТа,которые мы проверили
Введи почту и скачай архив со всеми файлами
Ссылку для скачивания пришлем
на указанный адрес электронной почты
Содержание:
ВВЕДЕНИЕ. 2
ЦИФРОВЫЕ СИСТЕМЫ ОБРАБОТКИ РЕНТГЕНОВСКОГО
ИЗОБРАЖЕНИЯ 4
КЛАССИФИКАЦИЯ МЕДИЦИНСКИЙ ИЗОБРАЖЕНИЙ.. 8
МЕТОДЫ ОРГАНИЗАЦИИ АВТОМАТИЧЕСКОГО АНАЛИЗА
МЕДИЦИНСКИХ ИЗОБРАЖЕНИЙ.. 12
УЛУЧШЕНИЕ РЕНТГЕНОВСКИХ ИЗОБРАЖЕНИЙ.. 14
ЗАКЛЮЧЕНИЕ. 16
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ. 17
Введение:
Быстрое развитие
современной медицины сопровождается Тесным взаимодействием со смежными
областями — математикой, физикой, химией. Одним из таких взаимодействий
является обработка и анализ медицинских изображений. Изображения
анатомического, гистологического строения и функций человеческого тела являются
фундаментальными для медицинской науки.
В последнее время быстрое
развитие цифровой и аналоговой техники открывает новые возможности перед
разработчиками. Например, увеличение быстродействия вычислительной техники
позволяет использовать сложные, критичные ко времени алгоритмы, а благодаря
появлению цветных телевизионных датчиков высокого разрешения можно получать и
обрабатывать цветные изображения.
Средства ввода
изображений в компьютер с каждым днем все больше совершенствуются. Современные
сканеры позволяют вводить полноцветные изображения с большой глубиной яркости
(16 бит на пиксель). CCD-камеры также претерпели значительные изменения.
Сегодня их отличительной особенностью является высокая чувствительность, что
позволяет использовать эти камеры не только в световой, но и в флуоресцентной
микроскопии.
У современных образцов
разрешение достигает 4 500 х 3 072 точек (площадь регистрируемой точки 9 х 9
мкм), а чувствительность – до 55 мклюкс. Динамический диапазон их также очень
велик, что позволяет одновременно регистрировать как точки с высокими интенсивностями,
так и с низкими. Кроме того, в последнее время активно внедряются цифровые
камеры и микроскопы, которые позволяют вводить полноцветные изображения
размером до 6 000 х 6 000 точек, в то время как аналоговые видеокамеры не
позволяют формировать сигнал с разверткой более 760 строк. Для подключения
аналоговой камеры к компьютеру применяется фреймграббер. Фреймграбберы
различаются типом телевизионного сигнала, точностью, разрешением, пропускной
способностью, встроенными средствами обработки изображений. Цифровые камеры
имеют на выходе цифровой сигнал, предназначенный для компьютера.
Именно современные
технические возможности позволяют значительно расширить круг исследований и
открывают новые пути решения задач, касающихся анализа изображений.
Использование средств автоматизации способствует повышению эффективности работы
исследователя и получению более качественных и точных результатов измерения
характеристик объектов медицинских изображений.
Медицинские изображения
принято классифицировать по способу их получения и отрасли, к которой они
относятся. Выделяют несколько видов медицинских изображений, основными среди
них являются анатомические (фотографии, рентгеновские снимки и т.д.).
Диагностика заболеваний,
лечение и управление терапевтическими процедурами опираются на данные,
получаемые медицинской визуализацией. Современный уровень медицинской науки
предполагает не только умение владеть определенными практическими навыками, но
и теоретическое обоснование, и знание основных общепатологических процессов, их
номенклатуры и определений, причин, патогенеза, исходов и их значение для
организма человека. Общепатологические процессы реализуются на различных
уровнях, начиная от организменного и кончая молекулярным. При этом происходит
изменение внешнего вида пораженных органов — макроскопические изменения, как
правило, видимые невооруженным глазом. На тканевом и клеточном уровнях
реализации патологического процесса развиваются микроскопические изменения,
видимые в световом микроскопе. Приготовление препаратов для микроскопических
исследований — сложный процесс, вызывающий частичное разрушение молекулярных
структур. Это приводит к ухудшению качества изображений гистологических
препаратов.
