автореферат диссертации по приборостроению, метрологии и информационно-измерительным приборам и системам, 05.11.17, диссертация на тему:Методы и алгоритмы обработки динамических изображений для решения задач навигации хирургического инструмента при проведении трансуретральной резекции предстательной железы

На правах рукописи

Гарипова Юлия Евгеньевна

МЕТОДЫ И АЛГОРИТМЫ ОБРАБОТКИ ДИНАМИЧЕСКИХ ИЗОБРАЖЕНИЙ ДЛЯ РЕШЕНИЯ ЗАДАЧ НАВИГАЦИИ ХИРУРГИЧЕСКОГО ИНСТРУМЕНТА ПРИ ПРОВЕДЕНИИ ТРАНСУРЕТРАЛЬНОЙ РЕЗЕКЦИИ ПРЕДСТАТЕЛЬ Н ОЙТЖЕЛЕЗЫ--

Специальность 05.11Л 7 - Приборы, системы и изделия медицинского назначения

Автореферат

диссертации на соискание ученой степени кандидата технических наук

- 2 ДЕН 2010

Тула-2010

004616035

Работа выполнена в Марийском государственном техническом университете

Научный руководитель: Официальные оппоненты:

Ведущая организация:

доктор технических наук, доцент Хафизов Ринат Гафиятуллович

доктор технических наук, профессор Яшин Алексей Афанасьевич;

кандидат технических наук, доцент Петухов Игорь Вячеславович

Государственное учреждение Республики Марий Эл «Республиканская клиническая больница»

Защита состоится двДйёрО 2010 г. в 14°° на заседании диссертационного совета Д212.271.07 при ГОУ ВПО «Тульский государственный университет» (300012, г. Тула, пр-т им. Ленина, 92,9-101)

С диссертацией можно ознакомиться в библиотеке Тульского государственного университета.

Автореферат разослан «12у,иб2010 г.

Ученый секретарь диссертационного совета

Ф.А. Данилкин

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Диссертация посвящена синтезу технологии информационной поддержки хирурга-уролога при выполнении трансуретральной резекции предстательной железы (ТУРП).

Актуальность работы. Современная хирургия стремится к уменьшению травматичности операций путем применения технологии мини-доступа хирургического инструмента к очагу патологии. Однако применение данной технологии значительно ограничивает видимость для хирурга, как правило, он не может наблюдать оперируемый орган достаточно для обеспечения необходимого уровня безопасности для пациента. Одной из таких операций является ТУРП. Врач удаляет тело железы изнутри и не имеет возможности видеть ее капсулу, повреждение которой вызывает опасные для жизни пациента осложнения.

Системы технического зрения направлены на решение этой и других подобных задач. Сегодня существует несколько основных типов систем: механическая (FaroArm system, Faro Technologies Inc., Florida), акустическая, оптическая (Polaris system, Northern Digital Inc., Canada), электромагнитная (NDI Aurora® System), магнитно-оптическая (гибридная), эндоскопическая. Однако все они требуют применения дополнительных навигационных устройств, которые порой невозможно использовать из-за анатомических особенностей организма.

При выполнении ТУРП хирург управляет движениями резекто-скопа в пределах изображения операбельного поля, наблюдаемого на экране монитора. При этом процесс операции нуждается в объективном контроле положения рабочего элемента резектоскопа относительно капсулы простаты. В представленной диссертационной работе данная задача решается методами обработки изображений.

Целью диссертационной работы является обеспечение объективного контроля действий хирурга при проведении трансуретральной резекции предстательной железы.

Для достижения поставленной цели необходимо решить следующие задачи:

1) исследовать статистические характеристики изображений предстательной железы;

2) разработать математическую модель динамического изображения предстательной железы;

3) разработать методику анализа динамических изображений для целей навигации хирургического инструмента при проведении ТУРП;

4) синтезировать систему обработки динамических изображений предстательной железы;

5) провести анализ системы обработки динамических изображений предстательной железы.

