birmaga.ru
добавить свой файл

1


РАЗРАБОТКА МЕТОДИКИ ВЫДЕЛЕНИЯ ГРАНИЦ ЗЛОКАЧЕСТВЕННЫХ НОВООБРАЗОВАНИЙ НА ОСНОВЕ ИНФРАКРАСНОГО ИЗЛУЧЕНИЯ ТКАНЕЙ ОРГАНОВ ЧЕЛОВЕКА1

Л.Г. Корнилова2, А.Н Леухин2
2Марийский государственный технический университет, 424000, Йошкар-Ола,

пл. Ленина 3. Тел. (8362) 455412. E-mail: inf@marstu.mari.ru

Разработана методика, предназначенная для выделения границ злокачественных опухолей на термографических изображениях и используемая в диагностике онкологических заболеваний.

Введение

Впервые тепловидение было с успехом применено в промышленности в 1925 г. в Германии. В 1956 г. канадский хирург Р.Лавсон использовал термографию для диагностики заболеваний молочных желез. Это открытие положило начало медицинской термографии. Применение термографии в офтальмологии связывают с публикацией в 1964 г. Гросс и др., применивших термографию для обследования больных с односторонним экзофтальмом и обнаруживших гипертермию при воспалительных и опухолевых процессах орбиты. Им же принадлежит и одно из наиболее обширных исследований нормального термопортрета человека. Первые термографические исследования у нас в стране выполнили М.М. Мирошников и М.А. Собакин в 1962 г. на отечественном аппарате. В.П. Лохманов (1988 г.) определил возможности метода в офтальмоонкологии.

При помощи термографии выявляются заболевания:


  1. органов шеи (щитовидная железа);

  2. органов грудной клетки (бронхолегочная ткань);

  3. молочных желез;

  4. органов брюшной полости (желудок, печень, желчный пузырь, поджелудочная железа, кишечник, почки, мочеточники);

  5. органы малого таза (гинекология);

  6. позвоночника;

  7. сосудистых изменений конечностей (синдром Рейно, облитерирующий эндартериит, диабетические ангиопатии).

Преимущество метода термографии заключается прежде всего в том, что термографическая аппаратура не оказывает никакого воздействия на организм, она лишь воспринимает инфракрасное излучение с поверхности тела человека и преобразует его в видеоизображение (термографическое изображение), к тому же этот метод позволяет выявить патологические процессы не только в момент их манифестации, но и в случае их скрытого течения.


Программное обеспечение современных тепловизоров позволяет:


  1. определить абсолютное значение температуры в любой заданной точке;

  2. выводить график распределения температуры вдоль выбранного сечения термограммы;

  3. получить термограммы в черно-белом и цветном изображении;

  4. регулировать контрастность и яркость изображения;

  5. получить негативное изображение термограммы;

  6. задавать границы температурных зон при визуализации кадра;

  7. производить запись термограммы в специальном формате и в стандартных графических форматах BMP и JPEG;

  8. проводить запись фильма в виде последовательности кадров в реальном масштабе времени;

  9. сопровождать каждую термограмму текстовым описанием (при сохранении в специальном формате).

Программное обеспечение современных тепловизоров не имеет возможности качественной оценки следующих параметров исследуемых областей: площади, длины и кривизны. Определить эти и другие параметры возможно в том случае, если границы исследуемой области определены. Таким образом, для качественной оценки параметров злокачественных опухолей необходимо разработать метод выделения границ.

Алгоритм выделения границ опухолей на теплограмме

На первом этапе выделения границы, происходит сегментация (квантование) уровней яркостей изображения. Она проводится с целью разбиения сцены на части со сходными свойствами, например, на области с близкими значениями яркости. В сценах, характерной особенностью которых является сложный статистический характер яркости пикселов, сегментация проводится для разбиения сцены на статистически однородные части. Различным подходам к сегментации изображений посвящены обстоятельные обзоры [1, 2].

Рассматриваемые теплограммы являются многоградационными. Цветовая модель изображения ― RGB. Составляющими этой модели являются: красный (RED) , зелёный (GREEN) и синий (BLUE) компоненты, каждый отдельный компонент является полутоновым. Для последующей обработки нам необходимо сегментировать полутоновый компонент для получения бинарного компонента. Рассмотрим глобально-оптимальную процедуру формирования порогового уровня для получения бинарной сцены. Будем рассматривать сцену F со статистически однородным фоном, характеризующимся гистограммой яркости . Примем для простоты, что яркости изображений различных объектов в ней близки между собой и характеризуются компактной гистограммой яркости (рис. 1).


При этих условиях для получения сцены можно сформировать одно значение порогового уровня ограничения сцены F по яркости. Этот уровень назовем глобально- оптимальным порогом



Рис. 1.. Разбиение диапазона яркостей сцены на области

Весь диапазон яркостей сцены F, от 0 до , условно разделим на пять областей. Если находится в первой области, то точки бинарной сцены будут, в основном, единичными, а если в пятой — то нулевыми. Вторая область характеризуется практическим отсутствием точек изображения, а четвертая — точек фона. Но в четвертой области потеряно много точек, составляющих изображение объекта.