Существенная
вариабельность и слабая контрастность биологических и медицинских изображений
являются основными трудностями в задачах измерения и распознавания. Для их
преодоления требуется профессиональная интуиция исследователя и выполнение
сложной и рутинной работы по корректировке результатов. Применение
вычислительной техники значительно упрощает решение этих задач, облегчая работу
с медицинскими изображениями. Одним из приложений компьютерной обработки данных
является цифровая обработка изображений. Теоретические исследования в этой
области основывались на методах определения качества по изображению (в основном
в металлургии) и задачах дистанционного зондирования. С течением времени
количество областей, в которых применяется обработка изображений, значительно
расширилось. Так, в качестве одного из развивающихся направлений выделился
анализ медицинских изображений
Заключение:
На современном этапе развитие
технической и медицинской диагностики неразрывно связано с визуализацией
внутренних структур объекта. Существует много различных видов визуализации.
Возникают новые методы, но они не
заменяют существующие, а лишь дополняют их. Разные методы визуализации
основываются на разнообразных физических взаимодействиях электромагнитного
излучения с материалами, средами, биотканями и, как следствие, обеспечивают
измерение разных физических свойств этих объектов.
В данной работе подробно
рассматривался такой вид визуализации как рентгенографические изображения, и
особое внимание уделялось обработке рентгеновских снимков, что является важным
для точной и качественной постановки диагностического заключения. При анализе
рентгеновского снимка видно, что в зависимости от плотности среды, сквозь
которую прошел луч, яркость того или иного пикселя снимка меняется. Очень часто
граница между отдельными органическими структурами очень размыта, поэтому для
качественного анализа снимка необходим врач-рентгенолог высокой квалификации.
Невооруженным глазом определение области перелома, границ и размеров участков
тканей с плотностями, которые имеют незначительную разницу, является трудоемким
процессом. Таким образом, чаще всего исследованию подлежат качественные
характеристики изображения, количественные же характеристики (площадь, объем и
плотность элементов внутренней структуры) оцениваются врачом чисто субъективно.
Поэтому качественный анализ рентгеновского снимка представляет собой большое
искусство и воплощает в себе умение распознавать даже самые малые изменения
рентгеновского снимка, а также способность обнаруживать аномальные структуры,
особенно при низком разрешении снимка.
Фрагмент текста работы:
ЦИФРОВЫЕ СИСТЕМЫ ОБРАБОТКИ РЕНТГЕНОВСКОГО ИЗОБРАЖЕНИЯ
В настоящее время в рентгенологии
применяются несколько типов цифровых систем, это:
— CR система (Computed Radiography);
— CCD матрица (сокр. от англ. CCD,
«Charge-Coupled Device») или
PSA модули
(Photo-diode Sensors Array/ Multi-CCD Detector Method);
— DR детектор (сокр. от англ. DR,
«Digital Radiography»);
Каждая из этих систем и технологий
имеет собственные достоинства и недостатки. Разберём их подробно.
Работа CR системы (Computed
Radiography) основана на фиксации пространственного рентгеновского
изображения — запоминающими люминофорами. Приёмник изображения
представляет собой гибкую пластину, покрытую люминофором с вынужденной люминесценцией,
способной хранить поглощённую энергию падающего рентгеновского излучения в
квазиустойчивом состоянии, а также излучать эту энергию в виде фотонов при
облучении видимым светом или ИК-диапазона. Люминофор должен иметь высокий
коэффициент поглощения рентгеновского излучения, а также большую световую
отдачу на единицу поглощённой энергии.
Для быстрого считывания изображения
постоянная времени люминофора должна быть менее 10мкс. Хорошо удовлетворяет
этим требованиям фторид бария, активированный европием, который является
основой для выпускаемых промышленностью приёмников с вынужденной люминесценцией.
