автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Автоматизированное рабочее место радиолога

РОССИЙСКАЯ АКАДЕМИЯ НАУК ИНСТИТУТ ПРОБЛЕМ ПЕРЕДАЧИ ИНФОРМАЦИИ

На правах рукописи

ЛАШИН ВЛАДИМИР ВАСИЛЬЕВИЧ

УДК 621. 391. 1

АВТОМАТИЗИРОВАННОЕ РАБОЧЕЕ МЕСТО РАДИОЛОГА

Специальность 05. 13.01 Управление в технических системах

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

МОСКВА 1992

Работа выполнена в Институте проблем передачи информации Российской Академии Наук.

Научный руководитель:

Официальные оппоненты:

доктор физико-математиче наук, профессор Л.П.Ярославский

доктор технических наук К. А. Яновский

кандидат технических нау И.В. Мисочко

Ведущая организация: АО <ВИТА>-ВНИИМП

(г.Москва)

№ ь^/л 1992 г. в /о'

м

Защита состоится > 1992 г. часов

на заседании специализированного совета Л-003.29.01 в Институте проблем передачи информации РАН по адресу 101447, Москва, ГСП-4, ул.Ермоловой 19.

С диссертацией можно ознакомиться в библиотеке ИППИ РАН.

Автореферат разослан « » 1992 г.

Ученый секретарь специализированного совета доктор технических наук

С.Н.Степанов

: ^ •]

;■>'•■•- , • ей:Л I

---1 -

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы.

Появление персональных ЭВМ и графических станций оказало исключительно важное воздействие на положение в области разработок автоматизированных систем обработки изображений. Эта высокопроизводительная и относительно дешевая вычислительная техника, оснащенная мощными графическими средствами, позволяет создавать «дружественные» человеко-машинные интерфейсы. Поэтому в последние годы определяющей тенденцией стало создание автоматизированных рабочих мест (АРМов) для массового их применения на рабочих местах специалистов, имеющих дело в своей профессиональной деятельности с изображениями. В связи с этим возникла проблема разработки автоматизированных систем диалоговой поддержки технологического процесса обработки изображений.

Одна из наиболее важных областей применения АРМов обработки изображений - медицинская диагностика. Как известно, более 70 процентов диагнозов в медицине производятся по различным изображениям. Имеется опыт, показывающий, что использование научно-обоснованных методов цифровой обработки изображений дает возможность существенно повысить надежность и достоверность диагностики, особенно на ранних доклинических стадиях. Поэтому реализация этих методов в АРМ радиолога в виде медицински верифицированных технологий обработки изображений является актуальной задачей.

Работа выполнена в рамках государственного заказа на НИР «Автоматизированное рабочее место для медицинской интроскопии» и согласно плановым работам лаборатории цифровой оптики ИППИ РАН.

Целью работы является разработка принципов построения математического обеспечения автоматизированного рабочего места радио-пога, облегчающего визуальную интерпретацию медицинских изображений. Для достижения цели необходимо решить следующие задачи: с учетом предъявляемых к АРМ радиолога требований сформулировать 1ринципы организации и предложить структуру его математического збеспечения; разработать программно-алгоритмические модели наибо-тее важных компонент математического обеспечения АРМа; создать фограммное обеспечение для прототипа АРМ радиолога и опробовать >-го на конкретных задачах медицинской диагностики.

Основные научные результаты.

1. Предложена и реализована двухуровневая архитектура мате матического обеспечения АРМ радиолога.

2. Обоснована струнтура нижнего уровня математического обес печения АРМ радиолога, содержащая систему процессоров для выпол нения элементарных операций обработки изображений.

3. Предложена структура верхнего уровня математическог обеспечения АРМ радиолога, предоставляющая пользователю средств для создания и использования технологий обработки изображений.

4. На основе рекурсивных алгоритмов разработаны программно алгоритмические модели адресного, сверточного и гистограммног процессоров, обеспечивающие алгоритмам обработки изображений бы стродействие, не зависящее от размеров апертуры фильтров.

5. Разработана методика стандартизации рентгенограмм при и преобразовании в цифровую форму с помощью телевизионной камеры.

Положения, выносимые на защиту.

1. Для облегчения врачу-радиолог^ интерпретации медицински изображений АРМ радиолога должно содержать верифицированные тел нологии выделения на изображениях диагностически важных деталей.

