автореферат диссертации по приборостроению, метрологии и информационно-измерительным приборам и системам, 05.11.17, диссертация на тему:Автоматизированная система для скрининговой диагностики туберкулеза легких на основе анализа фрактальных объектов

На правах рукописи

Степанов Владимир Александрович

Автоматизированная система для скрининговой диагностики туберкулеза легких на основе анализа фрактальных объектов

Специальность 05.11.17 - Приборы, системы и изделия медицинского назначения

Автореферат диссертации на соискание ученой степени кандидата технических наук

Курск-2013

г 4 окт ш

005535811

Работа выполнена в ФГБОУ ВПО «Ижевский государственный технический университет имени М. Т. Калашникова» (ИжГТУ)

Научный руководитель: доктор технических наук, доцент

Рыбочкин Анатолий Федорович

Официальные оппоненты: Коровин Евгений Николаевич

доктор технических наук, профессор, «Воронежский государственный технический университет», кафедра Системного анализа и управления в медицинских системах, профессор

Труфанов Максим Игорович кандидат технических наук, доцент, ФГБОУ ВПО «Юго-Западный государственный университет», кафедра ВТ, доцент

Ведущая организация: Государственное бюджетное обра-

зовательное учреждение высшего профессионального образования «Ижевская государственная медицинская академия министерства здравоохранения Российской Федерации» (ГБОУ ВПО ИГМА Минздрава России)

Защита состоится «15» ноября 2013_ г. в «13» часов на заседании диссертационного совета Д 212.105.08 ФГБОУ ВПО «Юго-Западный государственный университет» по адресу: 305044, г. Курск, ул. 50 лет Октября, 94, конференц-зал.

С диссертацией можно ознакомиться в библиотеке ФГБОУ ВПО «Юго-Западный государственный университет

Автореферат разослан «_» октября 2013

Ученый секретарь диссертационного' совета

Снопков В.Н.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Современный туберкулез — одна из самых актуальных проблем здравоохранения. По данным Роспотребнадзора, в России ежегодно заболевают туберкулезом около 117-120 тысяч человек, умирают от этого заболевания около 25 тысяч человек. Среди впервые выявленных больных число случаев с множественной лекарственной устойчивостью туберкулеза составляет около 10%.Смертность от туберкулеза увеличилась почти в 3 раза. В мире отмечается все больше случаев туберкулеза, устойчивого к существующим лекарствам. В 2008 году новый вид туберкулезной бактерии был обнаружен у почти 500 000 человек, причем каждый четвертый из этого числа погиб (данные ВОЗ). Всего от туберкулеза ежегодно в мире умирают около 1,8 млн. человек в год. Поэтому туберкулез, наряду со СПИД, является одним из самых опасных инфекционных заболеваний. В наше время туберкулез стал резистентным к обычной прививке и многим медикаментам (А.И. Карпищенко ,С.А. Попов, Т.П. Сабгайда, В.А. Пузанов). Лечение туберкулеза наиболее эффективно при ранних формах его проявления, т.е. чем раньше выявили туберкулез, тем больше шансов его излечения.

Флюорографический метод проявил себя как самый эффективный метод скрининг диагностики туберкулеза легких, кроме того массовая флюорография имеет эпидемиологическое и профилактическое значение. Но в тоже время, по данным ретроспективных оценок работы рентгеновских кабинетов (пленочный метод) анализа флюорограмм, технический брак достигает 5-7%, пропуск патологии при двойном чтении флюорограмм - 15-40%. Ошибки диагностики суммарно достигают до 30-50% всех исследований (Буковей П.В., Кочетков М.В., Ыагауап8\уагш в, 5а1гшап 8Н.). В настоящее время борьба с недостатками пленочных методов флюорографии привела к внедрению устройств с цифровым способом регистрации, повышая точность и надежность изображения. Но они не устраняют всех существующих недостатков пленочных методов , а по некоторым параметрам уступают им (Кучеров А.Л., Ильичева Е.Ю., Ильичева Е.Ю., Рыбкина Т.А., Матвеева Т.И).

Неравномерность потоков пациентов при ежегодной диспансеризации и необходимость анализировать флюорограммы двумя врачами (МЗ РСФСР), создают перегрузку в работе врачей рентгенологов, что делает крайне актуальным создание автоматизированной системы идентификации флюорограмм. Замена одного врача - рентгенолога на диагностическую систему поможет разгрузить рентген - кабинет за счет оперативной консультативной помощи, уменьшив психологическую нагрузку на пациентов и врачей.

Визуальный анализ изображения флюорограммы не всегда может позволить определить точный диагноз состояния пациента, поэтому необходимы методы и алгоритмы для интеллектуальной поддержки анализа изображений флюорограмм и постановки окончательного диагноза. При анализе цифровых флюорограмм врачом изучается изображение легких с разрешением менее 5% по контрастности и около 5 мм по геометрическим параметрам. Большее разрешение не позволяет аппаратура и физиологические воз-

можности зрения, кроме того значительно влияет фактор усталости при рассмотрении малых объектов на флюорограмме. Увеличить разрешение по линейным размерам аппаратно не возможно - это заложено в аппаратурной части, а по контрастности разрешения и «трудолюбию» Автоматизированная система диагностики (АДС) превосходит врача при наличии соответствующего алгоритмического и программного обеспечения.

При возникновении заболевания легкого может происходить нарушение строения её паренхимы, эти нарушения определяются этиологией и патологией данного заболевания, приводя к характерным изменениям структуры тканей легкого. Эти изменения можно зафиксировать с помощью фрактального анализа и они отражаются на фрактальной размерности, например, размерности А. Реньи D. Наиболее близко к задачам исследования находятся работы Горбуновой Т. И., Марченко Н. В., Гуреева А.П., Захарова Е.А., Битюкова В.В., Сидоренко Е.А.,Гуртовой Б.Л., но в них не ставится задача автоматической диагностики заболеваний легких на реальных объектах.

Таким образом, актуальной научно-технической задачей исследования является повышение качества скрининговых систем диагностики туберкулеза с использованием компьютерных технологий фрактального анализа.

Объект исследования. Растровые изображения флюорограмм легких с различными патологическими отклонениями.

Предмет исследования. Методы и алгоритмы для автоматизированной системы диагностики патологии легких.

Цель работы. Разработка метода и алгоритмов для автоматизированной системы идентификацией флюорограмм на основе фрактального подхода, обеспечивающего повышение качества выявления легочной патологии. Для достижения поставленной цели в работе решены следующие задачи: -разработаны метод и алгоритмы формирования пространства информативных признаков диагностики заболевания легких;

-разработаны математические модели построения диагностического правила на основе информации, заложенной во фрактальном представлении флюорограмм легкого;

-создан метод представления двумерного изображения флюорограммы в виде трехмерной структуры с координатами X,Y и ОП (оптическая плотность) в качестве третей координаты и разработаны алгоритмы анализа и идентификации цифровых флюорограммных изображений на основе фрактального подхода;

-разработаны алгоритмы для программного обеспечения работы автоматизированной системы скрининговой диагностики туберкулеза на основе анализа фрактальных объектов.