Экран (пластина), покрытый
запоминающим люминофором, внешне похож на обычный усиливающий экран. Скрытое
изображение на таком экране способно сохраняться, в зависимости от вида
люминофора, от нескольких минут до нескольких дней, прежде чем качество его упадёт
ниже приемлемого уровня. Это скрытое изображение может быть считано с экрана
сканирующей системой и воспроизведено электронно-лучевой трубкой.
Считывание скрытого изображения
производится инфракрасным лазером, который стимулирует люминофор, и он отдаёт
накопленную энергию в виде видимого света. Этот феномен
называется фотостимулированной люминесценцией. Она, как и свечение обычных
усиливающих экранов, пропорциональна числу рентгеновских фотонов, поглощённых
запоминающим люминофором.
В процессе считывания высвобождается
не вся накопленная экраном энергия. Чтобы полностью очистить люминесцентный
экран от скрытого изображения, он подвергается в процессоре кратковременному
интенсивному облучению видимым светом, после чего экран можно использовать
повторно.
Процесс считывания изображения
осуществляется сканирующим лазером, световой поток которого сканирует
поверхность экрана в растровой последовательности, подобно электронному пучку
телевизионного кинескопа. Лазерный пучок имеет размер пятна приблизительно 0,1
мм, поэтому разрешение в изображении достигает 5-10 элементов/мм. Возбуждаемый
в люминофоре лазером свет из каждой точки экрана фокусируется и
трансформируется в электрический сигнал с помощью специальной оптической
системы и фотоумножителя. Перед фотоумножителем располагается фильтр,
ослабляющий стимулированный свет, так как его интенсивность на несколько
порядков выше, чем у света, эмитируемого обычным усиливающим экраном.
Фотоумножитель, обладающий широким
динамическим диапазоном, конвертирует варьирующийся по интенсивности световой
поток с экрана в изменяющийся электрический сигнал, который усиливается,
измеряется и проходит через аналого-цифровой преобразователь, чтобы сформировать
бинарную (цифровую) матрицу, отражающую яркостные показатели каждого пикселя.
12-битная система представляет эти показатели в диапазоне от 0 до 4095 (2№І =
4096). Сигнал, переведённый в цифровую форму, передаётся в процессор (буфер)
изображения. Таблицы перекодировки процессора обеспечивают преобразование
содержимого памяти изображения в требуемый диапазон яркости и контраста.
Основным
звеном, связывающим обычные рентгеновские аппараты с CR комплексом, являются
стандартного вида рентгеновские кассеты, содержащие специальные многоразовые
фосфорсодержащие пластины. Рабочий процесс выглядит следующим образом: после
сделанного обычным способом снимка пациента на кассету, последняя помещается в
Дигитайзер, где из кассеты автоматически изымается или считывается пластина,
изображение переводится в цифровой вид и отправляется на Рабочую станцию для
компьютерной обработки, затем в Дигитайзере считанное с пластины изображение
стирается, а кассета готова к следующему снимку.
Работа приборов
с зарядовой связью (ПЗС) (сокр. от англ. CCD,
«Charge-Coupled Device») или
PSA модуля
(Photo-diode Sensors Array/ Multi-CCD Detector Method).
Принцип
всех приборов с зарядной связью (ПЗС) основан на фотоэлектрическом эффекте —
испускании электронов веществом под действием электромагнитных излучений
(видимого света, инфракрасного, ультрафиолетового, рентгеновского излучений и
других типов электромагнитных волн). Электроны, вылетающие из вещества при
внешнем фотоэффекте, называются фотоэлектронами, а электрический ток,
образуемый ими при упорядоченном движении во внешнем электрическом поле,
называется фототоком.
ПЗС матрица
(CCD) -специализированная аналоговая интегральная микросхема, состоящая из
светочувствительных фотодиодов, выполненная на основе кремния, использующая
технологию приборов с зарядовой связью (ПЗС). В оптическом блоке приёмника
входящие рентгеновские лучи преобразуются усиливающим экраном в видимый свет,
который одновременно накапливается в видео сенсорах.