2. Математическое обеспечение АРМ радиолога должно имет двухуровневую структуру: нижний уровень должен содержать систе» оптимизированных по быстродействию вспомогательных и вычислител1 ных процессоров обработки изображений, а также память фрагменте рабочюю и архивную базы видеоданных; верхний уровень должен с( стоять из «дружественного» интерфейса пользователя и технолог] ческой базы данных, содержащей макрокоманды, демонстрационные с( ансы и атласы изображений.

3. Разработанные программно-алгоритмические модели адресн! го, сверточного и гистограммного процессоров обеспечивают быстр| действие, не зависящее от размеров апертуры фильтров.

4. Предложенная методика стандартизации рентгенограмм п] их вводе с помощью телекамеры и фрейм-граббера устраняет ампл тудные искажения и приводит рентгенограммы к виду, позволяйте производить по ним сравнительные измерения плотностей.

5. Применение быстрых алгоритмов позволяет на базе перс нального компьютера IBM PC/AT решать задачи обработки и анали изображений в реальной времени врача-радиолога.

Практическое значение работы.

На базе персонального компьютера IBM PC/AT и фрейм-граббера разработано математическое обеспечение прототипа АРМ радиолога, которое дает .возможность радиологу в диалоговом режиме создавать технологии выделения на медицинских изображениях диагностически важных признаков и таким образом решать конкретные диагностические задачи. В настоящее время в прототипе АРМ радиолога реализованы и верифицированы следующие технологии: выделение микрокаль-цинатов на маммограммах; ранняя дифференциальная диагностика шаровидных образований легких по линейным томограммам; диагностика патологических изменений печени по последовательности ультразвуковых изображений. Технологии выполняются в реальном времени радиолога и позволяют повысить ему качество принятия решений.

Программное обеспечение АРМ радиолога внедрено в ИППИ РАН, Московском Маммологическом центре, Научном Центре Хирургии РАМН. Практическая значимость работы подтверждена актами о внедрении.

Апробация работы.

Результаты диссертации докладывались на 2-ом Республиканском семинаре «Проблемы создания систем обработки, анализа и распознавания изображений» (г. Ташкент, 1989), на 3-ей Всесоюзной конференции «Планирование и автоматизация эксперимента в научных исследованиях» (г.Москва, 25-27 сентября 1989), на 4-ой Всесоюзной конференции «Математические методы распознавания образов (ММРО-4)» (г.Рига, 24-26 октября 1989), на 3-ей Всесоюзной конференции «Автоматизированные системы обработки изображений (АС0ИЗ-В9)» (г. Ленинград, сентябрь 1989), на Международной конференции «Обработка изображений и дистанционные исследования (0ИДИ-90)» (г.Новосибирск, 19-21 августа 1990), на 2-ом Международном семинаре «Цифровая обработка изображений и компьютерная графика» (г.Вена, Австрия, октябрь 1990), на Международном коллоквиуме <Новые информационные технологии» (г.Москва, 8-10 октября 1991), «а Симпозиуме по анализу изображений (г.Уппсала, Швеция, 10-11 <арта 1992 г. ), на 3-ем Международном семинаре «Цифровая обработ-<а изображений в медицине, дистанционном зондировании и визуали-i ации информации» (г.Рига, Латвийская республика, 21-25 апреля -992 г), на конференциях молодых ученых ИППИ (1988, 1989, 1992).

Разработанное программное обеспечние отмечено серебряной ме-

- б -

далью ВДНХ и демонстрировалось в составе АРМ рентгенолога союзных и Международных выставках: «Наука-88», Москва, «Больница-89», Москва, 1989; «КП НТП СЭВ в действии», 1990; «Информатизация России», Москва, 1991.

Публикации.

По теме диссертации опубликовано 15 печатных работ.

Структура диссертации.

Диссертация состоит из введения, четырех глав, заключени) списка литературы и приложения.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы, сформулирова! цель и задачи исследования, приведены научные результаты и пол( жения, выносимые на защиту, дано краткое содержание диссертации.