Методы исследования. Для решения поставленных задач использовались методы: фрактального анализа, морфологического анализа изображений, распознавания образов, экспертного оценивания и принятия решений. При разработке программного обеспечения применялось программирование в среде Borland Studio, язык программирования С++.

Научная новизна исследования В диссертации получены следующие результаты, характеризующиеся научной новизной и выносимые на защиту:

- метод формирования эталонных наборов информативных признаков, отличающийся тем, что он проводит аппроксимацию спектров мультифрактальных размерностей в оптических слоях флюорограмм и позволяет построить алгоритмы диагностики туберкулеза легких;

- алгоритмы классификации заболеваний лёгких, отличающиеся тем, что проводит анализ цифровых флюорограмм с использованием теории распознавания образов в виде бинарного дерева, что позволяют на основе изменения параметра «скрытая упорядоченность» автоматизируют процесс диагностики заболеваний легких;

- программная модель послойного анализа цифровых флюограмм, отличающаяся тем, что позволяет моделировать работу врача - рентгенолога, повышая диагностические возможности АДС при анализе изображений;

- автоматизированная система скрининговой диагностики заболеваний легких на основе фрактального подхода, отличающаяся от традиционных методов возможностью проведения анализа изменений легких на флюорограмме в реальном масштабе времени, позволяющая улучшением диагностики заболеваний легких.

Практическая значимость и результаты внедрения работы.

Разработанные методы и алгоритмы составили основу построения автоматизированной системы поддержки принятия решений для врача - рентгенолога, предназначенной для диагностики заболеваний грудной клетки, экспериментальные испытания которой показали целесообразность ее использования в медицинской практике. Применение предложенных в диссертации разработок позволяет создавать информационное обеспечение систем поддержки принятия решений для проведения лечебно-оздоровительных мероприятий после скрининг обследовании.

Основные теоретические и практические результаты работы используются в учебном процессе Ижевского государственного технического университета имени М.Т.Калашникова при подготовке бакалавров 200100.62 «Приборостроение» и в клинической практике во флюорографическом отделении городской больницы №2 (г. Ижевск), что подтверждено соответствующими актами.

Экономическая и социальная значимость результатов диссертационного исследования состоит в улучшении качества медицинского обслуживания населения, страдающего заболеваниями легких, и снижения затрат на лечебно-профилактические мероприятия.

Положения, выносимые на защиту: -метод создания эталонных наборов информационных признаков; -алгоритмы классификации заболеваний лёгких -программная модель послойного анализа цифровых флюогорамм -алгоритм формирования и использования информативных признаков;

- метод и алгоритм анализа цифровых флюорограмм используя фрактальный подход;

-математическая модель анализа флюорограмм.

Соответствие диссертации паспорту научной специальности. Содержание диссертации соответствует п. 1 «исследование, разработка и создание медицинской техники, изделий, инструментов, методов и способов диагностики и лечения человека, которые рассматриваются как средства восстановления нарушенной поливариантной системы, представление которой возможно математической, физико- и биотехнической, механической моделью, а также энергетической, физико-химической, химической, электрохимической моделью и т.д.» паспорта специальности 05.11.17 - Приборы, системы и изделия медицинского назначения.

Апробация работы. Основные теоретические положения и научные результаты диссертационной работы докладывались, обсуждались и получили положительную оценку на 7 Международных, Всероссийских и региональных конференциях и симпозиумах: «Исследование, разработка и применение высоких технологий в промышленности» (Санкт-Петербург-2006); «Приборостроение в XXI веке. Интеграция науки, образования и производства» (Ижевск - 2006, 2007, 2008); «Медицинская физика и инновации в медицине» (Троицк - 2008); «Медико-экологические информационные технологии» (Курск- 2013); «Лазерно-информационные технологии в медицине, биологии и геоэкологии» (Новороссийск-2013), на научно-технических семинарах кафедры биомедицинской инженерии ЮЗГУ (Курск - 2012, 2013).

Публикации. Самостоятельно и в соавторстве по теме диссертации опубликовано 13 печатных работ, из них шесть статей в рецензируемых научных журналах.

Личный вклад автора. В работах, опубликованных в соавторстве и приведенных в конце автореферата, в [1, 3,7,8,9] автором лично предложены методы и алгоритмы для анализа флюорограмм на основании математических моделей;

в [4, 5] — разработаны алгоритмы диагностики заболеваний легких.

Структура и объем работы. Диссертация состоит из введения, 4 глав с выводами, заключения, списка литературы из 121 наименования, приложения, содержит 112 страниц машинописного текста, 43 рисунка и иллюстраций, 5 таблиц.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновывается актуальность разработки АДС , сформулированы цели и задачи исследования, научная новизна и практическая значимость работы. Приведены структура работы, сведения об апробации и внедрении результатов работы, раскрыты основные положения, выносимые на защиту.

В первой главе проанализированы современные научные работы, посвященные проблеме создания АДС в диагностике состояний легкого по флюорограммам. Исследованы рентгенографические изображения различных состояний пациентов при скрининг обследовании, формализованы и систематизированы часто встречающие состояния. Исследованы причины, затрудняющие диагностику: необъективность информационных потоков, не-

возможность непосредственных измерений, сложность построения изображений объектов. .

Рассмотрена возможность применения интеллектуальных систем поддержки принятия решения при использовании флюорографии. Исследованы технические характеристики детекторов рентгеновского излучения и возможности формирования поля признаков на основе фрактального подхода, выявлены ограничения рассмотренных методов и представлены направления исследований позволяющих преодолеть эти ограничения. Анализ литературных данных позволил обосновать цель и задачи исследования.

Вторая глава посвящена разработке математических трехмерных моделей изображений эталонов состояния объекта диагностики. Для её построения предлагается разработанный метод анализа, позволяющий представить двумерное изображение флюорограммы в виде трехмерной структуры с координатами Х,У и величины оптической плотности (ОП) в качестве третьей координаты. Для проведения сравнения компьютерной и врачебной диагностики флюорограмма делится на 20 слоев с шагом в 5%. Это обусловлено тем, что глаз врача обнаруживает отличия оптической плотности объектов на изображении рентгенограммы в пределах 5%. Переход от изображения флюорограммы к ее математической модели в виде набора слоев предназначен для раздельного анализа информации с использованием фрактального подхода, вычисления и формирования пространства информативных признаков для классификации флюорограмм.

Основу метода выявления мультифрактальных (объекты образованные из разных фрактальных элементов, называются мультифра!сгалами) параметров структур растровых изображений составляет разбиение исследуемого изображения на квадратные ячейки со стороной 5. Минимальный элемент изображения обозначим л:,—величина характеризует градацию серого в пределах от 0 до 255, где 0 означает черный цвет, а 255 - белый; г = 1,г, / = 1, с , где г, с -число строк и столбцов, ограничивающих размер изображения.

Модифицированная методика расчета обобщенных оценок фрактальных размерностей структуры изображений ограничивается рассмотрением пикселей двух типов. При этом исходный набор данных \ преобразуется в

границы оптического слоя.

