ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ
Актуальність теми дисертації
Об'єкти на медичних зображеннях володіють великою складністю і багатофакторністю, що зумовлює високі вимоги до надійності, точності та достовірності результатів досліджень. Використання обчислювальної техніки та математичних методів у цій галузі дозволяє не тільки прискорити процес обробки матеріалу, але і підвищити точність результатів дослідження.
Розвиток електроніки і шкідливість умов роботи стимулювали підвищену увагу до цифрового аналізу рентгенівських, ультразвукових зображень і зображень ядерно-магнітного резонансу, головним досягненням якого можна вважати появу комп'ютерного томографа. Проте складності в отриманні якісних зображень гістологічних об'єктів значно гальмують розвиток цієї галузі.
Автоматизація аналізу гістологічних структур прискорює діагностику захворювання, дозволяє розширити межі наукових пошуків у медицині. Автоматичне вимірювання параметрів гістологічних об'єктів дає можливість уточнити лікування і управління терапевтичними процесами. Так, найбільш перспективним методом ранньої діагностики пухлинних захворювань в даний час є автоматизація цітофотометріческого аналізу спеціально приготовлених і забарвлених гістологічних препаратів і поділ їх за принципом норма - патологія.
Однією з головних частин автоматизації вимірювання оптичних і геометричних параметрів є виділення об'єктів на гістологічних препаратах. Це завдання вирішується за допомогою методів і засобів цифрового аналізу зображень.
Основною причиною відсутності автоматизації в гістології є висока варіабельність і слабка контрастність більшості гістологічних структур.
Однак швидкий розвиток цифрової і аналогової техніки останнім часом відкриває нові можливості перед розробниками. Наприклад, збільшення швидкодії обчислювальної техніки дозволяє використовувати складні, критичні до часу алгоритми, а завдяки появі кольорових телевізійних датчиків високого дозволу можна отримувати і обробляти кольорові зображення. Саме нові технічні можливості дозволяють значно розширити коло досліджень, відкривають нові шляхи вирішення завдань, що стосуються аналізу зображень. Дана робота присвячена одній з таких завдань - сегментації об'єктів на зображеннях гістологічних препаратів.
Зв'язок роботи з великими науковими програмами, темами
Дисертаційна робота виконана в лабораторії обробки і розпізнавання зображень Інституту технічної кібернетики НАН Білорусі у співпраці з лабораторією методів морфологічних досліджень МГМИ в рамках тем: Інтелект 17 "Створення теоретичних основ розвитку, застосування і розпізнавання зображень з використанням штучного інтелекту" - постанова президії НАН Білорусі № 88 від 23.11.95; "Розробити робочий проект АРМ клінічного морфолога і здати в дослідну експлуатацію в МГМИ" відповідно до "Програми інформатизації Республіки Білорусь на 1991-1995 роки та на період до 2000 року", затвердженої Постановою Ради Міністрів Республіки Білорусь N 444 від 27.11.92; "Розробити платформонезалежна інструментальні засоби забезпечення віддаленого збору, зберігання і візуалізації біомедичної інформації в НІКС" відповідно до Постанови Ради Міністрів Республіки Білорусь від 22 жовтня 1998 р. № 1609 "Про розвиток у республіці робіт зі створення єдиної науково-інформаційної комп'ютерної мережі ".
Мета і завдання дослідження
Мета роботи - розробити алгоритми сегментації для визначення гістологічних об'єктів на слабоконтрастних кольорових і напівтонових зображеннях для вирішення завдань діагностики захворювань, лікування і управління терапевтичними процедурами.
Для досягнення поставленої мети було потрібно:
класифікувати зображення гістологічних об'єктів по геометричних, топологічні, оптичним характеристикам;
розробити алгоритми сегментації волокон і судин;
розробити алгоритми сегментації клітин;
розробити методи сегментації кольорових зображень гістологічних об'єктів;
програмно реалізувати алгоритми сегментації гістологічних об'єктів і перевірити їх на конкретних прикладах.
Об'єкт і предмет дослідження
Дослідження виконані в області сегментації зображень. Предметом дослідження є гістологічні об'єкти на кольорових і напівтонових зображеннях препаратів оптичної мікроскопії.
Гіпотеза
Всі зображення гістологічних об'єктів можна класифікувати за їх геометричним і оптичними властивостями і властивостями їх оточення, а для кожного класу об'єктів можна визначити алгоритм сегментації, що дозволяє отримати результат, що задовольняє дослідників гістологічних препаратів.