Первая глава диссертации посвящена формулировке требований АРМ радиолога на основе обзора известных систем цифровой обрабо' ки медицинских изображений и анализа решаемых с их помощью зада'

В настоящее время быстрыми темпами в медицину внедряются м< тоды цифровой обработки изображений, что связано с большим объ! мом видеоинформации, получаемой в процессе обследования пациент; Автоматизированные рабочие места обработки медицинских изображ ний разрабатываются в рамках так называемой автоматизирована радиологии (Computer Assisted Radiology), целями которой являю ся улучшение качества представления медицинской информации, пов! шение точности диагностики и передача изображений на расстояни С помощью АРМов решаются'две основные группы задач: сервисное о служивание пользователя (хранение, визуализация, передача изобр жений по сетям связи) и анализ изображений. Однако, в больши стве из них все еще отсутствуют верифицированные рекомендации том, какие алгоритмы и в какой последовательности врач-радиол должен применить к анализируемому изображению, чтобы получить р шение своей диагностической задачи.

Одной из основных функций АРМ радиолога является помощь вр чу-радиологу В' интерпретации медицинских изображений, что мож достигаться автоматизированным выделением на них диагностичес

на Все 198Е МОСКВс

важных признаков. Для создания и дальнейшего использования научно-обоснованных и верифицированных технологий выделения таких признаков АРМ радиолога должно содержать универсальный набор алгоритмов обработки видеоданных, обеспечивать ответ в реальном времени врача-радиолога, иметь «дружественный» интерфейс пользователя и накапливать технологии решения диагностических задач.

Во второй главе рассмотрены технические средства АРМ радиолога и принципы построения его математического обеспечения.

Выбор персонального компьютера типа IBM PC/AT в качестве технической базы АРМа обоснован его низкой ценой, широким распространением и достаточно высокой производительностью. Для преобразования рентгенограмм в цифровые матрицы необходимо устройство ввода-вывода изображений, в качестве которого можно взять фрейм-граббер, оформленный в виде платы, конструктивно располагаемой в корпусе компьютера. Тогда дополнительно необходимы телевизионная камера, телевизионный монитор и негатоскоп (рис.1).

негашоскоп персональный компьютер

Рис. 1. Состав технических средств АРМ радиолога.

С учетом сформулированных в первой главе требований, предъявляемых к АРМ радиолога, предложено его математическое обеспечение разрабатывать в виде двух уровней (рис.2). Нижний уровень является технологическим инструментарием. На верхний же уровень возлагаются функции диалога с пользователем и поддержки процесса принятия им диагностических решений.

Так как нижний уровень математического обеспечения непосредственно связан с обработкой изображений, его следует разрабатывать исходя и? особенностей видеоданных и алгоритмов их обработки на основе следующих принципов: векторная организация данных; пофрагментный доступ к видеоданным; иерархическая организация памяти; использование быстрых алгоритмов обработки; выделение из алгоритмов операции сканирования. Этим принципам удовлетворяет

структура, содержащая память фрагмента, рабочюю и архивную бг видеоданных, а также набор базисных алгоритмов, реализованных виде оптимизированных по быстродействию процессоров. Память фрс цента согласует скорость обмена видеоданных с быстродейств] процессоров. Рабочая база видеоданных содержит изображения, не< ходимые пользователю для текущей работы. Архивная база видеод( ных требуется для долговременного хранения изображений в ежа'

Рис.2. Структура математического обеспечения АРМ радиолога.

виде. Процессоры выполняют элементарные операции, комбинируя которые пользователь может решать широкий круг задач обработки изображений. Они делятся на вспомогательные и вычислительные.

Вспомогательные процессоры организуют процесс обработки:

- управляющий процессор связывает все компоненты АРМа;

- адресный процессор осуществляет доступ к видеоданным;

- процессор сканирования определяет траекторию перемещения апертуры сканирования, которая в каждый момент времени совпадает с пространственной окрестностью обрабатываемого элемента;

- процессор ввода осуществляет аналоговую предобработку оптических сигналов, преобразование аналог-цифра и цифровую предобработку изображений;

- дисплейный процессор выполняет визуализацию изображений, амплитудные и геометрические преобразования, генерирует алфавитно-цифровые символы и тестовые изображения;

- сетевой процессор отвечает за передачу и прием видеоинформации по компьютерным сетям;

- процессор архивной базы видеоданных выполняет сжатие и восстановление изображений из архивной базы видеоданных.

Вычислительные процессоры осуществляют обработку данных:

- сверточный процессор выполняет свертку видеосигнала с заданной пространственной апертурой;

- спектральный процессор служит для разложения изображений по ортогональным базисам;

- гистогранмный процессор реализует нелинейные алгоритмы обработки изображений, основанные на вычислении статистик локальной гистограммы распределения значений элементов из пространственной окрестности обрабатываемого элемента;

- морфологический процессор предназначен для обработки и анализа двумерных бинарных массивов данных.