Разбив изображение на квадратные ячейки со стороной 5, получим общее число ячеек N(5). Для каждой ячейки номер ¡' = 1,ЛГ(<?) вычисляем количество единичных пикселей (бинаризация осуществляется согласно (1)):

новый:

где Г = [г1,г2] - двухпороговый компаратор, у1гу2 е [0,255], у1,у2-задаваемые

где г(1)и с(¡)- номер строки и столбца, с которой начинается /-я ячейка.

м^Т^м, О)

где М— количество элементов заполнения, «Заселенность» р, ячейки ;'-й определим как:

1М6). (4)

Из соотношений (3), (4) следует свойство нормировки: ^.л'СЯ) л-ллчг-) м .

^•=1 Рг = 2£=1■ (5)

Для определения спектра обобщенных фрактальных размерностей йч 6 в одном оптическом слое Г = [/, ,/2\ описывающего мультифрактал, введем в рассмотрение обобщенную статистическую сумму 5), характеризуемую показателем степени д , который может принимать значения -да < <г/ < сю, д параметр фрактального самоподобия для заданного 3 :

ЛГ(5)

2(9,5) = (5), (6)

1=1

где, Р,- (¿) - статистический <7 момент величины />,, Спектр Реньи обобщенных фрактальных размерностей Д, вычисляется по формуле:

т(<7)

9-1

где, ^-количественная характеристика фрактального самоподо-бия(коэффициент Реньи ) зависящий от с;, где функция имеет вид

т(<?) = (8)

л.-гт. (7)

Если функция Д( зависит от ¡7, то рассматриваемый объект является мультифракталом.

Обозначим через £>? 6 дискретный аналог функции (7) без предельного перехода (8): и рассчитывается спектр мультифрактальных размерностей при фиксированных значений 5 в диапазоне 3^-50 пикселей по формуле:

°Я.б =

< 1пД) ?«(<!>) ^

(1 — д)1п5 ,С?

1п5 ' ^ . (9)

Для вычисления спектра Э^д в изучаемом оптическом слое задаем параметры Г - начальную и конечную границы слоя(у1,у2),изменяем д в пределах -40 -=- +40 , затем меняем размер ячейки 3 в необходимом диапазоне 3 : 50 пикселей, с фиксацией полученного результата .

С помощью спектра 3 определяется скрытая упорядоченность исследуемой структуры растрового изображения В^о.а - 0,40,г в заданной ячейке размера 8 и получается зависимость изменения скрытой упорядочно-сти от размера ячейки 8 для анализируемого оптического слоя.

На рисунке 1 приведен пример изображения с разбиением на ячейки с <5 =4. Пиксели, не попавшие в ячейки анализа, не учитываются. В таблице I приведены характеристики гй), с{1) и М(1), соответствующие разбиению рисунок 1.

£ я и| А11

Б Г

4 Рв"

¥| АЛ

Рисунок 1 - Пример разбиения при <5 = 4

Для проверки гипотезы о фрактальности строения легких была разработана математическая (фрактальная) модель легкого. Таблица 2 третий столбец отражает моделирование одного оптического слоя легкого.

Таблица /-Характеристики яче-

ек при 8 = 4

/ г. С/ М,

1 1 1 6

2 1 5 6

3 1 13 6

4 1 17 3

5 5 1 5

6 5 5 5

7 5 9 5

8 5 13 5

9 5 17 5

Таблица 2 - Диагнозы, рентгенограммы легких и их математические модели

Диагноз Изображение Математическая (фрактальная) модель (одного оптического слоя)

здоров II уШг | | Ъш> V 1

Очаговый туберкулез в стадии кальцинации ШГЪ .уф*,.

туберкулема легких Г^г— 1 :|Р \ 1

долевая пневмония \|

В таблице 2 представлены рентгенографические изображения с их диагнозами (столбцы 1 и 2), в третьем столбце отражается фрактальная модель одного оптического слоя (для ¿=5) На нем цветом кодируется величина фрактальной размерности ячеек(сеПз) Ос, рассчитанная по формуле :Д = 1п 52 Э /1п п , где 8 толщина слоя анализа (5% от 255), окрашивание производилось в цвет в соответствии с величиной Эс,

Модели (изображения в третьем столбце таблицы 2) показывают, что состояние легких может изменять фрактальные параметры флюорограмм характерным для заболевания образом, интерполируя на все флюорограмму легкое, позволит использовать фрактальный подход при анализе флюорограмм.

Фрактальный подход к анализу математических моделей изображений состояний легкого сводится к получению спектра мультифрактальных размерностей, и на их основе вычисления параметров скрытой упорядочности структуры изображения для каждого оптического слоя. Ограничим

5 -оо < q < со диапазоном -40 < q <40. Скрытая упорядоченность вычислим по формуле: AD = D.40 ,h -Оы0,е,- Модель изображения состояния объекта диагностики может быть представлена в виде зависимости AD от <5. Полиномиальная зависимость скрытой упорядочности (AD) вычисляется аппроксимацией динамики скрытой упорядоченности от q линейным полиномом по методу наименьших квадратов. Получаемые коэффициенты прямой (A sjde ,В ^е ) , где А, В - коэффициенты линейной аппроксимации, side - индекс слоя, используются в качестве набора информативных признаков для анализируемого изображения: каждый оптический слой заменяется двумя параметрами. При количестве оптических слоев равном 20 для фиксированного q величина признакового пространства равна 40. На основе обработки рентгенограмм с известными заключениями эксперта по заболеваемости легких, определяется набор эталонов информативных признаков состояния легкого для проведения скрининг обследования пациентов.

В третьей главе дано обоснование применения фрактального подхода для анализа изображения и раскрыты условия, влияющие на формирование границ поля информативных признаков объектов диагностирования. Приведено описание программного обеспечения (ПО) и рассмотрена процедура работы ПО в режимах обучения и диагностирования. Приводится методика расчета фрактальной размерности растровых полутоновых изображений. Оптическая плотность и контрастность растрового изображения определяется сложным взаимодействием рентгеновского излучения с объектом и детектором, порождая изображение, напоминающее неопытному глазу хаос из переплетения различных фрагментов серого, для анализа которого и предназначен фрактальный анализ. Для них недостаточно введения лишь одной величины фрактальной размерности D, а необходим целый спектр таких размерностей Dq, которые являются основными параметрами структуры легкого. Нами предложено использовать сортировку флюорограмм на основании скрытой упорядочности: - D^o s- наj ячейке. В зависимости от размера ячейки вычислялось динамика изменения скрытой упорядоченности. Флюорограм-мы обрабатывались послойно с шагом 5 %, моделируя работу врача рентгенолога- разрешение глаза по оптической плотности около 5%, начиная с минимальной (задаваемой) оптической плотности. Программное обеспечение обработки рентгенографической информации, реализует разработанную технологию обработки информации.

Для исключения человеческого фактора и возможности автоматизации вычислительного процесса обрабатывалась вся флюорограмма, предполагая, что при болезни страдает весё легкое. Обучение программы проводилось на рентгенограммах с установленными диагнозами, представленных заведующим курсами рентгенологии ИГМА. Приводится описание работы АДС, которая выглядит следующим образом: 1. Врач вводит рабочий массив медико — биологической информации (флюорограмму), 2. АДС проверяет достоверность и полноту введенных данных, проводит анализ на основании фрактального подхода, вычисляем поле информационных признаков, на основа-

нии которых запускает процедуру медицинской диагностики. 3. Врачу выводится полученное диагностическое решение.