Таким образом, нахождение величины во второй и четвертой областях приводит к недопустимо большим искажениям формы объекта и в этих областях диапазона яркостей также нецелесообразно выбирать порог. Как отмечается в целом ряде работ, например, в [1], единственной областью существования такого порога является третья. Сдвиг в этой области величины вправо приводит к тому, что линия контура будет преимущественно проходить по внутренним точкам изображения, а сдвиг влево дает противоположный эффект: линия контура проходит вблизи границы, но включает большое количество фоновых точек.

В соответствии с гистограммами распределения уровней яркости фона и изображения глобально – оптимальный порог можно определить из соотношения:



― пороговое значение;

и соответственно риски, связанные с ложной тревогой и пропуском;

и априорные вероятности отсутствия и наличия сигнального контура в контуре N.

.Для устранения высокочастотного шума полученное изображение фильтруется медианным фильтром, который в отличие от других линейных фильтров не приводит к размыванию границ. При сглаживании яркость рассматриваемого пикселя заменять не средним, а медианным значением яркости элементов выбранного окна, т.е. все элементы упорядочиваются в соответствии с уровнями их яркости в неубывающую последовательность.

Последним этапом в предобработке будет являться обнаружение границы. Для этого оператор, по теплограмме, определяет область, границы которой необходимо выделить и задаёт её с помощью кода цвета, которым она обозначена. Процедура обнаружения сначала выделяет все области, код цвета которых мы задали, а далее, с помощью метода четырёхсвязных звеньев обнаруживает границы этих областей. Вторым, завершающим этапом в выделение границы опухоли, является непосредственное прослеживание границы контура и представление его в коде Фримана. Для удобства определения параметров найденного контура, необходимо перевести контур из кода Фримана в суммарный комплекснозначный код [3].

Прослеживание контура изображения алгоритмом Розенфельда

В настоящее время существует много методов выделения границ, однако в качестве базового алгоритма прослеживания линии контура, при котором последовательно, без разрывов выделяются контурные точки изображения, и формируется код контура, является алгоритм Розенфельда [4]. По сравнению с другими алгоритмами (например, алгоритм «жука») он не приводит к зацикливанию при любых конфигурациях контура и допускает простую реализацию.

По данному алгоритму на -м шаге прослеживания формируется строб размером элемента (рис. 2, а).


а б

Рис. 2. Форма строба (а) и последовательность выделения контурных точек (б)

Его центр совмещается с текущей точкой контура (рис. 2, б). Благодаря непрерывности линии контура предыдущая, текущая и последующая точки контура всегда находится в пределах этого строба, т.е. .

Поиск последующей точки состоит в осмотре по часовой стрелке ячеек строба начиная от предыдущей точки . Первая заполненная ячейка считается содержащей точку . Если проанализировать положение стробов и (рис. 2, б), то оказывается, что первая точка строба , взятая в направлении часовой стрелки от точки , всегда будет принадлежать фону. Следующая за ней вторая точка строба тоже всегда будет относится к фону, но при условии, что предыдущий вектор не был диагональным.


При обнаружении и прослеживании контуров бинарных изображений перепады яркостей на границах идеальны. Это дает возможность получить контуры изображений, минуя процесс формирования силуэтных изображений. При решении аналогичных задач для многоградационных изображений перепад яркости на границах фон/изображение или изображение/изображение становится пологим и зашумленным. Из-за растянутости и переменного характера крутизны линия контура как линия внешней границы изображения становится неопределенной в пределах ширины этого перепада, а действие шумов приводит к ошибкам выделения контуров. Подавление таких ошибок связано с использованием методов борьбы с шумами. В этом случае строб для прослеживания линии контура будет иметь сложную структуру.

На рис.3 представлены результаты моделирования разработанной методики выделения границ вторичной злокачественной опухоли правой орбиты из соответствующей лобной пазухи, где а― исходное теплографическое изображение; б― обнаружение границ методом четырёхсвязных звеньев; в― прослеживание контура изображения алгоритмом Розенфельда и представление его в суммарном комплекснозначном коде.



а― исходное теплографическое изображение



б― обнаружение границ методом четырёхсвязных звеньев



в― прослеживание контура изображения алгоритмом Розенфельда и представление его в суммарном комплекснозначном коде.

Рис. 3. Выделение границ злокачественных новообразований

Заключение

Разработка методики выделения границ злокачественных новообразований является основой для создания программных комплексов высокого уровня обработки теплографических изображений с расширенными возможностями качественного анализа опухолей и высокой диагностической эффективностью.


Ссылки


  1. Бакут П.А., Колмогоров Г.С., Ворновицкий И.Э. Сегментация изображений: Методы пороговой обработки // Зарубежная радиоэлектроника.-1987.-№10.-с. 6-24.

  2. Бакут П.А., Колмогоров Г.С. Сегментация изображений: Методы выделения границ областей // Зарубежная радиоэлектроника.-1987.-№10.-с. 25-47.

  3. Фурман Я.А., Кревецкий А.В., Передреев А.К., Роженцов А.А., Хафизов Р.Г., Егошина И.Л., Леухин А.Н. Под ред. Фурмана. Я.А. Введение в контурный анализ и его приложения к обработке изображений и сигналов. – М.: Физматлит, 2002.

  4. Розенфельд А. Распознавание и обработка изображений. ― М.: Мир, 1972.

_________________________________________________________

1 Работа выполнена при финансовой поддержке по темам НИР в рамках гранта Президента РФ МД-63.2007.9 и гранта РФФИ 07-07-00285.