Методы исследования. Для решения поставленных задач были использованы: теория вероятности, теория статистических решений, линейной фильтрации, аппарат вычислительной математики, теория контурного и кватернионного анализа изображений, моделирования процессов обработки изображений на ЭВМ.

Научная новизна. В результате проведенной работы были получены научно-методические основы решения задачи обработки динамических изображений предстательной железы для целей навигации хирургического инструмента при проведении ТУРП. Они состоят в следующем:

1. Разработана математическая модель динамического изображения предстательной железы, учитывающая статистические характеристики изображений, получаемых в ходе резекции.

2. Предложена методика обработки динамических изображений предстательной железы при проведении трансуретральной резекции на основе корреляционно-экстремальных методов, позволяющая решить задачу навигации хирургического инструмента.

3. Предложена методика траекторией обработки результатов измерения положения хирургического инструмента в теле предстательной железы, позволяющая снизить трудоемкость определения координат перемещения резектоскопа.

4. Предложена методика обработки динамических изображений предстательной железы в условиях плохой видимости, которая позволяет отслеживать траекторию перемещения резектоскопа при возникновении кровотечения.

5. Синтезирована структура системы обработки динамических изображений предстательной железы и получены ее характеристики.

Практическая ценность работы. Интраоперационная навигация при ТУРП, основанная на совмещении ЗЭ изображения предстательной железы с видеоэндохирургическими данными, позволяет повысить точность манипуляций хирурга и, тем самым, снизить число операционных осложнений.

Научные положения, выносимые на защиту.

1. Методика обработки динамических изображений предстательной железы при проведении трансуретральной резекции, основанная на применении корреляционно-экстремальных методов, позволяет решить задачу навигации хирургического инструмента.

2. Методика траекторией обработки результатов измерения положения хирургического инструмента в теле предстательной железы

позволяет снизить трудоемкость определения координат перемещения резектоскопа.

3. Методика обработки динамических изображений предстательной железы в условиях плохой видимости позволяет отслеживать траекторию перемещения резектоскопа при возникновении кровотечения.

Реализация результатов работы. Результаты диссертационной работы внедрены в инженерно-медицинском центре «Новые приборы» при создании средств регистрации и анализа медицинских изображений (г. Самара). Результаты диссертационной работы внедрены и использованы в учебном центре эндохирургии (г. Казань). Теоретические и практические результаты работы использованы в НИР по гранту РФФИ «Разработка методов и создание информационной технологии визуализации и сравнительного анализа сопряженных пространственных статических и динамических сцен» (проект № 08-01-12000офи), выполненной на кафедре радиотехнических и медико-биологических систем МарГТУ в период с 2008 по 2010 год. Результаты диссертационной работы внедрены и использованы в учебном процессе кафедры РТиМБС МарГТУ в курсах «Обработка изображений медико-биологических объектов» и «Аппаратное и информационное обеспечение малоинвазивных операций в урологии» для студентов специальности 200400.65 «Инженерное дело в медико-биологической практике», что подтверждается соответствующими актами.

Личный творческий вклад автора

1. Исследованы статистические характеристики изображений предстательной железы.

2. Разработана методика локализации области поиска изображений предстательной железы и улучшения томограмм органов малого таза.

3. Разработана методика аналитического описания 30 модели капсулы предстательной железы.

4. Разработана методика обработки динамических изображений предстательной железы в условиях кровотечения.

5. Разработано программное обеспечение, реализованы предложенные методики обработки динамических изображений предстательной железы, получены характеристики.

Апробация работы. Результаты диссертационной работы обсуждались на Международной молодежной научной конференции «Тупо-левские чтения», Казань (2008, 2009 г.), VIII Международной конференции «Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации. Распознавание - 2008», Курск (2008 г.), Международной конференции с элементами научной школы «Биотехнические, медицинские и эколо-

гические системы и комплексы», Рязань (2009 г.), Общероссийской научной конференции с международным участием «Инновационные медицинские технологии», Москва (2009 г.).

Публикации. По материалам диссертационного исследования опубликовано 14 работ. Из них 4 статьи в центральных журналах из перечня ВАК, 2 Свидетельства на регистрацию программ в РОСПАТЕНТ, 3 в других журналах и сборниках работ, 4 в материалах конференций.