Верхний уровень математического обеспечения состоит из интерфейса пользователя, технологической базы данных и обслуживающего ее процессора.

интерфейс пользователя можно представить в виде входного и выходного языков человеко-машинного диалога. Чтобы освободить пользователя от необходимости помнить имена, функции, параметры и синтаксис команд, в качестве входного языка в АРМе предпочтитель-1ее язык меню. Под выходным языком подразумевается форма выдачи

информации, главные требования к которой: наглядность, удобст восприятия и информативность. В семантическое содержание язь входят: результат выполнения запроса, сообщения о состояниях С1 темы, сообщения об ошибках, помощь в формировании запроса. С1 таксис языка может быть заложен в схеме экрана, разбитом на ш колько окон. Семантически сходные сообщения должны появляться одном и том же окне. Пользователю постоянно должна быть досту] оперативная помощь в виде пояснений к выбираемой им команде.

Технологическая база данных предоставляет пользователю ср| ства для создания и последующего использования технологий выде; ния диагностически важных структур на медицинских изображени, Она состоит из макрокоманд, демонстрационных (обучающих) сеа» и атласов изображений. Целесообразно часто повторяющиеся после, вательности действий и фрагменты технологий оформлять в виде м; рокоманд. Это освобождает пользователя от необходимости каж раз задумываться о содержании выполняемой обработки. Лля ознак ления пользователя с технологиями предназначены демонстрацион сеансы, в которых все выполняемые действия сопровождаются пояс ющим текстом. Целям консультации пользователя служат атласы и бражений, которые создаются для каждого диагностического случа состоят из множества пар исходного и обработанного изображени описаниями радиологически важных признаков, выделенных цифро фильтрацией. Таким образом, прежде чем решать конкретную диагн тическую задачу, необходимо для этой задачи сформировать со ветствуклцие компоненты технологической базы данных.

В третьей главе рассмотрены программно-алгоритмические мо ли адресного, сверточного и гистограммного процессоров, а та предложены алгоритмы процессора ввода для стандартизации рент нограмм, преобразованных в цифровую форму с помощью телекамеры

Адресный процессор обеспечивает параллельный и многофорк ный доступ к видеоданным. Для всех алгоритмов обработки изобра ний новое значение обрабатываемого элемента зависит от значе элементов в некоторой пространственной окрестности. Поэтому статочно иметь ограниченного размера быструю память фрагмента которую помещать необходимые в данный момент вычислительному г цессору элементы изображения. При рекурсивной обработке необхс доступ и к элементам, участвовавшим в вычислениях на предыд5 цикле. Следовательно, память фрагмента должна содержать пря>

гольный фрагмент изображения размером в (N+1) ■(М+М-1) элемен-

з га

тов, где N ■ Н - размеры апертуры сканирования, И - ширина зоны а э г

интереса. Для отработки краевых эффектов предложено четное дополнение последовательности отсчетов сигнала на краях зоны.

При программной реализации адресного процессора под память фрагмента предложено использовать свободную оперативную память компьютера, доступную через прерывания операционной системы. Адреса участков памяти, независимо выделяемых под строки зоны интереса, содержатся в адресных регистрах. Вычислительные процессоры имеют дело с набором индексных регистров. Номера индексных регистров равны номерам строк апертуры сканирования, а их содержимое указывает на соответствующие адресные регистры и меняется после загрузки в память фрагмента новых строк зоны интереса. Данные пересылаются лишь при вертикальном перемещении апертуры сканирования, причем вновь попадающая в апертуру строка размещается в том же участке памяти, который занимала строка, покидающая апертуру.

Рассмотренная структура адресного процессора минимизирует количество пересылок видеоданных из внешних запоминающих устройств и позволяет применять в вычислительных процессорах рекурсивные алгоритмы для скользящей локальной обработки изображений.

Произвольный линейный цифровой фильтр можно с заданной точностью представить набором рекурсивных фильтров, вычисляющих локальное среднее (Л.П. Ярославский, 1983). Поэтому алгоритмической основой сверточного процессора может служить процедура вычисления локальной суммы в скользящей прямоугольной окрестности. Она поддается рекурсивной, разделимой по строкам и столбцам реализации (рис.3). Алгоритм вычисления локальных сумм для всех строк зоны интереса кроме первой предполагает вычитание из соответствующей локальной суммы для предыдущей строки зоны интереса частичной ло-

пространственная окрестность

0 Г

1

-С

частичная локальная сумма

1 2

тП

локальная М г

сумма

частичная локальная сумма

Т

Л

Рис.3. Рекурсивное вычисление локальных сумм.