Основной задачей разработки АДС является программных модулей, которые позволяют пользователю(врачу), использовать ее в медицинской диагностике принимая решение по установке уточненного диагноза. С помощью разработанного алгоритма (рисунок 2) и программного обеспечения приводится диагностика некоторых заболеваний легочной системы.

Рисунок 2 - Фрагмент (начальная часть) схемы алгоритма диагностики легочных заболеваний

Схема алгоритма диагностирования заболеваний легких в представлена в виде бинарного дерева. За основу классификации взяты коэффициенты, вычисленные путем аппроксимации способом наименьших квадратов функции динамики «скрытой упорядоченности», полученной после анализа

флюорограмм. Решение в узлах «дерева» заключается в сравнении определенного коэффициента (A side ,В side коэффициенты примой инетерполирующиз динамику скрытой упорядоцности по оптическому слою « side» ) с константами, созданными математической моделью при обучении программы.

На рисунке 3 представлена схема алгоритма, соответствующая ветви А алгоритма диагностики легочных заболеваний

"AOfK ДО.

'А02< /57 07,

"ВОЗК .40.16,

Рисунок 3 - Схема фрагмента алгоритма, соответствующая ветви А

Схема алгоритма (рисунок 3) определяет поведение АДС при продолжении диагностического правила при попадании в метку начала алгоритмаветви «А» 1. На ней определяются диагнозы: периферический рак, лимфосаркома, туберкулема, патологии не обнаружено, подозрение на туберкулёз, сердечно - сосудистые изменения.

Обучение АДС проводилось на следующих диагнозах и состояниях: возрастные изменения, туберкулёз, шаровая пневмония, поликистоз, периферический рак, лимфосаркома, туберкулема, подозрение на туберкулез, стафилококковая пневмония, сердечно-сосудистые изменения, эхинококк, цирроз легкого, милиарный туберкулез, патологии не обнаружено, тяжистость корней легкого, плеврит, патологии не обнаружено, хронический бронхит.

Процедура диагностики заболеваний легкого запускается в рабочем режиме АДС отвечает следующим требованиям:

a) используется информация, полученная в результате анализа флюо-рограммы при фрактальном подходе,

b) полученная информация о скрытой упорядочности редуцируется с помощью линейной аппроксимации, создавая поле информационных признаков;

c) информационные признаки анализируются с использованием теории распознавания образов, с построением бинарных деревьев диагностики.

Режим диагностики начинается со сбора значений фрактальных размерностей, определяющих состояние объекта, и перевода полученных значений в массив данных, определяющих скрытую упорядоченность на каждом слое анализа информации по флюорограммам. Для этого должны быть вначале вычислен спектр мультифрактальных размерностей изображения флюо-рограммы легких. На основе, этого спектра получаем динамику скрытой упорядочности, после редуцирования и использования теории распознавания образа выстраивается, древовидная структура диагностирования объекта на основе математической модели состояний. Показано, что предлагаемый подход позволит решить все поставленные в диссертации задачи.

В четвертой главе приводятся результаты эксперимента по скрининг обследованию с анализом флюорограмм, используя коэффициенты линейной аппроксимации динамики изменения степени скрытой упорядоченности, получены результаты обработки флюорограмм, рассматриваются как фактор оптимизации диагностирования изменения паренхимы легкого, отраженного на флюорограмме. Даны практические рекомендации по применению АДС.

Интерфейсное окно АДС показано на рисунке 4.

тг^--

в*?"--тгш У «г Г|

—.....- ■ и.

[г—- Щ ;— * Г 3

■■■■ * ' ¥ :|§:| и? ШЭКУ*] ^_

т

Рисунок 4 - Интерфейсное окно АДС

На этом рисунке соответствующими числами обозначены: 1 - исследуемая флюорограмма с выделенной областью анализа; 2- динамика скрытой упорядоченности; 3 - ручная установка начала и окончания анализа и области слоя; 4 - информация о превалировании размера кластера в анализируемой области; 5 - динамика размерностей: информационной и Хаусдорфа - Безиковича; 6 - диагноз; 7-текущие величины размерностей; 8 - область управления; 9 - спектр фрактальных

размерностей; 10 - установка параметров эталона для вычисления результатов в области 4. В области 2 отражается динамика скрытой упорядоченности, полученная на основании спектра фрактальных размерностей (9), кроме того можно получить размер кластеров.

Для загрузки флюорграмм из архива в память АДС необходимо нажать на кнопку «Файлы» в левом верхнем углу интерфейсного окна (рисунок 4). После подтверждения «выбора Файла» АДС открывает файл, отражает выбранный файл в виде изображения на экране (обозначено цифрой 1 на рисунке 4). Затем производится анализ его на «Распределение яркости на изображении». Для этого предлагается выбрать границы анализа с помощью «движков» гшпРю и МахРю, определяющих размах минимальной и максимальной границы анализа оптической плотности на изображении. Выбор границ - величины максимальной и минимальной яркости анализа отражается под соответствующими надписями, и изменениями кривой распределения. Заканчивается выбор границ нажатием соответствующей кнопки.

После выбора границ анализа по параметрам оптической плотности необходимо определить размеры и координаты области диагностики АДС позволяет анализировать минимальную площадь. Ддля практических целей имеется функция —«Выделить все» во всплывающем меню «Выполнение».

После выделения АДС проверяет правильность предыдущих действий и проводит анализ информации на файле (ячейками величиной сторон 3x3 и 4x4 пикселей), с минимально заданной границей оптической плотности. При проверке выводятся все диаграммы с отражением анализа двух ячеек размером: 3x3 и 4x4 пикселей, проверяется правильность выделения файла, наличие необходимой информации на нем. В случае ошибки выдается сообщение о неправильности работы и аварийной остановке. При безошибочной работе отражается слой анализа на изображении флюорограммы цветом пропорционально оптической плотности анализируемого слоя. В области «ручная установка начала и окончания анализа и области слоя» отражается начальная, конечная и анализируемая оптическая плотность, начальная и конечная оптическая плотность анализируемого оптического слоя (МтОгу, МахОгу), широта захвата % (регулируемая). Для оценки правильности анализа на «Спектре обобщенных размерностей» выводится: фрактальные размерности от О_,0 & до Д+./адАг.б до $ , на диаграмме «Динамика скрытой упорядоченности»- кривая динамики. Перечисляемые области: информацию о превалировании размера кластера в анализируемой области, динамику размерностей: информационной и Хаусдорфа - Безиковича, текущие величины размерностей, область управления; установка параметров эталона для вычисления результатов в области 4 можно не анализировать т.к. они предназначены для исследовательской деятельности и данной работе не рассматриваются. Если в рассмотренных областях информация соответствует описанию необходимо нажать на кнопку «08_ Автомат» кнопка правая нижняя (рисунок 4).

АДС начнёт анализировать информацию файла с выводом заключения. При наличии ошибок в файле или работе программы генерируется сообщение об ошибочной работе АДС.