Структура и объем диссертации. Диссертация состоит из введения, 4 глав, заключения и списка литературы, включающего 144 наименования. Основной текст работы изложен на 170 страницах. Диссертация содержит 6В рисунков и 14 таблиц.

КРАТКОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы, сформулированы цель и задачи работы, направление исследований, научная новизна и основные научные положения диссертационной работы.

В первой главе произведен анализ существующих систем навигации в мягких тканях при выполнении малоинвазивных операций, рассмотрены принципы формирования динамических изображений предстательной железы при проведении ТУРП, а также исследованы основные подходы к обработке динамических изображений.

Работа системы навигации в мягких тканях предполагает сбор данных в несколько этапов: предоперационная диагностика и сбор информации о структуре органов и тканей; планирование операции; сбор визуальной информации в момент выполнения операции; слежение за инструментом.

Показано, что недостатком существующих систем является необходимость применения дополнительных позиционирующих устройств, размещение которых может быть затруднительно. При выполнении ТУРП оценка перемещения резектоскопа может быть оценена по динамическому изображению, формируемому видеокамерой, сопряженной с резектоскопом.

Выполнен обзор основных подходов к обработке динамических изображений: 1) межкадровое предсказание, 2) оптимальная обработка изображений, 3) контурный анализ изображений. Вместе с тем, существуют подходы к созданию навигационных систем, например в радиолокации, основанные на анализе изображений подстилающей поверхности. В основе данных подходов лежит применение оптимальной и согласованной фильтрации.

Вторая глава посвящена исследованию статистических характеристик динамических изображений предстательной железы. Выполне-

на проверка статистической однородности исследуемых изображений. Произведен анализ законов распределения отсчетов яркости на изображениях предстательной железы.

На динамическом изображении выделено несколько основных типов изображений: предварительный осмотр (рис. !,«); операция без кровотечения (рис. 1,6), с небольшим кровотечением (рис. 1,в) и с обильным кровотечением (рис. 1,г).

в г

Рис. 1. Изображения предстательной железы, полученные при выполнении

ТУРП

Анализ статистической однородности изображений предстательной железы осуществлялся с применением критерия знаков. На первом этапе были проанализированы фрагменты изображений предстательной железы. Гипотеза о статистической однородности в пределах выбранных фрагментов при уровне значимости критерия () =0,01 отвергается в 58% случаев для изображений, полученных до возникновения кровотечения, в 25% случаев - с сильным кровотечением. В пределах всего кадра гипотеза о статистической однородности отвергается для всех используемых уровней значимости критерия.

Исследование закона распределения вероятностей отсчетов яркости изображений предстательной железы было произведено по критерию х2 Пирсона. Закон распределения яркости пикселей на фрагментах изображений, полученных при осмотре пациента, не противоречит нормальному. Исследование изображений с кровотечением в большинстве случаев показало, что нельзя говорить о нормальном распределении яркости пикселей. На изображениях с малым кровотечением лишь в 30% случаев наблюдался нормальный закон, а на изображениях с сильным кровотечением - в 24 % случаев.

Исследование автокорреляционной функции от счетов яркости в пределах кадра показало, что периодическая косинусная составляющая этой функции практически отсутствует. Поведение автокорреляционной функции в основном определяется ее экспоненциальным множителем. Исследование взаимнокорреляционной функции последовательности кадров динамического изображения показало наличие сильной корреляции между отсчетами яркости соседних кадров. Какие-либо закономерности для энергетического спектра отсчетов яркости изображений предстательной железы не выявлены.

В третьей главе выполнен синтез системы навигации резекто-скопа при проведении ТУРП.

Предложена аналитическая модель динамических изображений предстательной железы. Динамическое изображение Цх.уЛ) представляет собой последовательность неподвижных изображений (или кадров) {/(л-.у)}- Специфика изображений предстательной железы заключается в отсутствие в явном виде изображений объекта и фона. За объект в текущий момент времени ? принимался участок х(ку,0 изображения, а все остальное в пределах кадра рассматривалось как фон При этом функции изображения объекта ${х,у,1) и изображения фона ё&.уЛ) в пределах кадра К не пересекаются.