кальной суммы для покидающей пространственную окрестность CTf и добавление к ней частичной локальной суммы для вновь попадак в окрестность строки. Частичные локальные суммы вычисляются курсивно. Таким образом, независимо от размера пространстве» окрестности требуется 2+Мг слов памяти, а также 6 операций т сложения на одну сумму. При параллельном вычислении частичных кальных сумм количество операций сокращается до четырех.

Локальное среднее служит основой многих популярных алгор мов обработки изображений, получаемых подстановкой в формулу

0(х,у) = h^Six.y) + k2-[I(x,y) - S(x,y)] + h3-I(x,y) + h4 (1(х,у) и 0(x,y) - исходное и обработанное изображения, S(x,y локальное среднее, к^,к2,к3,к4 - коэффициенты) различных значе коэффициентов. Например, к^=1, к^=0, к^=0, к^=0 - сглаживав к]=0, к2>0, к3=0, к4>0 - повышение локальных контрастов, к1 кг>0, к3= 1, к^-0 - апертурная коррекция изображения.

Гистограммный процессор является компактной реализацией называемых ранговых алгоритмов обработки изображений (В.К Л. П. Ярославский, 1988). Этот процессор в каждом элементе изоб жения выполняет нелинейное преобразование, определяющее но значение рассматриваемого элемента по гистограмме распределе значений элементов, пространственно его окружающих (рис.4): rx,y = FINEST(HSTNBH(r*~*,iis(g;, Pria)), i = 1,2,. ..I,

v° = PREEST(SPTNBH(v ,sx,sy)), где У * * У

SPTNBH(v ,sx,sy) - оператор, формирующий пространствен x, у

окрестность рассматриваемого элемента, sx,sy -размер окрестное PREEST(hsCgJ) - оператор, вычисляющий предварительную оце рассматриваемого элемента по гистограмме hs(q) пространствен окрестности;

HSTNBH(y,tis(q),Prm) - оператор, формирующий гистограмм окрестность q) для предварительной оценки, Ргт - параметры. FINEST(hh(g^) - оператор, вычисляющий окончательную оценк, Предварительной оценкой могут быть следующие комбинации э, ментов пространственной окрестности: NUL - значение рассматрив; мого элемента, MEAN - арифметическое среднее, MED - медиана ва] ационного ряда, HIN - минимальное значение, МАХ - максималь: значение, MODE - значение, соответствующее максимуму гистограм] а также MEAN3 и MEAN3 - арифметическое среднее и медиана элем! тов пространственной окрестности размером 3x3.

Вариантами гистограммной окрестности являются подмножества пространственной окрестности, для элементов которых выполняются следующие условия: ыиь - элементы принадлежат пространственной окрестности; ЕУ - значения элементов отличаются от значения рассматриваемого элемента не более, чем на заданные пороги; К1ГУ -значения элементов являются К. ближайшими к величине рассматриваемого элемента; ЕЯ - ранги элементов отличаются от ранга рассматриваемого элемента не более, чем на заданные пороги; КИЯ - ранги элементов являются К ближайшими к рангу рассматриваемого элемента; Ш - элементы являются К ближайшими по величине к рассматри-

4-

ВЫЧиСЛЕШЕ П1СТОГРАММЫ РАСПРЕДЕЛЕНЦЯ

3HA4EHUÜ ЭЛЕМЕНТОВ ПРОСТРАНСТВЕННОО OKPECTHOCTU -z-

ПРЕДВАРиТЕЛЪНАЯ ОЦЕНКА

NUL

MEAN

МЕО

М1И

МАХ

MODE

MEAN3

MED3

замена значения текущего элемента предварительной оценкой

NUL.

S- е_,е+ или К

ГиСТОГРАММНАЯ ОКРЕСТНОСТЬ

EV

KNV

ER

KN

CLS

KNR

ОКОНЧАТЕЛЬНАЯ ОЦЕНКА

MX-MN

SIZE

тл MEAN ГО MIN МАХ

сит MODE RANK EQUAL LINEA

-|все итерации?"] .......... количество

нет

*■ итерации

Рис.4. Блок-схема гистограммного процессора.

ваемоиу элементу; CLS - элементы принадлежат тому же кластер; что и рассматриваемый элемент.