После отладки работы АДС на тестовых файлах были проведены эксперименты на контрольных выборках, полученных по результатам анализа флюорограмм на базе клинической больнице №2(БУЗ УР «ГКБ №2 МЗ УР»), Для апробации работы АДС были использованы 199 флюорограмм, из них 115 принадлежат женщинам, 84 мужчинам. Эффективность работы АДС определялась по двум критериям:

- частота совпадений заключений врача и АДС;

- точность диагностики в сравнении с отчетом МЗ РФ по заболеваемости.

На диаграме (рисунок 5) представлены результаты анализа заключений по полу и критерию болен - здоров. Последний важен при принятии решения для последующей диспансеризации и дообследования в клинических условиях , если выявляется, что пациент болен, а программа не может указать точный диагноз.

Раслроделение совпадений по полу и "болен-здоров1'

Рисунок 5 Совпадений врачебных заключений и АДС по критерию болен -здоров (определение здоровья)

Из диаграммы (Рисунок 5)видно, что заключение программы совпадает с врачебным по диагнозу: «патологии не обнаружено» в 91 % случаев у мужчин и 97,5 % - у женщин, «возрастные изменения» более 77 % у мужчин и более 88 % у женщин. Совпадения при заключениях «тяжистость корней» 100 % у женщин и около 66 % у мужчин, 100 % совпадений при плеврите, что говорит о хорошей чувствительности метода. Только поликистоз у мужчин, туберкулема у женщин, стафилококковая пневмония у женщин совпадают с заключением эксперта менее 66 %. Это связано с недостаточным количеством случаев и, возможно, скрытым течением заболевания.

При проведении скрининг - обследований важно правильно выделить категорию здоровых пациентов, чтобы оставшийся контингент подвергнуть углубленному обследованию с выставлением точного клинического диагноза и прове-

дением корректирующую терапию целевым образом. Предлагаемый метод позволяет выделить пациентов в эти две группы - «здоровый», т. е. «патологии не обнаружено», и с наличием определенных отклонений в состоянии здоровья. «Выявление вновь заболевания» системой, подсказывают клиницистам, в каком направлении наиболее перспективно углубленно обследовать пациента для предотвращения развития заболевания (рисунок 6) экономя средства и время.

Состояние «Патологии не обнаружено» может быть различным в зависимости от типа напряженности гомеостаза и позволяет на ранних стадиях начать предупредительные, профилактические мероприятия, предупреждая развитие заболевания или его осложнений.

Рисунок 6 Совпадений диагнозов АДС с заключением врача - рентгенолога по диагнозам

В таблице 3 представлено распределение заключений компьютера и врача, отражающее количество обнаруженных патологий врачом и компьютером для некоторых дифференцируемых заболеваний. Обращает на себя внимание гипердиагностика заболеваний туберкулезом у АДС (22 случая), что позволит более активно выявлять врачами доклинические формы заболевания.

В строчке «патологии не обнаружено "суммарно"» обращает внимание, что АДС чаще ставит диагноз о каком либо заболевании чем врач и «всего» заболеваний выявлено больше.Сформулированы основные требования, которым должен отвечать интерфейс АДС: 1) возможность пополнения базы данных из внешнего источника данных, посредством специального диалога пополнения данных; 2)выдача заключений и базы знаний в соответствии с анализом флюорограмм. Основные модули АДС реализованы на языке С++. В качестве интегрированной,- среды разработки предложено использовать Microsoft Visual Studio 2010 Professional. Для оценки работоспособности предложенных методов и алгоритмов был проведен контрольный скрининг -обследование на базе БУЗ УР «ГКБ №2 МЗ УР» на пациентах в количестве 199 человек разного возраста и пола. В АДС определена выходная лингвис-

тическая переменная «Состояние пациента», измеряемая в шкале наименований, в виде следующих термов (12 термов): «здоров», «периферический рак», «туберкулема», «милиарный туберкулез»,«Стафилококковая пневмония и др.

Таблица З-Распределение некоторых заключений компьютера и врача

Заключения Выявлено всего

программой врачом

п % п %

возрастные изменения 48 24,1 20 10,0

шаровая пневмония 0 - 0 _

Поликистоз 3 1,5 0 -

тяжистость корней легкого 17 8,5 4 2,0

туберкулез всего 22 11,0 3 1,5

патологии не обнаружено "суммарно" 74 37,19 134 673

Всего 164 82,4 161 80,9

Пространство входных информативных признаков для модели состояния здоровья пациента определено следующими: графическое изображение флюорограммы. Проверка точности проверялась на основе сравнения диагноза, полученного с использованием АДС и поставленного квалифицированным специалистом. Тестирование разработанной АДС показало, что точность постановки диагноза АДС составила около 97%. Диагностическая эффективность АДС: совпадение диагнозов АДС с врачебным диагнозом по следующим диагнозам: туберкулез АДС выявила всего 22, 11,0% из всего обследуемых, врач выявлено 3, соответственно 5%; «патологии не обнаружено» в 91 % у мужчин и 97,5 % у женщин, «возрастные изменения» 77 % у мужчин и 88 % у женщин, «тяжистость корней» у женщин 100, 100 % совпадений при плеврите, что говорит о хорошей эффективности метода диагностики. Один из критериев работы диагностической АДС— впервые выявленные диагнозы. Раннее выявление заболеваемости позволяет наиболее эффективно применять методы медицинской профилактики развития заболевания. Пациенты с такими диагнозами требуют уточняющего обследования и оказания эффективной помощи. В данном случае среди 199 обследуемых было вновь обнаружено 34 случая или 17%, что дает хорошее подспорье для целевой диспансеризации.

Сравнение работы автоматизированной АДС с врачебной на основании «общей заболеваемости» по отчету МЗ РФ за 2008.

Эффективность работы АДС по сравнению с врачебной находится ближе к цифрам приведенным в отчете: отклонение в выявлении больных по Удмуртии АДС выявлено: 26050 человек или 41,5% к отчету МЗ РСФСР за отчетный год, врач 56 100 или 171,8% к отчету РСФСР. Заболеваемость по России выявлено АДС 13 5 т. человек, к отчету МЗ РСФСР 21,58% , врач выявлено 43 584 к отчету МЗ РСФСР 133,4%, цифры, приведенные к 100 000 населения, покачивает, что заключения АДС ближе к отчетным по России и по Удмуртии, что говорит о достаточной эффективности АДС для внедрения во врачебную практику в качестве помощника врача - рентгенолога.

В заключении сформулированы основные результаты и выводы по работе. ' ""-г

В приложениях приведены акты об использовании результатов диссертационного исследования и таблицы экспериментальных исследований.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

В результате проведенных исследований разработаны методы, алгоритмы и Автоматизированная АДС для скрининговой диагностики туберкулеза на основе анализа фрактальных объектов

1. Показано, что для реализации средств диагностики заболеваний легких проведена аппроксимация спектров мультифрактальных размерностей в оптических слоях флюорограмм и построены алгоритмы диагностики туберкулеза легких;

2. Показано, что алгоритмы классификации заболеваний лёгких, применены для анализа цифровых флюорограмм с использованием теории распознавания образов в виде бинарного дерева, которые анализируют функции динамики «скрытой упорядоченности», и автоматизируют процесс диагностики посредством компьютерного анализа данных;

3.Приведена программная модель послойного анализа флюорограмм, моделирующая работу врача - рентгенолога с повышенными диагностическими возможностями;

4. Разработана автоматизированная система скрининговой диагностики заболеваний легких на основе фрактального подхода,, которая позволяет улучшить диагностику заболеваний легких.

