РАСПОЗНАВАНИЕ ЭМФИЗЕМЫ ЛЁГКИХ ПО ДАННЫМ КОМПЬЮТЕРНОЙ ТОМОГРАФИИ Н.А. Смелкина , П.М.Зельтер

РАСПОЗНАВАНИЕ ЭМФИЗЕМЫ ЛЁГКИХ
ПО ДАННЫМ КОМПЬЮТЕРНОЙ ТОМОГРАФИИ
Н.А. Смелкина1 , П.М.Зельтер2
1
Самарский государственный аэрокосмический университет им. академика
С.П. Королёва (национальный исследовательский университет),
2
Самарский государственный медицинский университет
E-mail: nsmilik@gmail.com
Эмфизема легких – это сложное и крайне опасное заболевание, при котором так называемые альвеолы (ткани из которых состоят легкие), перерастягиваются и прекращают сокращаться, вследствие чего кислород в недостаточной степени поступает в кровь и плохо выводит из нее углекислый газ
[1]. Данные нарушения приводят к дыхательной недостаточности.
Наша программа анализирует снимки компьютерной томографии легких на предмет выявления эмфиземы (в том числе, в начальной стадии), а
также ее количественных характеристик, с целью диагностировать заболевание на ранней стадии и предотвратить ухудшение состояния человека, вплоть
до летального исхода.
Исходными данными является серия двумерных снимков в формате
DICOM. Типичный размер изображений 512×512, количество снимков в серии – 64. Расстояние между срезами около 5 мм. Размер пикселя – 0,5мм ×
0,5мм. Каждое изображение представляет собой матрицу значений по шкале
Хаунсфилда [2] (рисунок 1).
Рисунок 1 – Срез трехмерного изображения
Задача нахождения очагов эмфиземы разделилась на несколько этапов:
1) выделение области интереса – легких человека;
2) нахождение очагов заболевания, использовалась морфологическая фильтрация в области интереса;
3) настройка параметров алгоритма выделения очагов эмфиземы.
Выделение области интереса производилось методом логического
умножения негатива двумерной пороговой обработки связных областей [3]
на обычную пороговую обработку [4]. Задача нахождения очагов эмфиземы
решалась использованием морфологической фильтрации – сглаживания,
нахождением локальных средних и дилатацией [5].
Далее проводим исследование на предмет выявления и оценки погрешности, состоящей в ошибочной классификации пикселя, и находим оптимальные параметры алгоритма по критерию минимума вероятности ошибки.
Алгоритм зависит от нескольких параметров, а именно: размер сглаживающей матрицы и порог отсечения полезной области (нижний).
Значения оптимальных параметров находятся простым перебором
значений 𝑃̅ош (таблица 1).
Таблица 1 – Вероятность ошибочной классификации пикселя
Матрица
сглаживания,
M×M
1×1
3×3
5×5
7×7
9×9
11×11
Порог, h
-1028
-1024
-1020
-1016
-1012
0,104
0,019
0,079
0,112
0,134
0,152
0,157
0,014
0,046
0,081
0,105
0,121
0,192
0,050
0,200
0,087
0,023
0,013
0,038
0,059
0,240
0,125
0,063
0,024
0,017
0,023
0,011
0,048
0,073
0,092
Значения оптимальных параметров видны из зависимости вероятности
ошибочной классификации пикселя от значения порога и размера матрицы,
показанной на рисунках 2, 3.
Рисунки 2, 3 – Зависимость вероятности ошибочной классификации
пикселя от значения порога и размера матрицы сглаживания
Таким образом, получаем оптимальное соотношение параметров алгоритма, при котором вероятность ошибочной классификации пикселя
𝑃̅ош минимальна и равна 0,011 при ℎопт = –1020, 𝑀опт = 5.
Универсальный алгоритм распознавания очагов эмфиземы различной
степени тяжести был разработан на основе обучающей выборки, затем протестирован на контрольной выборке.
Пример выделенного заболевания приведен на рисунке 4.
Рисунок 4 – Изображение выделенных очагов эмфиземы, наложенных
на исходные данные.
Наша программа создана для врачей, с целью помочь в диагностировании эмфиземы. Наш продукт кроссплатформенный и не требует определенных диагностических станций, так как работает лишь с сериями изображений.
При проведении эксперимента на натурных данных вероятность ошибочной классификации пикселя составила 0,019.
Библиографический список
1.
2.
3.
4.
5.
http://infzdor.ru/emfizema-legkix/ – Эмфизема легких. Симптомы, причины и лечение. – Обращение к ресурсу 20.05.2015.
https://ru.wikipedia.org/wiki/Шкала_Хаунсфилда – Википедия. Шкала
Хаунсфилда. – Обращение к ресурсу 27.04.2015.
http://cgm.computergraphics.ru/content/view/53 – Вержневец В. Выделение связных областей в цветных и полутоновых изображениях. Обращение к ресурсу 13.05.2015.
Вудс Р. Цифровая обработка изображений. – М.: ТЕХНОСФЕРА, 2005.
– 1072 с.
Грузман И.С., Киричук В.С., Косых В.П., Перетягин Г.И., Спектор А.А.
Цифровая обработка изображений в информационных системах: Учебное пособие – Новосибирск: Изд-во НГТУ, 2002. – 352 c.
Сведения об авторах
Смелкина Наталья Алексеевна – магистрант СГАУ, дата рождения:
07.10.1994г.
Зельтер Павел Михайлович – ассистент кафедры лучевой диагностики и
лучевой терапии с курсом медицинской информатики СамГМУ, дата
рождения: 14.05.1986 г.
Вид доклада: стендовый