Окончательной оценкой могут быть следующие комбинации эл! ментов гистограммной окрестности: NUL - значение рассматриваемо элемента, MEAN - арифметическое среднее, MED - медиана, MIN - м нимальное значение, МАХ - максимальное значение, MODE - значени соотвествующее максимуму гистограммы, CUT - срезка по величин RANK - ранг рассматриваемого элемента; EQUAL - значение рассма1 риваемого элемента в эквализованной гистограмме; LINE - значен рассматриваемого элемента в линейно растянутой гистограмме; ST. - количество элементов в окрестности; MX-HN - разность между ма симальным и минимальным значениями.

Итак, комбинируя выше приведенные варианты оценок и окрес ностей, можно синтезировать различные алгоритмы обработки изобр жений: EQUAL(NUL(NUL)) - локальная эквализация, HED(KN(NUL)) сглаживание без смаза границ, MX-MN(ER(M£D)) - выделение контур и т.д. Возможна обработка с обнаружением и принятием решения:

( THRESHOLD

(KERNELl-KERNEL2\ il ( \ KERNEL3 j X KERNEL4 j

THEN KERNEL5 ELSE KERNELt

где KERNEL(l-6): FinEst(Nbh(PreEst)) и THRESHOLD - целое числ Например, процедура сглаживания импульсных шумов может выгляде так IF IRANK(NUL(NUL)) - RANK(NUL(MED))\ > THRESHOLD THEN HED(NUL(NUL)) ELSE NUL(NUL(NUL)), что означает замену значени обрабатываемого элемента медианой лишь тогда, когда его ранг попадает в некоторую ранговую окрестность медианы, размер котор THRESHOLD зависит от вероятности появления помехи. Такая условн обработка сохраняет значения сигнала в несбойных элементах.

Локальные гистограммы для элементов всех строк зоны интере кроме первой можно вычислять рекурсивно (рис.5). Для этого треб

пространственная окрестность

0

1

m

Рис.5. Рекурсивное вычисление локальных гистограмм.

ется (2+Mr)-Q слов памяти и 4+2-Q операций типа сложения на одну гистограмму независимо от размера пространственной окрестности, где Q - количество уровней квантования сигнала. Число операций сокращается До четырех при параллельном пересчете частичных локальных гистограмм и всех Q значений локальной гистограммы.

Таким образом, разработанные программно-алгоритмические модели сверточного и гистограммного процессоров обладают быстродействием, не зависящим от размеров апертуры фильтров, а также предоставляют пользователю АРМа удобный инструментарий для синтезирования широкого набора алгоритмов обработки изображений.

В процессе аналого-цифрового преобразования рентгеновских пленок с помощью телевизионной камеры, фрейм-граббера и негато-скопа возникают амплитудные искажения из-за временной и пространственной неоднородности освещения рабочей поверхности негатоско-па, нелинейностей функции объектива телекамеры и аналого-цифрового преобразователя фрейм-граббера. Для устранения этих искажений и для приведения полученных при различных условиях рентгенограмм к виду, обеспечивающему метрологичность проводимых по ним измерений рентгенологических плотностей, рекомендована и испытана следующая последовательность действий: ввести рентгенограмму усреднением нескольких кадров; ввести изображение пустого поля негато-скопа усреднением нескольких кадров; поэлементно вычесть из цифровой матрицы рентгенограммы матрицу фона; выполнить денситомет-рическую коррекцию полученного изображения по ступенчатому клину. Предложена реализация этой методики в процессоре ввода с помощью следующих алгоритмов.

1. Рекурсивное поэлементное усреднение последовательности цифровых матриц одной и той же рентгенограммы по формуле:

S(x,y,n) = s(x,Y,n-l)-(n-l) + 1(х,у,п^

где 1(х,у,п) - матрица значений элементов n-го кадра последовательности, S(x,y,n) - матрица значений элементов усредненного кадра для п последовательных кадров.

2. Поэлементное вычитание фона по одной из двух формул (выбор формулы зависит от того, логарифмируется или нет световой ПОТОК):

0(х-у) = 1(в'(х),у) или °(Х'У> = 1(х.У)+С-В(х,у), С - нормировочная константа, которая находится для каждой рентгенограммы по одной из формул:

С = MIN{B(x,y)-I(x,y)+BmaX},

где В

'У)} ~ максимальное значение фона.

