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.