Каждый из
датчиков обрабатывает относительно маленькое поле обзора на усиливающем экране,
что обеспечивает высокое разрешение изображения. Чем больше количество видео
датчиков, установленных в оптический блок, тем выше пространственное разрешение
диагностических изображений обеспечивается приёмником. Качество изображений
может быть улучшено с помощью алгоритмов масштабирования, выбором интересующей
области, настройкой яркости и контраста, инверсии цвета и т.д. Полученное с
датчиков изображение непосредственно поступает на компьютер, обрабатывается и
выводится на монитор в течении нескольких секунд.
Принцип работы DR детектора
(сокр. от англ. DR, «Digital Radiography»).
В настоящее время производство
плоскопанельных DR детекторов развивается по двум технологиям: (Thin-film
transistor) TFT и (Complementary metal–oxide–semiconductor) (КМОП).
TFT основана на использовании
разновидности полевого транзистора, при которой как металлические контакты, так
и полупроводниковый канал проводимости изготавливаются в виде тонких плёнок (от
1/10 до 1/100 микрона).
CMOS технология производства
светочувствительных матриц из полевых транзисторов с изолированными затворами и
каналами разной проводимости.
Сравнительный
анализ этих технологий показывает, что у каждой из них есть преимущества и
недостатки. Например, TFT–фотоприемники более радиационностойкие и по этой
технологии легче изготовить панели больших размеров. У CMOS -фотоприемников
меньше аддитивные шумы, они позволяют обеспечить высокое быстродействие, что
особенно важно в интервенционной рентгенологии. Важным преимуществом
КМОП–фотопреобразователей является возможность выполнения цепей управления,
усилителей и аналогово-цифровых преобразователей на том же кристалле. Однако
как TFT, так и CMOS панели в режиме рентгеноскопии (при малых дозах на кадр)
имеют низкое отношение сигнал/шум за счет аддитивных шумов. Это сильно снижает
качество изображения. Этот недостаток имеют также панели прямого преобразования.
Поэтому для исключения влияния на качество изображения аддитивных шумов ведутся
интенсивные исследования по электронному усилению (умножению) сигнала
изображения в полупроводниках.
КЛАССИФИКАЦИЯ МЕДИЦИНСКИЙ ИЗОБРАЖЕНИЙ
Медицинские изображения
принято классифицировать по способу их получения и отрасли, к которой они
относятся. Выделяют следующие виды изображений: анатомические (фотографии,
рентгеновские снимки, изображения УЗИ, изображения ЯМР, модели компьютерного
томографа), гистологические (изображения оптической микроскопии, изображения
электронной микроскопии). Кроме того, в последнее время появились области диагностики,
которые также можно отнести к этому списку, например иридодиагностика,
кариотипирование.
Легкость получения и
достаточно высокое качество анализа анатомических изображений является
предпосылкой к существованию большого количества работ по этой тематике. В то
же время круг работ по гистологическим изображениям достаточно узок.
Описывается только небольшой ряд относительно новых методов исследования
пространственной организации клеточных структур: трехмерная реконструкция по
снимкам биологических структур, обладающих определёнными видами симметрии,
голографический синтез объемных медицинских и биологических объектов по их
ракурсным снимкам, полученным в режиме вторичных электронов моделирование
гипотетической молекулярной структуры объекта путём расчета плоского
изображения и сопоставления с истинным изображением; автоматическое
исследование геометрических и оптических характеристик клеточных структур,
наблюдаемых в оптический микроскоп; восстановление первичной структуры
биополимеров по набору их фрагментов и др. Недостаточное развитие этой области
связано с проблемами автоматического выделения гистологических объектов на
изображениях.
Типы изображений в медицине согласно современным
представлениям диагностика и последующее решение о выборе тактики лечения любого
заболевания должны быть основаны на целом комплексе параметров, включая
топографические и визуально-прогностические характеристики. Медицинские
изображения, являясь источником этих параметров, обеспечивают информацию об
анатомическом и функциональном состояниях организма.