В диссертационной работе показано, что при формировании динамического изображения вследствие движения резектоскопа в плоскости кадра каждый последующий кадр характеризуется переносом изображения объекта, а в случае формирования возвратно-поступательным движением - изменением масштаба и переносом изображения объекта.

Таким образом, модель динамического изображения предстательной железы имеет вид:

/(х,у, О = £о + Ь(х + Ах, у + Ау,1 - ДО + я(х,у,1)п(х,у), где Ах, Ду - величины смещения обнаруживаемого участка изображения 5(х,_к0, к - масштабный коэффициент, п{х,у) - аддитивный шум, g0 - постоянная составляющая.

Разработана методика обработки динамических изображений для целей навигации хирургического инструмента при проведении ТУРП, основанная на прослеживании траектории движения резектоскопа в теле предстательной железы. Прослеживание траектории движения резектоскопа сводится к решению задачи поиска одноименного фрагмента в соседних кадрах динамической сцены. Для этого на изображении Лх,у,г~М), , полученном в предыдущий момент времени (¿-А/), выбирается фрагмент $(хяуя1-А1), л^=0,1,..>ь=0,1,.такой, что Х^<Х и УЪ<У. При этом разме-

ры Л'„ ), фрагмента s выбираются так, чтобы на и ¡поражении J[x,y,t), полученном в текущий момент времени I, выбранный фрагмент оказался в пределах его границы.

В результате перемещения элементов матрицы фрагмента s(x„yx,t-:\i) изображения_Дх,_у,/-Л0, полученного в предыдущий момент времени (f-Д/), по матрице элементов изображения /¡хг,/), полученного в текущий момент времени вычисляем значения матрицы в виде выходного сигнала согласованного фильтра:

Г]{1,г,0 = £ £ s(x,y,t- &.t)f(x + Л_г т r,t),

х-0 у=1>

/ = 0,1,..., X - X, + 1 , г = 0,1,..., У - У, + 1 • I = 0,1,2,.... Если рассчитанная величина больше ее значения, полученного в предыдущем такте сравнения, она записывается в память вместе с соответствующими ей координатами /0 и г0. Данные координаты использовались для определения сигнала рассогласования

Ах = 10 - т0 Ид у = г0 - п„ где (т0,п(,) - координаты центра фрагмента i в поле изображения J[x,y,t-ht), и, соответственно, для определения направления и расстояния перемещения резектоскопа в теле предстательной железы.

Структура системы обработки динамического изображения предстательной железы при проведении ТУРП представлена на рис. 2.

Динамическое изображение

Рис. 2. Структура системы обработки динамических изображений

Отмечается, что для проведения процедуры пространственной локальной согласованной фильтрации необходимо сформировать набор фрагментов {.?} с различными масштабами ц отображения. По

результатам фильтрации выбираются те параметры р, /0 и /•„, при которых величина г/ максимальна.

Таким образом, в качестве формирователя достаточной статистики используется согласованный фильтр с динамической импульсной характеристикой Иа(х,у,1). Причем

Частотный коэффициент передачи оптимального фильтра в случае обработки динамических изображений принимает вид

с8'(ах,юу,1)

N.

где 8(в>х,ау,() - спектр динамического изображения з(х,у,0.

„7

Рис. 3. Совмещение изображений на основе корреляционного алгоритма: а - изображение с выделенным эталоном, б - автокорреляционная характеристика, в -результат совмещения в последующих кадрах, г - взаимнокор-реляционная функция, д - траектория движения резектоскопа в теле предстательной железы

Далее определяется вектор перемещения резектоскопа в виде векторного кватерниона, а именно

<?2(0) = АхАу- = д,55у, %(0)=АуАук=Ау70к,

и

где Д,. д,. - коэффициенты, определяемые разрешением томографических изображений и изображениями, полученными с резектоскопа, по горизонтали и вертикали соответственно.