СПИСОК НАУЧНЫХ РАБОТ, ОПУБЛИКОВАННЫХ ПО ТЕМЕ ДИССЕРТАЦИИ:

Публикации в рецензируемых научных журналах

1. Мурынов, А. И. Определение фрактальной размерности и информационной энтропии плоских линий [Текст] / А. И. Мурынов, В. В. Белых, В. А. Степанов // Интеллектуальные системы в производстве. - 2010. — № 2 (16). —С. 180— 186.

2.Степанов В.А.. Фрактальный анализ рентгенограмм [Текст] / В. П. Иван-ников и др. // Вестник ИжГТУ. - 2009. - № 3. - С. 150-154.

3. Иванников, В. П. Информационные характеристики фотоносителей и ограничения визуальной рентгенодиагностики [Текст] / В. П. Иванников, В. А. Степанов, Б. Н. Сапранов//Медицинская физика. -2006. — № 1 (29).-С. 41 —49.

4. Иванников, В. П. Диагностические возможности и качество пленочной и цифровой рентгенографии [Текст] / В. П. Иванников, В. А. Степанов, Н. С. Стрелков // Медицинская физика. - 2006. — № 2 (30). - С. 30-34

5. Иванников, В. П. Инструменты и возможности рентгенографии [Текст] /

B. П. Иванников, В. А. Степанов // Медицинская физика. - 2008. - № 3 (55). -

C. 96-105.

6. Иванников, В, П. Диссекторное устройство оптико-электронного преобразования флюорограмм [Текст] / В. П. Иванников, В. А. Степанов, С. В. Кпишин // Медицинская физика. - 2008. - № 4 (56).

Статьи и материалы конференций

1 .Степанов, В. А. Фрактальный подход в автоматизированной системы классификации флюорограмм[Текст]/ В.А. Степанов // Труды международной научной конференции «Лазерные информационные технологии в медицине, биологии и геоэкологии» 2013, Новосибирск 2013 - С.52-53.

8.Степанов,В.А, Информационно-диагностическая система распознавания легких на основе мультифрактального анализа цифровых флюорограмм и деревьев решений [Текст]/В. А. Степанов, В. В. Белых, Б. Н. Сапронов, А. Ф. Ры-бочкин//Сборник материалов III Международной научно -техн. конференции Информационно -измерительные диагностические и управляющие системы. Диагностика - 2013,Курск 2013- С.200-2005.

9.Степанов, В.А. Метод представления флюорограмм в виде трехмерной структуры в скрининговой диагностики туберкулёза на основе компьютерного анализа фрактальных объктов [Текст]/В.А. Степанов //Сборник материалов XVI Международной научно - технической конференции, посвященной 20- летию кафедры биомедицинской инженерии «Медико - экологические информационные технологии -2013», Курск 213-С. 160-166.

10. Степанов, В. А. Результаты диагностики заболеваний легких на основе деревьев решений и мультифрактального анализа цифровых флюорограмм [Текст] / В. А. Степанов, А. И. Мурынов, В. Г. Суфьянов и др. // «Найновите постижения европейската наука» Материали за 8-я Междунар. науч.-практ. конф.», 2012 - Т. 15. - София : «Бял ГРАД-БГ» 00Д. - С. 88-92 .

11. Иванников, В. П. Локальность и точность преобразования рентгеновских изображений в цифровую форму представления [Текст] / В. П. Иванников,

B. А. Степанов, Е. В. Кочурова // Приборостроение в XXI веке. Интеграция науки, образования и производства. - Ижевск : Изд-во ИжГТУ, 2007. - С. 238-246.

12. Иванников, В. П. Современные средства и возможности рентгенодиагностики (Проблемы нормализации рентгеновских снимков) [Текст] / В. П. Иванников, В. А. Степанов, Е. В. Кочурова // Приборостроение в XXI веке. Интеграция науки, образования и производства. - Ижевск : Изд-во ИжГТУ, 2007. - С. 144-157.

13. Иванников, В. П. Оборудование и качество пленочной и цифровой рентгенографии рентгенографии [Текст] / В. П. Иванников, В. А. Степанов // Приборостроение в XXI веке. Интеграция науки, образования и производства : тр. науч.-техн. конф., (Ижевск, 14—15 апр. 2006 г). - Изд-во ИжГТУ, 2007. -

C.134—143.

Подписано в печать_10.2013

Формат 60x84 1/16. Бумага офсетная. Печ. Л. 1.0

Тираж 100 экз. Заказ №_

Юго-Западный государственный университет 305040, г. Курск, ул. 50 лет Октября, 94 Отпечатано в ЮЗГУ

На правах рукописи

МИНОБРНАУКИ РОССИИ ФГБОУ ВПО «ИЖЕВСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ имени М. Т. Калашникова»

Степанов Владимир Александрович

Автоматизированная система для скрининговой диагностики туберкулеза легких на основе анализа

фрактальных объектов

Специальность 05.11.17 - Приборы, системы и изделия медицинского назначения

ю Диссертация на соискание ученой степени

кандидата технических наук

со £

со 8

Научный руководитель: СМ ^ доктор технических наук,

>1 доцент Рыбочкин А. Ф.

Ижевск - 2013

СОДЕРЖАНИЕ

ИССЛЕДОВАНИЯ.....................................................................................................10

1.1 Некоторые особенности рентгенографии и флюорографии..........................10

1.2 Особенности представления о туберкулезе на современном этапе................11

1.3 Методы получения и обработки рентгенограмм (флюорограмм).................15

1.4 Основы фрактальной геометрии............................................................................25

1.4.1 Фрактальная структура бронхов и легких..........................................26

1.4.2 Свойства альвеол......................................................................................29

1.4.3 Использование фрактальной геометрии при анализе изображений как оптических сложных структур..........................................................................30

1.5 Пример классификации методов и характеристики методов распознавания образов.....................................................................................................................................32

1.5.1 Решение задач распознавания образов.................................................33

1.6 Постановка задачи системного анализа................................................................35

1.7 Выводы по первой главе 1.........................................................................................36

ГЛАВА 2 МОДЕЛИРОВАНИЕ ПРОЦЕССОВ ВОСПРОИЗВЕДЕНИЯ СТРУКТУРЫ ЛЕГОЧНОЙ СИСТЕМЫ ЧЕЛОВЕКА В

РЕНТГЕНОГРАФИЧЕСКИХ ИЗОБРАЖЕНИЯХ С ЦЕЛЬЮ ОПРЕДЕЛЕНИЯ ВОЗМОЖНОСТИ ОБНАРУЖЕНИЯ И РАСПОЗНАВАНИЯ

ПАТОЛОГИЧЕСКИХ СОСТОЯНИЙ...........................................................................38

2.1. Разработка метода математического моделирования фазовых трехмерных моделей изображений эталонов........................................................................................38