Технический прогресс
постоянно расширяет рамки возможностей получения изображений, добавляя всё
новые их типы, что, в свою очередь, приводит к расширению диагностических и
лечебных возможностей.
В медицинской рентгенологии
разработан ряд диагностических методик, основанных на измерениях относительных
размеров изображений органов (рентгенокардиометрия). Рентгенометрические методы
широко применяются при рентгеновских исследованиях беременных, некоторых
костных патологий в педиатрии и в других случаях. Применение ЭВМ для
рентгенометрических методов во много раз сокращает трудовые затраты персонала и
повышает точность измерений. Задача автоматического анализа медицинских
изображений является особенно актуальной в условиях проведения обязательного
диспансерного обследования населения. Ее решение должно радикальным образом
трансформировать весь процесс "скрининга" (массового
профилактического обследования). Под автоматическим анализом в медицинской
диагностике понимается частный случай распознавания изображений (автоматическая
классификация). Отнесение изображения к определенному классу или группе,
например норма, патология либо конкретный тип патологии. Математическая суть
классификации есть отыскание некоторой функции, отображающей множество
изображений во множество, элементами которого являются классы или группы
изображений. В большинстве случаев процесс автоматической классификации
проводится в три этапа:
Первый этап: предварительная
обработка, состоящая в максимальном приближении исследуемого изображения к
эталонному или нормализованному. Чаще всего для медицинских изображений это
пространственно инвариантные операции, сдвиг, изменение яркости, изменение
контраста, квантование и геометрические преобразования (изменение масштаба,
поворот оси). Теория этих преобразований хорошо разработана и, как правило, не
вызывает трудностей при использовании современных ЭВМ.
Второй: выделение признаков, при
которых функция, представляющее обработанное изображение, подвергается
функциональному преобразованию, выделяющему ряд наиболее существенных
признаков, которые кодируются действительными числами. Выделение признаков
заключается в математических преобразованиях изображения в зависимости от
задачи анализа. Это может быть вычитание из эталона, вычитание постоянной
составляющей для исключения мешающих теней, дифференцирование или
автокорреляция для выделения контура, частотная фильтрация и многие другие.
Правильный выбор алгоритма обработки имеет решающее значение для следующего
этапа преобразования и представляет наибольшую трудность.
Третий этап: классификация
признаков. Полученные в результате предыдущей операции наборы действительных
чисел, описывающие выделенные признаки, сравниваются с эталонными числами,
заложенными в память машины. ЭВМ на основании такого сравнения классифицирует
изображение, т. е. относит его к одному из известных видов, например норма или
патология. Набор действительных чисел, характеризующих выделенные признаки, при
этом можно рассматривать как точку в n-мерном пространстве. Если в это
пространство предварительно введены области, занимаемые тем или иным классом в
пространстве, называемом пространством признаков, либо, что случается чаще,
задана плотность вероятности для каждого класса, появляется возможность с
известной вероятностью отнести данное изображение к определенному классу.
Медицинские изображения, получаемые
при рентгеновской, изотопной либо ультразвуковой диагностики различны как по
характеру их сложности, так и по виду заложенной в них информации, определяемой
прежде всего механизмом взаимодействия используемого вида излучения с органами
и тканями. Однако они обладают общих признаков, важных для проблемы
автоматической классификации; это прежде всего отсутствие:
1) эталона нормы из-за
индивидуальных особенностей каждого организма;
2) эталона патологии при огромном
разнообразии ее форм.
Указанные два обстоятельства
чрезвычайно затрудняют выполнение двух последних этапов автоматической
классификации и подчас делают вообще невозможным решение задачи с помощью
современного уровня техники. Полная автоматическая классификация при
дифференциальной диагностике пока еще невозможна. Может быть осуществлен только
предварительный отбор по принципу норма-патология, экономически обоснованным
лишь для тех случаев, когда проводится массовое диспансерное обследование.
Решать задачу автоматического анализа привычных для диагноста изображений в
большинстве случаев не имеет смысла. Необходимо создавать специальные условия
формирования изображения, которые бы упростили, прежде всего, выполнение
второго этапа анализа.