Разработана методика траекторной обработки и прогнозирования положения хирургического инструмента, которая позволяет снизить временные затраты на обработку динамических изображений предстательной железы. Работа методики заключается в том, что на основе анализа отметок траектории, полученных в предыдущие моменты времени ?-Д/, / - 2А(, /-ЗДг, предсказывается положение будущей отметки (рис. 4). Для этого выполняется экстраполяция траектории, и рассчитываются координаты последующей точки перемещения объекта. На рис. 4 экстраполированная точка отмечена треугольником. Область, ограниченная стробом с центром в экстраполированной точке, является областью поиска одноименного фрагмента з(х,,)\,1- ДО - При использовании алгоритма предсказания по нескольким измерениям координаты экстраполированной точки траектории определяются:

л и п

хэ = Иархр > У, = Т.арур' =1ал' "" " '

Р=I р=г I

где и - число измерений, используемых для предсказания, а ар- коэффициент весар-\го измерения.

: ' 1 ' 1 :

"у /V' А-и*-;' : /-£ 1 Рис. 4. Пояснение процесса вторичной обработки динамических изображений

А 1-ЗЫ''/-у^-\----- --Г'/'

/ / ]

Процесс захвата траектории начинается после первого измерения координат (рис. 5). Вокруг точки строится пространственный ЗБ строб. Если в этот строб попадает координата точки текущего измерения, то можно считать, что захват состоялся, и далее производится вторичная обработка. В случае непопадания отметок в стробы захвата начало траектории считается ложным и обработка прекращается.

Рис. 5. Процесс захвата траектории движения резектоскопа

1-2М /

В работе отмечается, что проведение ТУРП сопровождается, как правило, кровотечением, вызывающим фактически смену сюжета динамического изображения. Для устранения влияния данного эффекта были проанализированы цветовые компоненты изображений до кровотечения и при кровотечении. При кровотечении наиболее сильно подвержен изменениям канал цветовой компоненты й, что объясняется оптическими свойствами цельной крови, а канал цветовой компоненты й изображения наименее подвержен изменению при кровотечении. В табл. 1 представлены результаты сравнения исходного изображения (до кровотечения) с цветовыми компонентами /?, Сг, В изображения предстательной железы после возникновения кровотечения.

Таблица 1

Цветовая компонента Нормированное скалярное произведение

Контраст 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9

К 0,928 0,93 0,932 0,933 0,934 Ь,935 0,935 0,936 0,936

в 0,973 0,982 0,99 0,995 0,998 0,998 0,996 0,991 0,984

В 0,93 0,934 0,936 0,937 0,937 0,936 0,935 0,932 0,93

В четвертой главе выполнен анализ системы обработки динамических изображений при проведении ТУРП. Разработана структура и описан принцип работы информационной технологии визуализации и многоцелевого анализа пространственных динамических изображений предстательной железы для подготовки и проведения ТУРП (рис. 6).

В диссертационной работе разработана методика формирования ЗВ модели капсулы предстательной железы и простатического отдела уретры по компьютерным томограммам органов малого таза.

Основные этапы формирования пространственной статической сцены с изображением капсулы предстательной железы:

ХИРУРГ

РЕЗЁКГОСКОП ВИДЕОКАМЕРА

I

1

ФАНТОМ

УСТРОЙСТВО — ОПРЕДЕЛЕНИЯ КООРДИНАТ

___I.. .

ПАЦИЕНТ

УСТРОЙСТВО СРАВНЕНИЯ

ч

УЗИ ТОМОГРАФ

13

ФОРМИРОВАТЕЛЬ 30 МОДЕЛИ

— ВИДЕОМОНИТОР

т

Рис. 6. Структура информационной технологии

1) Локализация области поиска изображения предстательной железы.