3. Денситометрическая коррекция по ступенчатому клину, который экспонируется одновременно с обследуемым объектом на той же рентгенограмме. Коррекция выполняется пересчетом значений всех элементов цифровой матрицы с помощью таблицы поэлементных преобразований. Пользователь на рентгенограмме указывает две крайние ступени клина и присваивает им необходимые значения плотностей. Значения таблицы вычисляются путем линейной интерполяции по приведенным в диссертации формулам. Из-за возможной взаимной неоднозначности полученной функции поэлементных преобразований некоторые значения видеосигнала на преобразованном изображении могут отсутствовать. Для устранения этого эффекта предложено при исправлении значений элементов исходной рентгенограммы добавлять t ним равномерный шум.

В четвертой главе рассмотрен интерактивный пакет подпрограмм обработки изображений «ВидеоСоветчик»! который является осново{ математического обеспечения прототипа АРМ радиолога. При его создании автор руководствовался принципами и алгоритмами, изложенными в диссертации. «ВидеоСоветчик» функционирует на базе персонального компьютера типа IBM PC/AT с операционной системой MS-DO! и черно-белого фрейм-граббера. Пакет легко адаптируется к различным моделям фрейм-грабберов и в настоящее время может работать ( DT-2851, HRT-512-8, VFG-512, PCVISIONPlus, VISI0N8, MATRON PIP—512/1024. «ВидеоСоветчик» предоставляет пользователю удобны] инструментарий для решения задач анализа и визуализации медицинских изображений. Применение быстрых алгоритмов позволяет обрабатывать изображения в реальном времени врача-радиолога (не боле! одной минуты) на менее быстродействующей и более дешевой по сравнению с графическими станциями персональной ЭВМ.

Одним из преимуществ созданного прототипа АРМ радиолога яв ляется наличие реализованных в нем медицински верифицированны: технологий выделения на изображениях важных диагностических приз наков. Эти технологии разработаны и медицински верифицированы Лаборатории цифровой оптики НППИ РАН совместно со специалистам кафедры Лучевой диагностики и лучевой терапии, Межклиническо маммологической лаборатории Московской Медицинской Академии им

И.Н.Сеченова и отдела Клинической физиологии и функциональной диагностики Научного Центра Хирургии РАМН.

Методика выделения микрокалъцинатов на маммограммах предполагает обработку рентгенограммы оптимальными по критериям минимума средне-квадратичной ошибки и максимума отношения сигнал-шум фильтрами (Т.П.Беликова, И.Н.Зальцман и др., 1981). Полученное после фильтрации изображение анализируется врачом-рентгенологом. Клинические испытания подтвердили эффективность использования разработанной методики для раннего выявления микрокальцинатов и дифференциальной диагностики разных типов узловых образований.

Доклиническая дифференциальная диагностика периферического рака легкого является сложной задачей из-за схожести рентгеновских изображений доброкачественного и злокачественного шаровидных образований легких на ранних стадиях заболевания. Разработанная методика ранней диагностики рака легкого по линейным томограммам включает: алгоритм выделения диагностически важных признаков на линейной томограмме; метод количественного анализа и классификации шаровидных образований; атлас изображений с верифицированными случаями (Т.П.Беликова, Н.И.Яшунская и др., 1986). Для подчеркивания диагностически важных признаков был разработан алгоритм оптимальной фильтрации, реализованный в пространственной области. Он оценивал полезный сигнал и подавлял фоновую часть изображения. Эта технология позволяет повысить точность диагностики до 94%.

В настоящее время проходит клинические испытания методика определения патологических изменений печени по серии ультразвуковых изображений (В.В.Лашин, В. А. Сандриков и др., 1992). Методика предполагает внутривенное вливание раствора глюкозы; ввод в компьютер серии ультразвуковых изображений печени через равные промежутки времени; построение графика зависимости средней эхо-плотности сигнала датчика внутри зоны интереса от времени; анализ полученного графика. Метод уже показал свою эффективность для повышения точности диагностики патологических образований печени.

ВЫВОДЫ

1. Предложена двухуровневая архитектура математического обеспечения АРМ радиолога: нижний уровень содержит оптимизированную по быстродействию систему вспомогательных (адресный, сканирования, ввода, дисплейный, сетевой, архивный) и вычислительных

(сверточный, гистограмшалй, спектральный, морфологический и др. процессоров, а также память фрагмента, рабочюю и архивную баз1 видеоданных; верхний уровень состоит из «дружественного* интерфейса пользователя и технологической базы данных.

