Математика/4. Прикладная математика

 

Гундина М.А., Шлык В.А.

Белорусский национальный технический университет, Беларусь

Прикладные задачи обработки медицинских изображений

 

Улучшение качества и автоматизации обработки медицинских изображений, создаваемых электронным микроскопом, рентгеновскими аппаратами, томографами и др., являются актуальным предметом исследования и разработки. 

Рассмотрим некоторые задачи обработки медицинских изображений в современных математических пакетах (Mathematica, MatLab).

Комбинация нескольких изображений

Для обнаружения изменений на снимке за некоторый промежуток времени можно воспользоваться операцией вычитания двух исходных изображений.  На рис. 1 показаны два изображения движущихся элементов крови человека и разностное изображение, по­лученное путем вычитания пикселов второго изображения из соответствующих пикселов первого изображения.

   

Рис. 1 Изображения движущихся лейкоцитов человека (слева, в центре) и разностное изображение (справа)

Используя такой прием обработки изображения, можно определить наиболее активные клетки, проследить их передвижение.

Локальная бинаризация медицинских изображений

Метод УЗИ появился на стыке таких областей как радио- и гидролокация, цифровая электроника и полупроводниковая техника. Положив в основу УЗИ принцип ультразвукового сканирования, и добавив к этому компьютерные методы обработки полученной информации, ученые позволили с помощью УЗИ получать подробные изображения внутренних органов.

Бинаризация изображений -- это перевод полноцветного изображения в монохромное, где присутствуют только два типа пикселей (темные и светлые).

Рассмотрим снимок эмбриона человека (рис. 2). На рисунке слева представлено исходное изображение, на рисунке слева произведена локальная бинаризация с порогом яркости 0.3. 

 

Рис. 2 – Снимок эмбриона человека (слева). Изображение, обработанное с помощью локальной бинаризации (справа)

Данный подход может быть также использован для обнаружения опухолей и нарушений кровообращения, таких, как аномальное сужение или расширение сосудов.

Пороговая обработка

Интерактивная сегментация изображений активно используется для редактирования изображений, анализа медицинских данных. Сегментация делит изображение на составные части и объекты.

Пороговая обработка является одним из фундаментальных подходов к сегментации изображений, завоевавших популярность в приложениях, требующих быстрое принятие решения [2].

Рассмотрим пример использования пороговой обработки изображения для выделения интересующих объектов [3].

К рис. 3 применяется операция эрозии (утончение объекта) и наращения (утолщение объекта) по преобладанию в окрестности пикселов фона или объекта с некоторым пороговым значением n.

 

 

Рис. 3 – Эмбрион морского ежа при митозе (до и после обработки)

Каждый пиксел изображения обрабатывается следующим образом: если в окрестности размера 3х3 находится n или более пикселов объекта, то рассматриваемый пиксел устанавливается в 1, в противном случае он сбрасывается на 0.

Обрабатываемые изображения (рис.1-2) взяты из галереи снимков, сделанных электронным микроскопом [1]. Обработка рис. 1-2 осуществляется в системе Mathematica, рис. 3 – в системе MatLab.

Методы машинного зрения часто используются при анализе медицинских изображений, хотя обычно применяются для визуализации информации и данных измерений, а не для формирования диагноза.  Представленные приемы обработки изображений могут быть использованы при конструировании приборов медицинского назначения.

Литература:

1.     MicroscopeImagingStation, Gallerry[Электронный ресурс]. – Режим доступа: http: // www.exploratorium.edu 18.03.2012- Загл. с экрана.

2.     Шапиро Л. Компьютерное зрение / Л.  Шапиро, Дж. Стокман. –М.: БИНОМ. Лаборатория знаний, 2006. – 752 с. 

3.     Гонсалес, Р. Цифровая обработка изображений в среде MATLAB/ Р. Гонсалес,Р. Вудс, С. Эддинс. –М.: Техносфера, 2006. – 616 с.