2.2 Сравнительный анализ структуры изображений рентгенограмм применительно к фрактальному анализу.....................................................................40

2.3 Особенности построения математических моделей на основе фрактального

подхода к анализу цифровых флюорограмм................................................................42

2.4. Метод послойного анализа растровых полутоновых изображений флюорограмм45

ГЛАВА 3 МЕТОДЫ ОБНАРУЖЕНИЯ И РАСПОЗНАВАНИЯ ПАТОЛОГИЧЕСКИХ СОСТОЯНИЙ ЛЕГОЧНОЙ СИСТЕМЫ ЧЕЛОВЕКА

НА ОСНОВЕ СТРУКТУРНОГО АНАЛИЗА ФЛЮОРОГРАММ С

ИСПОЛЬЗОВАНИЕМ ФРАКТАЛОВ.....................................................................57

3.1. Фрактальные характеристики изображений................................................57

3.2 Оптическая плотность рентгеновского изображения, получаемая воздействием

рентгеновского излучения на процесс формирования скрытого изображения...........59

3.3. Алгоритмическое и программное обеспечение фрактального.........................71

анализа рентгенограмм.......................................................................................................71

Выводы по главе 3................................................................................................................84

ГЛАВА 4 ВОПРОСЫ ОЦЕНКИ ЭФФЕКТИВНОСТИ И ВОЗМОЖНОСТИПРАКТИЧЕСКОГО ИСПОЛЬЗОВАНИЯ

РАЗРАБОТАННЫХ СРЕДСТВ И МЕТОДОВ.......................................................85

4.1. Результаты работы программы по анализу флюорограмм городской

клинической больницы № 2(БУЗ УР «2 ГКБ МЗ УР»)........................................85

Выводы по главе 4................................................................................................................92

Выводы и заключение о работе в целом......................................................................93

ПРИЛОЖЕНИЯ.......................................................................................................106

СПИСОК ОБОЗНАЧЕНИЙ И СОКРАЩЕНИЙ.............................................................106

ВВЕДЕНИЕ

Актуальность темы. Современный туберкулез - одна из самых актуальных проблем здравоохранения. По данным Роспотребнадзора, в России ежегодно заболевают туберкулезом около 117-120 тысяч человек, умирают от этого заболевания около 25 тысяч человек. Среди впервые выявленных больных число случаев с множественной лекарственной устойчивостью туберкулеза составляет около 10%.Смертность от туберкулеза увеличилась почти в 3 раза. В мире отмечается все больше случаев туберкулеза, устойчивого к существующим лекарствам. В 2008 году новый вид туберкулезной бактерии был обнаружен у почти 500 000 человек, причем каждый четвертый из этого числа погиб (данные ВОЗ). Всего от туберкулеза ежегодно в мире умирают около 1,8 млн. человек в год. Поэтому туберкулез, наряду со СПИД, является одним из самых опасных инфекционных заболеваний. В наше время туберкулез стал резистентным к обычной прививке и многим медикаментам (А.И. Карпищенко ,С.А. Попов, Т.П. Сабгайда, В.А. Пузанов). Лечение туберкулеза наиболее эффективно при ранних формах его проявления, т.е. чем раньше выявили туберкулез, тем больше шансов его излечения.

Флюорографический метод проявил себя как самый эффективный метод скрининг диагностики туберкулеза легких, кроме того массовая флюорография имеет эпидемиологическое и профилактическое значение. Но в тоже время, по данным ретроспективных оценок работы рентгеновских кабинетов (пленочный метод) анализа флюорограмм, технический брак достигает 5-7%, пропуск патологии при двойном чтении флюорограмм - 15-40%. Ошибки диагностики суммарно достигают до 30-50% всех исследований (Буковей П.В., Кочетков М.В., Narayanswami G, Salzman SH.). В настоящее время борьба с недостатками пленочных методов флюорографии привела к внедрению устройств с цифровым способом регистрации, повышая точность и надежность изображения. Но они не устраняют всех существующих недостатков пленочных методов , а по некоторым па-

раметрам уступают им (Кучеров А.Л., Ильичева Е.Ю., Ильичева Е.Ю., Рыбкина ТА., Матвеева Т.И).

Неравномерность потоков пациентов при ежегодной диспансеризации и необходимость анализировать флюорограммы двумя врачами (МЗ РСФСР), создают перегрузку в работе врачей рентгенологов, что делает крайне актуальным создание автоматизированной системы идентификации флюоро-грамм. Замена одного врача - рентгенолога на диагностическую систему поможет разгрузить рентген - кабинет за счет оперативной консультативной помощи, уменьшив психологическую нагрузку на пациентов и врачей.

Визуальный анализ изображения флюорограммы не всегда может позволить определить точный диагноз состояния пациента, поэтому необходимы методы и алгоритмы для интеллектуальной поддержки анализа изображений флюорограмм и постановки окончательного диагноза. При анализе цифровых флюорограмм врачом изучается изображение легких с разрешением менее 5% по контрастности и около 5 мм по геометрическим параметрам. Большее разрешение не позволяет аппаратура и физиологические возможности зрения, кроме того значительно влияет фактор усталости при рассмотрении малых объектов на флюорограмме. Увеличить разрешение по линейным размерам аппаратно не возможно - это заложено в аппаратурной части, а по контрастности разрешения и «трудолюбию» Автоматизированная система диагностики (АДС) превосходит врача при наличии соответствующего алгоритмического и программного обеспечения.

При возникновении заболевания легкого может происходить нарушение строения её паренхимы, эти нарушения определяются этиологией и патологией данного заболевания, приводя к характерным изменениям структуры тканей легкого. Эти изменения можно зафиксировать с помощью фрактального анализа и они отражаются на фрактальной размерности, например, размерности А. Реньи Б. Наиболее близко к задачам исследования находятся работы Горбуновой Т. И., Марченко Н. В., Гуреева А.П., Захарова Е.А., Битюкова В.В., Сидоренко

Е.А.,Гуртовой Б.Л., но в них не ставится задача автоматической диагностики заболеваний легких на реальных объектах.

Таким образом, актуальной научно-технической задачей исследования является повышение качества скрининговых систем диагностики туберкулеза с использованием компьютерных технологий фрактального анализа.

Объект исследования. Растровые изображения флюорограмм легких с различными патологическими отклонениями.

Предмет исследования. Методы и алгоритмы для автоматизированной системы диагностики патологии легких.

Цель работы. Разработка метода и алгоритмов для автоматизированной системы идентификацией флюорограмм на основе фрактального подхода, обеспечивающего повышение качества выявления легочной патологии.

Для достижения поставленной цели в работе решены следующие задачи: -разработаны метод и алгоритмы формирования пространства информативных признаков диагностики заболевания легких;

-разработаны математические модели построения диагностического правила на основе информации, заложенной во фрактальном представлении флюорограмм легкого;

-создан метод представления двумерного изображения флюорограммы в виде трехмерной структуры с координатами Х,У и ОП (оптическая плотность) в качестве третей координаты и разработаны алгоритмы анализа и идентификации цифровых флюорограммных изображений на основе фрактального подхода;

-разработаны алгоритмы для программного обеспечения работы автоматизированной системы скрининговой диагностики туберкулеза на основе анализа фрактальных объектов.