Методологія і методи проведеного дослідження
В якості теоретичних методів дослідження використовувалися методи цифрової обробки сигналів та зображень, математичного аналізу та математичного моделювання. Для програмної реалізації розроблених алгоритмів використовувалися методи створення програмних систем, методи оптимізації програмних комплексів, програмування на мовах високого рівня.
Наукова новизна отриманих результатів
Розроблено класифікацію гістологічних об'єктів за особливостями їх зображень для визначення способу сегментації. Кожен клас визначає основні об'єкти на гістологічних препаратах та особливості їх подання. Для нього обраний алгоритм сегментації, що дозволяє отримати якісний результат. Основне завдання цієї класифікації - визначити оптимальний шлях від вхідного напівтонового або кольорового зображення до виділеного об'єкта на бінарному зображенні.
Розроблено алгоритм напівтонового утоньшения, основна відмінність якого полягає в тому, що він орієнтований на обробку слабоконтрастних зображень судин і волокон, де товщиною вихідних об'єктів можна знехтувати, тому що довжина цих об'єктів набагато перевищує їх ширину. Причому об'єкти можуть бути оточені фоном з постійно мінливими яскравості і кольоровими характеристиками, який включає в себе зображення об'єктів іншого типу.
Розроблено алгоритм сегментації та відстеження судин і волокон при великих збільшеннях. Основна особливість цього алгоритму - це визначення об'єкта по областях, виділеним у результаті утоньшения всього зображення, яке оброблено оператором виділення кордонів (наприклад, фільтром Собеля), що дозволяє не тільки збільшити швидкість в порівнянні з алгоритмами поточечной трасування, а й отримати більш якісні результати на слабоконтрастних зображеннях.
Розроблено два алгоритми сегментації опуклих об'єктів (клітин, ядер, волокон і судин в поздовжньому перетині). Їх основна особливість полягає в тому, що вони орієнтовані на виділення об'єктів, оточених складним за геометричним і оптичним характеристикам фоном. Перший алгоритм базується на методах математичної морфології і орієнтований на об'єкти з нерівномірним фоном, грунтується на визначенні меж опуклих фігур, другий - на об'єднанні областей, виділених в результаті утоньшения перепадів яскравості, і дозволяє визначати об'єкти навіть тоді, коли перепади рівнів яскравості об'єктів такі ж, як і у навколишнього їх фону. Відсутність стадій "засівання", росту і поділу областей призводить до виграшу в швидкості в порівнянні з традиційними алгоритмами зростання областей.
Розроблено систему координат опису кольору, спеціалізована на виконанні операцій математичної морфології на кольорових зображеннях. Використання цієї системи координат дає можливість поліпшити якість одержуваного результату і збільшити швидкість в порівнянні з обробкою в традиційних системах координат.
Економічна та практична значущість отриманих результатів
Використання алгоритмів сегментації гістологічних об'єктів сприяє підвищенню ефективності роботи дослідника й отримання більш якісних і точних результатів вимірювання характеристик гістологічних об'єктів.
Розроблені алгоритми і програмний комплекс, що використовуються в даний час у наукових та діагностичних процесах, є економічно ефективними за рахунок зниження витрат на ручну працю при вимірюванні і класифікації гістологічних об'єктів.
Алгоритми і програмний комплекс аналізу та обробки медичних зображень впроваджені і використовуються у навчальних, наукових та діагностичних процесах двох медичних вузів (Мінськом державному медичному інституті, Гродненському державному медичному інституті) і трьох НДІ (Бел НДІ епідеміології і мікробіології (м.Мінськ), Бел НДІ онкології медичної радіології (м.Мінськ), Інституті біохімії НАН РБ (г.Гродно)) Республіки Білорусь, а також у двох медичних вузах (Саратовської державної медичної академії, Ярославльського державної медичної академії), Інституті фізіології дітей і підлітків РАМН (м. Москва ) і Всеросійському центрі пластичної хірургії ока МПЗП РФ (м.Уфа) Російської Федерації.
Розроблені методи і алгоритми можуть також включатися в існуючі або розроблювані комерційні системи аналізу та обробки гістологічних об'єктів як загальновживані, так і вузькоспеціалізовані.
Основні положення дисертації, що виносяться на захист:
класифікація гістологічних об'єктів для визначення методу сегментації зображень гістологічних об'єктів;
алгоритм напівтонового утоньшения об'єктів на слабоконтрастних зображеннях гістологічних об'єктів;
алгоритм сегментації та відстеження судин або волокон при великих оптичних збільшеннях;
алгоритм морфологічної сегментації окремих клітин;
алгоритм сегментації клітин зі складним фоном, заснований на об'єднанні областей;
алгоритм визначення клітин на бінарному зображенні, отриманому за допомогою порогової сегментації;
координати опису кольору, призначені для роботи методів математичної морфології і інших складних напівтонових операцій на зображеннях гістологічних препаратів.
