Получение и обработка медицинских изображений
Как было умомянуто выше, в настоящее время все большее распространение получают цифровые (матричные) медицинские изображения. Перевод в цифровую форму (с с момента получения изображения или в последующем, при преобразовании из аналоговых) облегчает обработку изображений, сохранение и передачу медицинских визуальных данных. Эти возможности значительно расширились с появлением автоматизированных рабочих мест (АРМ) с большим объемом памяти для хранения данных и достаточной вычислительной мощностью.
Информационные технологии могут помочь на всех этапах получения и обработки медицинских изображений. Компьютеры непосредственно принимают участие в образовании некоторых типов изображений, которые не могут быть получены другим способом: компьютерная томография, позитронная эмиссионная томография, ядерный магнитный резонанс.
Цифровая обработка изображений может использоваться с целью:
а) улучшения качества изображения за счет компенсации дефектов регистрирующей системы, и уменьшения шума;
б) расчета клинически важных количественных параметров (расстояния, площади, объема и т.д.);
в) облегчения интерпретации (распознавания структуры, вычисления дозы для лучевой терапии);
г) планирования автоматизированного хирургического вмешательства.
Сжатие изображений уменьшает объем памяти для хранения данных и время для их передачи.
Хранение переведенных в цифровую форму изображений (например, на CD) упрощают организацию архивов и доступ к ним.
|
|
|
Передача преобразованных в цифровую форму изображений между лечебными заведениями позволяет нескольким экспертам быстро консультироваться для принятия диагностических или терапевтических решений и улучшает контроль диагностики и лечения пациента (телерадиология, телепатология).
Во многих случаях для установления диагноза врач зрительно анализирует изображения отдельных сечений объекта, полученных при томографическом обследовании. Однако, для некоторых клинических задач, подобных хирургическому планированию, необходимо понимать 3D структуру во всей ее сложности и видеть дефекты. Опыт показал, что "умозрительная реконструкция" объектов по изображениям их сечений (визуализация объема) чрезвычайно трудна и сильно зависит от опыта и воображения наблюдателя. В таких случаях хотелось бы представить человеческое тело так, как его увидел бы хирург или анатом. Современные информационные технологии позволяют производить процедуру визуализации объема автоматически, при помощи компьютера.
Этапы визуализации
В памяти ЭВМ, как известно, хранятся только цифровые коды. В виде цифровых кодов хранятся и описания любых изображений. Для превращения этого моря нулей и единиц в картинку на экране компьютер должен выполнить определенные операции. Процесс визуализации цифровых кодов изображения называется рендеринг. Для его осуществления используют понятия элементарных единиц изображения: пиксель и воксель (объемная единица изображения).
|
|
|
Приведем обзор этапов, используемых при визуализации объема. На рис. 8.2. показаны все фазы конвейера визуализации объема. После получения серии томографических изображений частей тела пациента данные обычно подвергаются некоторым процедурам предобработки для преобразования и, возможно, фильтрации. Дальнейшая обработка может следовать несколькими путями.
При использовании конкретных методов отдельные шаги обработки могут быть опущены, совмещены или переставлены местами.
Для улучшения качества объем можно подвергнуть процедуре фильтрации, подобно тому, как это делается при обработке 2D изображений.
Следующий шаг состоит в идентификации различных объектов, представленных в объемных данных так, чтобы их можно было выделить для визуализации или, наоборот, сделать невидимыми. Этот шаг включает сегментацию и интерпретацию. Простейший способ состоит в бинаризации данных с использованием порога интенсивности, например, для выделения костей из других тканей в компьютерной томографии. Однако, в некоторых случаях, особенно при использовании данных МРТ, требуются более изощренные методы сегментации.
|
|
|
После сегментации существует выбор, какой из методов рендеринга использовать далее. Более традиционные подходы, которые основаны на представлении объектов их поверхностями, сначала создают промежуточную модель, выделяя поверхности объекта.
Рис 8.2. Этапы конвейера визуализации объема.
Далее выполняется рендеринг с использованием любого стандартного метода машинной графики. Относительно недавно были разработаны подходы, основанные на воксельном представлении объемов, которые создают трехмерные изображения объекта непосредственно из объемных данных. Эти методы используют полную информацию о значениях интенсивности полутонового изображения для рендеринга поверхностей, разрезов или прозрачных и полупрозрачных объемов.
Оба эти подхода имеют свои достоинства. Решение о том, какой из методов следует использовать для конкретного приложения, зависит как от размера памяти и мощности компьютера, так и от целей визуализации. Недавно был разработан новый подход к визуализации объема, использующий методы рендеринга, основанные на преобразованиях.
|
|
|
Наиболее важными структурами для описания объемных данных являются:
- бинарная воксельная модель: воксели могут принимать два значения: 1 (объект) или 0 (нет объекта). Эта очень простая модель и используется редко. Для того, чтобы уменьшить необходимый для хранения объем памяти, бинарные объемы могут быть рекурсивно разбиты на меньшие объемы, содержащие воксели равной величины; результирующая структура данных называется 8-деревом или октантным деревом.
- полутоновая воксельная модель: каждый воксель содержит информацию об интенсивности. Для полутоновых объемов также разработаны структуры в виде 8-дерева.
- обобщенная воксельная модель: кроме информации об интенсивности каждый воксель содержит атрибуты, характеризующие его принадлежность к различным объектам, и/или данные от других источников (например, МРТ или ПЭТ).
- "интеллектуальные объемы": в качестве развития обобщенной воксельной модели рассматривается модель, в которой свойства объектов (такие как цвет, имена в различных языках, указатели на дополнительную информацию) и их взаимосвязи моделируются на символьном уровне. Подобная структура данных является основной для таких продвинутых приложений, как медицинские атласы.
Полутоновой объем обычно включает большое число различных структур, затеняющих друг друга. Для того, чтобы изобразить одну из них, следует решить, какую часть данных необходимо использовать, а какую игнорировать.
Первым шагом распознавания объекта должно быть разделение полутонового объема на разные области, которые являются однородными по отношению к некоторому формальному критерию и соответствуют реальным (анатомическим) объектам. Такой процесс называется сегментацией. Для представления результатов подходящей структурой данных является обобщенная воксельная модель. На следующем шаге интерпретации, области могут быть идентифицированы и соотнесены осмысленным понятиям, таким как "белое вещество" или "желудочек".
Все методы сегментации можно разделить на два типа: "бинарные" и "нечеткие", в соответствии с тем, какая логика положена в основу: бинарная или нечеткая. При бинарной сегментации ответ на вопрос, принадлежит ли воксель определенной области, всегда «да» или «нет». Такая информация является предпосылкой, например, для создания поверхностного представления по объемным данным. Однако недостатком метода является то, что он не справляется со случаями неопределенности или случаями, когда объект занимает только часть вокселя. В случае нечеткой сегментации не обязательно принимать точное решение "да" или "нет" – каждому вокселю приписываются вероятности того, что он принадлежит той или иной материи.
Сейчас имеется большое количество методов сегментации для 3D медицинских изображений, которые можно разбить на три типа: методы на основе точек, границ и областей. При сегментации на основе точек воксели классифицируются только в соответствии с величиной их интенсивности. При сегментации на основе границ, в изображаемом объеме определяют неоднородности в распределении интенсивности, используя для этого первые или вторые производные. При сегментации на основе областей, рассматриваются свойства целых областей, такие как размер или форма. Часто используется комбинация нескольких разных подходов.
Дата добавления: 2018-11-24; просмотров: 1001; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!