Методы исследования. Для решения поставленных задач использовались методы: фрактального анализа, морфологического анализа изображений, распознавания образов, экспертного оценивания и принятия решений. При разработке

программного обеспечения применялось программирование в среде Borland Studio, язык программирования С++.

Научная новизна исследования В диссертации получены следующие результаты, характеризующиеся научной новизной и выносимые на защиту:

- метод формирования эталонных наборов информативных признаков, отличающийся тем, что он проводит аппроксимацию спектров мультифрактальных размерностей в оптических слоях флюорограмм и позволяет построить алгоритмы диагностики туберкулеза легких;

- алгоритмы классификации заболеваний лёгких, отличающиеся тем, что проводит анализ цифровых флюорограмм с использованием теории распознавания образов в виде бинарного дерева, что позволяют на основе изменения параметра «скрытая упорядоченность» автоматизируют процесс диагностики заболеваний легких;

- программная модель послойного анализа цифровых флюограмм, отличающаяся тем, что позволяет моделировать работу врача - рентгенолога, повышая диагностические возможности АДС при анализе изображений;

- автоматизированная система скрининговой диагностики заболеваний легких на основе фрактального подхода, отличающаяся от традиционных методов возможностью проведения анализа изменений легких на флюорограмме в реальном масштабе времени, позволяющая улучшением диагностики заболеваний легких.

Практическая значимость и результаты внедрения работы.

Разработанные методы и алгоритмы составили основу построения автоматизированной системы поддержки принятия решений для врача - рентгенолога, предназначенной для диагностики заболеваний грудной клетки, экспериментальные испытания которой показали целесообразность ее использования в медицинской практике. Применение предложенных в диссертации разработок позволяет создавать информационное обеспечение систем поддержки принятия решений для проведения лечебно-оздоровительных мероприятий после скрининг обследовании.

Основные теоретические и практические результаты работы используются в учебном процессе Ижевского государственного технического университета имени

М.Т.Калашникова при подготовке бакалавров 200100.62 «Приборостроение» и в клинической практике во флюорографическом отделении городской больницы №2 (г. Ижевск), что подтверждено соответствующими актами.

Экономическая и социальная значимость результатов диссертационного исследования состоит в улучшении качества медицинского обслуживания населения, страдающего заболеваниями легких, и снижения затрат на лечебно-профилактические мероприятия.

Положения, выносимые на защиту:

-метод создания эталонных наборов информационных признаков; -алгоритмы классификации заболеваний лёгких -программная модель послойного анализа цифровых флюогорамм -алгоритм формирования и использования информативных признаков; - метод и алгоритм анализа цифровых флюорограмм используя фрактальный подход;

-математическая модель анализа флюорограмм.

Соответствие диссертации паспорту научной специальности. Содержание диссертации соответствует п. 1 «исследование, разработка и создание медицинской техники, изделий, инструментов, методов и способов диагностики и лечения человека, которые рассматриваются как средства восстановления нарушенной поливариантной системы, представление которой возможно математической, физико- и биотехнической, механической моделью, а также энергетической, физико-химической, химической, электрохимической моделью и т.д.» паспорта специальности 05.11.17 - Приборы, системы и изделия медицинского назначения.

Апробация работы. Основные теоретические положения и научные результаты диссертационной работы докладывались, обсуждались и получили положительную оценку на 7 Международных, Всероссийских и региональных конференциях и симпозиумах: «Исследование, разработка и применение высоких технологий в промышленности» (Санкт-Петербург-2006); «Приборостроение в XXI веке. Интеграция науки, образования и производства» (Ижевск - 2006, 2007,

2008); «Медицинская физика и инновации в медицине» (Троицк - 2008); «Медико-экологические информационные технологии» (Курск- 2013); «Лазерно-информационные технологии в медицине, биологии и геоэкологии» (Новорос-сийск-2013), на научно-технических семинарах кафедры биомедицинской инженерии ЮЗГУ (Курск - 2012, 2013).

Публикации. Самостоятельно и в соавторстве по теме диссертации опубликовано 13 печатных работ, из них шесть статей в рецензируемых научных журналах.

Личный вклад автора. В работах, опубликованных в соавторстве и приведенных в конце автореферата, в [1, 3,7,8,9] автором лично предложены методы и алгоритмы для анализа флюорограмм на основании математических моделей; в [4, 5] - разработаны алгоритмы диагностики заболеваний легких.

Структура и объем работы. Диссертация состоит из введения, 4 глав с выводами, заключения, списка литературы из 121 наименования, приложения, содержит 112 страниц машинописного текста, 43 рисунка и иллюстраций, 5 таблиц.

ГЛАВА 1. АНАЛИТИЧЕСКИЙ ОБЗОР И ПОСТАНОВКА ЗАДАЧ ИССЛЕДОВАНИЯ

1.1 Некоторые особенности рентгенографии и флюорографии

Рентгенология как метод исследования является одним из старейших методов в медицине. Он применяется с целью диагностики более 100 лет. За это время врачами был получен достаточный опыт и всеобщее признание [9, 13, 14, 15, 74, 75,105,121].

В современной литературе системы рентгенографии делятся на пять видов:

1. Системы с регистрацией рентгеновского изображения на пленку.

2. Системы с получением изображения, при этом используются различные виды усилителей рентгеновского изображения (ЭОП, РЭОП).

3. Цифровая рентгенография на запоминающих люминофорах.

4. Цифровая рентгенография на различных полупроводниковых детекторах.

5. Цифровая рентгенография на газовых детекторах [17,18, 27, 30, 34].

На всех системах реализуется принцип получения прямого аналогового «теневого» изображения объекта на специальном экране или рентгеновской пленке. Интенсивность свечения экрана или плотность почернения пленки, пропорциональна локальной величине поглощенного рентгеновского излучения. Следовательно, информационное содержание изображения определяется только физико-химическими свойствами излучения, фоточувствительностью слоя пленки, люминесцентного экрана ЭОП или РЭОП, запоминающего люминофора, линейки или матрицы полупроводниковых элементов, ПЗС-структур или газовых детекторов [45,102,103].

Аппаратурная реализация рентгенографических систем является достаточно сложной, многозвенной, со многими ступенями преобразования сигналов, что значительно усложняет задачу анализа. Сравнительный анализ указанных систем и задача проектирования сводятся к выбору значений переменных, подчиненных

системе ограничений в форме равенств, при которых достигается минимум заданной целевой функции, и решается она как частная задача математического программирования [1,5, 6,10,15,19, 20, 21, 87, 92].

1.2 Особенности представления о туберкулезе на современном этапе

Инфекционное заболевание, вызываемое микобактерией туберкулеза (Mycobacterium tuberculosis, другое название - бацилла Коха), называется туберкулезом. Оно характеризуется образованием одного или множества очагов воспаления в различных органах.[81,109,119] Инфекционная природа туберкулеза была доказана в Робертом Кохом 1882 году. [101,102,111]0н открыл микобактерию, вызывающую эту болезнь. Заражение бактериями, как прави