Особистий внесок здобувача
Усі пропоновані алгоритми були розроблені та програмно реалізовані особисто автором. Науковий керівник брав участь у постановці завдань, визначенні можливих шляхів вирішення та їх попередньому аналізі.
Апробація результатів дисертації
Основні результати роботи доповідалися і обговорювалися на конференціях і симпозіумах: науково-технічної конференції з комп'ютерної графіки та анімації (Мінськ, 1993), 8 th International Symposium on Diagnostic Quantitative Pathology. (Amsterdam, The Netherlands, 1994), Третин наукової конференції з розпізнавання та аналізу зображень (Мінськ, 1995), I конгресі Міжнародної асоціації патологоанатомів (м.Москва, 1995), республіканської наукової конференції молодих вчених і студентів "Актуальні проблеми сучасної медицини" ( Мінськ, 1997), System and signals in Intelligent Technologies (Мінськ, 1998), V міжнародній конференції "Комп'ютерний аналіз даних і моделювання" (8-12 червня 1998 року, Мінськ), Fifth International Conference Pattern Recognition and Information Processing PRIP99 (Мінськ, 18 - 20 травня 1999).
Опублікування результатів
За матеріалами проведених досліджень опубліковано 12 наукових робіт, у тому числі:
1 стаття в науковому журналі;
3 статті у збірниках наукових праць;
8 доповідей на міжнародних конференціях.
Структура та обсяг дисертації
Дисертація складається з вступу, чотирьох розділів, висновків, додатку та списку літератури з 152 найменувань. Дисертація викладена на 121 сторінці, включаючи 72 ілюстрації.
ЗМІСТ РОБОТИ
У вступі обгрунтовано актуальність теми, коротко викладається стан предметної області, невирішені завдання і дається коротка характеристика роботи.
У першому розділі виконано аналіз стану предметної області: дано опис гістологічних об'єктів і особливостей їх зображень, огляд існуючих методів систем обробки медичних зображень, а також опис основних напрямків розвитку алгоритмів сегментації об'єктів. За результатами проведеного аналізу можна зробити наступні висновки.
Більшість об'єктів на гістологічних препаратах представлені слабоконтрастних зображеннями і характеризуються великою варіабельністю геометричних і оптичних характеристик, у зв'язку з чим при аналізі подібних зображень виникають певні труднощі. Тому для вибору ефективних методів сегментації потрібна додаткова класифікація цих об'єктів.
Автоматичний аналіз зображень гістологічних об'єктів слабко освітлений в літературі.
Гістологічні об'єкти характеризуються слабкою контрастністю, широким спектром форм і розмірів. Тому їх специфіка вносить певні особливості на етапі сегментації.
Можна визначити три основні класи методів сегментації об'єктів на гістологічних зображеннях: порогові, морфологічні, методи нарощування областей. Хоча існує ще ряд приватних методів сегментації, що не відносяться до них.
Тема сегментації медичних зображень в даний час є актуальною і дуже важлива в діагностичних і наукових дослідженнях.
На основі результатів аналізу висувається гіпотеза: для кожного класу об'єктів можна визначити алгоритм сегментації, що дозволяє отримати результат, що задовольняє дослідників гістологічних препаратів.
Друга глава присвячена сегментації гістологічних об'єктів на півтонових зображеннях.
Глава починається з класифікації гістологічних об'єктів для визначення найбільш ефективного методу сегментації. У ході класифікації визначаються три основні класи об'єктів: майданні (клітини, ядра клітин, судини і волокна в поперечному зрізі), протяжні об'єкти (судини і волокна в поздовжньому зрізі), дрібні контрастні об'єкти (ядерця, клітинні включення, артефакти) (табл. 1 ).