2. Разработаны программно-алгоритмические модели адресного сверточного и гистограммного процессоров, обеспечивающие алгоритмам скользящей локальной обработки изображений быстродействие, hi зависящее от размеров апертуры фильтров, а также предоставляющи! пользователю АРМа удобный инструментарий для синтезирования широкого набора алгоритмов обработки видеоинформации.

3. Предложена и испытана методика стандартизации рентгенограмм при их преобразовании в цифровую форму с помощью телевизионной камеры и фрейм-граббера.

4. Написано и апробировано на реальных задачах медицинско1 диагностики программное обеспечение прототипа АРМ радиолога, позволяющее на базе персонального компьютера IBM PC/AT обрабатывать медицинские изображения в реальном времени врача-радиолога.

1. Лашин В. В. Модель графической рабочей памяти для экспертной системы анализа изображений. // В кн. «Системы передачи и обработки информации», Часть 2. - М. : АН СССР, 1988, сс. 15-18.

2. Лашин В. В. Математическое обеспечение автоматизированноп рабочего места врача-рентгенолога. // Тез. докл. 2-го Республиканского семинара «Проблемы создания систем обработки, анализа и распознавания изображений», Ташкент, 6-8 июня 1989, сс.137-138.

3. Лашин В.В., Ярославский Л. П. Проект экспертной системы препарирования изображений // Тез. докл. 4-ой Всесоюзной конференции «Математические методы распознавания образов ММРО-4», Часть 4, Рига, 24-26 октября, 1989, сс. 128-130.

4. Лашин В. В. Математическое обеспечение системы препарирования изображений на базе персональной ЭВМ. // В кн. «Методы передачи и обработки информации». - М. : АН СССР, 1989, сс.27-30.

5. Лашин В. В. Алгоритм кодирования изображений для архивной базы видеоданных. // В :<к. ^.Методы передачи и обработки информации». - М. : АН СССР, 1989, сс. 31-34.

6. Беликова Т.П., Лашин В. В. , Ярославский Л.П. Автоматизированное рабочее место врача-рентгенолога. // Тез. докл. 3-ей

Основные результаты диссертации

следующих работах.

Всесоюзной конференции «Автоматизированные системы обработки изображений АСОИЗ-89», Ленинград, 1989, сс.126-127.

7. Лашин В. В. Алгоритм адаптивного кодирования видеоданных // Тез. докл.. Международной конференции «Обработка изображений и дистанционные исследования 0ИДИ-90», Новосибирск, 19-21 августа

1990, сс. 146-147.

8. Lashin V.V. Software for a Computer-Aided Radiology Workstation // In book "Digital Image Processing and Computer Graphics (Theory and Applications). - R.Oldenbourg Wien Munchen,

1991, pp.146-151.

9. Беликова Т.П., Лашин В. В. Автоматизированное рабочее место для анализа медицинских изображений // Тез. докл. Международного коллоквиума «Новые информационные технологии», Москва, 8-10 октября 1991, сс.224-225.

10. Лашин В. В. Автоматизированное рабочее место обработки изображений ВИДЕОСОВЕТЧИК // Тез. докл. Международного коллоквиума «Новые информационные технологии», Москва, 8-10 октября 1991, с. 227.

11. Lashin V., Sandrikov V., Konstantinov A. Abdominal Ultrasound Image processing. // Proceedings Symposium on Image Analysis, Uppsala, Sweden, 10-11 March, 1992, p.223.

12. Lashin V. Image Processing Package "VideoAdviser" // Proceedings Symposium on Image Analysis, Uppsala, Sweden, 10-11 March, 1992, p.223.

13. Lashin V. Local Histogram Processor: Implementation of Local Histogram Algorithms for Image Processing // Center for Image Analysis Reports, Uppsala University, No.6, 1992, pp.1-16.

14. Беликова Т.П., Лашин В.В., Яшунская Н.И. Автоматизированный анализ линейных томограмм в задаче ранней дифференциальной диагностики шаровидных образований легких // Тез. докл. 3-го Международного семинара «Цифровая обработка изображений в медицине, дистанционном зондировании и визуализации информации», Рига, 21-25 апреля 1992, сс.95-98.

15. Беликова Т.П., Лашин В. В. , Ярославский Л. П. Рабочее место рентгенолога // Тез. докл. 3-го Международного семинара «Цифровая обработка изображений в медицине, дистанционном зондировании и визуализации информации», Рига, 21-25 апреля 1992, сс.95-98