СЕГМЕНТАЦИЯ ТОМОГРАФИЧЕСКИХ ИЗОБРАЖЕНИЙ ГРУДНОЙ КЛЕТКИ ЧЕЛОВЕКА ДЛЯ АВТОМАТИЗИРОВАННОГО ВЫДЕЛЕНИЯ И ВИЗУАЛИЗАЦИИ ТРОМБОВ
В ЛЕГОЧНОЙ АРТЕРИИ
, 1, 1
Новосибирский государственный университет
1Институт вычислительных технологий СО РАН
E-mail: *****@***nsc. ru
Тромбоэмболия легочной артерии (ТЭЛА) – это закупоривание легочной артерии или ее ветвей тромбами (сгустками крови). Это относительно распространенная сердечно-сосудистая патология, она часто приводит к летальному исходу: примерно один случай на тысячу населения в год [1]. Без лечения смертность при ТЭЛА составляет около 30%; постановка диагноза с проведением эффективной терапии снижает смертность до 2-8% [2]. Основным средством диагностики ТЭЛА является компьютерная томографическая ангиография: внутривенное введение контрастного вещества с последующей процедурой компьютерной томографии. Результатом этой процедуры является упорядоченный набор изображений (так называемых «срезов»). Вследствие наличия контрастирующего вещества, артерии выделяются на «срезах» ярко-белым цветом, а тромбы – серым (рис. 1). Данный метод позволяет получить детальную модель кровотока с точностью до 0.5 мм.
Рис. 1. Пример томографического снимка (слева) и фрагмент тромба, обведенный красным цветом (справа).
Тромб обладает двумя ключевыми характеристиками – занимаемым объемом и типом артерии, в которой он расположен (главная, долевая, сегментарная и др.). По ним эксперты могут сделать выводы о ходе заболевания. В настоящее время автоматизированные методы оценки этих параметров отсутствуют; медицинскому персоналу приходится вручную анализировать томографические снимки и определять необходимые характеристики «на глаз».
В докладе представлен метод и комплекс программ для автоматизированной локализации и оценки объема тромбов в легочных артериях на основе данных компьютерной томографической ангиографии. Программный комплекс позволяет построить трехмерную визуализацию выделенных тромбов.
Для автоматического выделения тромбов на изображении используется метод наращивания областей [3,4], модифицированный для обработки трехмерных изображений, каковыми, по сути, являются результаты томографической ангиографии. В методе используется «обучающая выборка» – выделенные экспертом области, предположительно относящиеся к тромбам. Алгоритм заключается в последовательном наращивании обучающих областей за счет соседних с ними пикселей. Критерием для добавления пикселя к выделенной области является значение некоторой меры схожести (например, модуль разности между яркостью пикселя и усредненной яркостью области).
Исследования показали, что области на изображении, соответствующие тромбам, не являются однородными по яркости и обладают выраженной текстурой. Поэтому простые пороговые методы сегментации, не учитывающие локальные особенности пикселей, приводят к неудовлетворительным результатам. В данной работе, наряду с яркостью пикселя, используется информация о распределении яркостей в некоторой его окрестности. Для этого вычисляются гистограммы заданной окрестности классифицируемого пикселя и обучающей выборки. В качестве критерия близости между пикселем и обучающей выборкой используется расстояние между полученными гистограммами. Экспериментальные исследования показали, что среди распространенных функций близости гистограмм (абсолютный угол, евклидова метрика, модуль разности мод, критериальная функция Колмогорова, модуль разности выборочных средних и др.) наилучший результат обеспечивает манхеттенская метрика. Для построения трехмерной визуализации результатов используется метод трассировки лучей [5]. Этот метод обеспечивает высокую степень фотореалистичности изображения, его вычислительная сложность слабо зависит от сложности сцены, он допускает возможность распараллеливания вычислений.
На базе описанных алгоритмов разработан программный комплекс с графическим интерфейсом. Комплекс предназначен для автоматизированной локализации и оценки объема тромбов в легочных артериях по результатам компьютерной томографической ангиографии. Кроме двумерной проекции, пользователю доступна интерактивная трехмерная проекция. Построение трехмерного изображения осуществляется методом трассировки лучей. В процессе исследования были также рассмотрены другие способы построения изображения, в частности, метод марширующих кубов [6].
Разработанный программный комплекс использовался для анализа изображений, полученных с помощью аппарата Toshiba MEC CT3 [7] (рис. 2). Автоматизация процесса обработки томографических изображений позволяет существенно упростить диагностику ТЭЛА и повысить качество результатов.
а б в
Рис. 2. Результат выделения тромба (а) и трехмерная визуализация области с тромбом (б) и без него (в).
Работа выполнена при финансовой поддержке РФФИ (гранты № 14-07-31320-мол_а).
Библиографический список
Geerts W. H., Code K. I., Jay R. M., Chen E., Szalai J. P. A prospective study of venous thromboembolism after major trauma // The New England J. of Medicine. 1994. Vol. 331 (24). P. 1601-1606. Kroegel C., Reissig A. Principle mechanisms underlying venous thromboembolism: epidemiology, risk factors, pathophysiology and pathogenesis // Respiration. 2003. Vol. 70, N 1. P. 7-30. ифровая обработка изображений. Техносфера, 2006. С. 812. Стругайло методов фильтрации и сегментации цифровых изображений // Электронное научное издание «Наука и образование». 2012. DOI: 10.7463/0512.0411847- http://thchnomag. edu. ru/411847.html. Roth S. D. Ray Casting for Modeling Solids // Computer Graphics and Image Processing. 1982. Vol. 18, Is. 2. P. 109-144. William E. L., Harvey E. C. Marching Cubes: A high resolution 3D surface construction algorithm // Computer Graphics. 1987. Vol. 21, N 4. P. 163-169. Manual: DICOM conformance statement for Toshiba whole-body X-ray CT scanner. Tokyo: Toshiba Medical Systems Corporation, 2006. 144 p.
Сведения авторов
– магистрант, г.
– аспирант, г.
– зав. лабораторией, к. ф.-м. н., доцент, г.
Вид доклада: устный.