Таблиця 1
Таблиця класифікації гістологічних об'єктів і методів їх сегментації для кожного класу
Вид об'єкту | Характеристика зображення | Рівномірний фон | Нерівномірний фон |
Майданні | Окремо лежать об'єкти одного типу | Порогова | Методи математичної морфології |
Об'єкти | Об'єкти, | Порогова | Методи |
Протяжні об'єкти | Довільне | Порогова | Морфологічна сегментація, |
Дрібні контрастні об'єкти | Довільне | Порогова | Порогова |
Використовуючи характеристику протяжних об'єктів, для отримання результату можна застосовувати методи математичної морфології. Для виділення середньої лінії, що відповідає протяжним об'єктах, найчастіше застосовується півтонове утоньшение зображення. Тому в дисертації було розроблено алгоритм напівтонового утоньшения, орієнтований на обробку зображень гістологічних препаратів зі складним фоном, у яких на різних ділянках зображення змінюються напівтонові характеристики.
Утоньшение зображення здійснюється за чотири проходу, а саме для верхнього, нижнього, правого і лівого краю. За кожний з чотирьох проходів значення пікселя змінюється за умовами:
p2
AND p6 ІX AND (p1 AND p4 ІX OR p3 AND p0 ІX OR p0 ІX AND p4 ІX); p6
AND p2 ІX AND (p5 AND p0 ІX OR p7 AND p4 ІX OR p4 ІX AND p0 ІX); p4
AND p0 ІX AND (p3 AND p6 ІX OR p5 AND p2 ІX OR p2 ІX AND p6 ІX); p0
AND p4 ІX AND (p7 AND p2 ІX OR p1 AND p6 ІX OR p6 ІX AND p2 ІX),
де номери пікселів відповідають рис. 1.
P3 P2 p1 p4 Х p0 p5 P6 p7
Рис. 1 Околиця пікселя X
У роботі пропонуються три варіанти зміни пікселя, який задовольняє вищезазначеним умовам:
- Послідовна обробка напівтонових шарів: послідовне утоньшение кожного напівтонового рівня як бінарного зображення від максимального до мінімального.
Одночасна обробка напівтонових шарів: змінний піксель зменшується на одиницю (рис. 2).
Одночасна обробка з максимізацією значення пікселя: значенням змінного пікселя присвоюється значення максимального сусіда з його оточення, напівтонова величина якого не перевищує величину змінного пікселя.
Спосіб зміни пікселя залежить від контрастності зображення. Першим способом досягається ідеальний результат для будь-яких зображень, але він повільний. Третій спосіб - швидкий, але результат коректний тільки для контрастних зображень. Для більшості зображень більш ефективно використовувати другий спосіб (рис. 2).
Бінаризація скелета проводиться за один прохід зображення. Якщо оброблюваний піксель має хоча б одного з чотирьох сусідів (p0, p2, p4, p6) менше його або всіх діагональних восьмісоседей менше його, то значення пікселя прирівнюється до 1, в іншому випадку - до 0:
If (X> p0 OR X> p4 OR X> p2 OR X> P6) OR (X> p1 AND X> p3 AND X> p5 AND X> p7) THEN X = 1 ELSE X = 0.
З огляду на особливості протяжних об'єктів при слабкому оптичному збільшенні, бінарізірованний скелет відповідає виділеним судинах або волокнах.
При великих збільшеннях товщина протяжних об'єктів починає відігравати суттєву роль, тому для цього випадку був розроблений окремий алгоритм сегментації. Особливість алгоритму полягає в наявності двох паралельних гілок: обробка самого зображення і його градієнта. У результаті утоньшения градієнта зображення виходять області для обробки, відповідні або фону, якого об'єкта. За відповідності отриманого скелета зображення областям визначаються протяжні об'єкти (рис 3).
Як розвитку цього алгоритму пропонується алгоритм ідентифікації судин або волокон, який використовує області і скелет, отримані за допомогою попереднього алгоритму. Він виконується за допомогою відстеження протяжного об'єкта та класифікації областей на три класи (перетину, розгалуження і продовження), яка проводиться за допомогою аналізу точок перетину скелета з межами області.Вибір методу сегментації для майданних об'єктів залежить від співвідношення фону і напівтонових характеристик об'єктів. Для контрастних зображень краще всього використовувати алгоритми порогової сегментації, але в разі слабоконтрастних зображень вони не дозволяють отримати якісний результат. Якщо фон нерівномірний, а зображення включає окремо лежать об'єкти одного типу, і, крім того, напівтонова величина для пікселів фону змінюється рівномірно і не робить різких стрибків, хороші результати виходять при вживанні морфологічної сегментації. В основі розробленого алгоритму лежить півтонове утоньшение морфологічного градієнта, супроводжуване операцією обрізання хвостів на кожну ітерацію, яка дозволяє отримати замкнуті контури, що обмежують області, що відповідають об'єктам. Результати, отримані за допомогою цього методу, відповідають виділеним гістологічним об'єктів (рис. 4).