Показано, что для проведения контурного анализа необходимо ограничить область поиска как количеством томограмм, включающих в себя изображение железы, так и их размером. Для определения системы отсчета используются изображения костных образований. Область локализации изображения предстательной железы на томограмме задается на основе априорно известной информации о ее размерах. Структура системы локализации области поиска изображения предстательной железы представлена на рис. 7.

i Порог по яркости

| Эталон I

Форм И роват ел ь Г Согласованный

сцены фильтр 1

^Эталон 2

Согласованный

фильтр 2

Экстремальное устройство

Формирователь ► области поиска -изображения

Эталон 1 Эталон 2

Рис. 7. Схема локализации области поиска изображения предстательной железы (а), изображения эталонных контуров (б), результат работы схемы (в)

2) Улучшение томограмм органов малого таза

В работе выполнено исследование статистических характеристик томографических изображений органов малого таза, и на его основе разработан алгоритм улучшения исследуемых изображений с использованием кусочно-линейной функции преобразования яркости пикселей.

3) Выделение контуров изображений предстательной железы

Контурный анализ томографических изображений предстательной проводился на основе алгоритма локально-оптимального формирования порогового уровня. В некоторых случаях обнаружение контура железы затруднено из-за того, что окружающие ткани плотно прилегают к капсуле предстательной железы. Поэтому данная процедура производится в полуавтоматическом режиме под контролем эксперта.

Выполнено аналитическое описание трехмерной модели капсулы предстательной железы на основе аппарата кватернионных сигналов. В ходе пороговой обработки изображения были получены контурные сцены Г, состоящие из Я отдельных замкнутых контуров Г ={^г(л)}0у_,,где - размерность контура на срезе г, г=0,1,...,Я,

Я - количество срезов. Восстановление трехмерного контура капсулы предстательной железы осуществляется методом «сэндвича», т.е. посредством наложения полученных контуров последовательно друг на друга в соответствии с номером среза г.

Для описания полученной трехмерной модели используется аппарат кватернионных сигналов, т.к. кватернионы более информативны и позволяют упростить некоторые процедуры, в частности, вращения. Преобразование комплекснозначного кода в кватернионный показано на рис.8. Элементарные векторы контура Г' = |/г(и))оу-1 являются

комплексными числами, т.е. уг (п) = у[г (п)+уг[г (я);. Тогда элементы

кватернионного сигнала 0={<?0я)}олч определяются по формуле:

г л

Л=0 й=0

Таким образом, каждая элементарная площадка восстановленного трехмерного изображения поверхности предстательной железы задается кватернионом д(т) в унитарном пространстве.

Рис. 8. Восстановление трехмерного контура капсулы предстательной железы методом «сэндвича» и ЗБ-модель изображения предстательной железы

В диссертационной работе проведено исследование характеристик обнаружения выбранного фрагмента при обработке динамического изображения предстательной железы. Построены характеристики обнаружения сигнала, представляющие зависимости вероятностей правильного обнаружения О от отношения сигнал/шум на входе обнаружителя при фиксированном уровне F ложных тревог.

Рассчитаны характеристики обнаружения заданного фрагмента изображения предстательной железы при разных значениях вероятности ложной тревоги (рис. 9).

а б

Рис. 9. Зависимость вероятности ложной тревоги Т*- при обнаружении фрагмента от величины порогового уровня II0 (а), характеристики обнаружения заданного фрагмента изображения предстательной железы при вероятности ложной тревоги Я= 0,01 (б)

Оценка точности определения координат перемещения резекто-скопа в теле предстательной железы производилась на тестовых изображениях, сформированных на основе реальных. На рис. 10 показана зависимость абсолютной погрешности оценки смещения от размера объекта.

б - размер фрагмента 80*80 пикселей, в - размер фрагмента 100х 100 пикселей, г - размер фрагмента 120х 120 пикселей

Оценка точности экстраполяции координат перемещения ре-зектоскопа производилась на тестовых изображениях, сформированных на основе изображений предстательной железы. На рис. 11 показана зависимость ошибки экстраполяции от уровня СКО.

Рис. 11. Зависимость ошибки экстраполяции от уровня СКО яркостного шума (1 р^х = 5 мкм)

Представленные зависимости позволяли сделать вывод о том, что с увеличением уровня СКО яркостного шума увеличивается ошибка предсказания координаты перемещения объекта. При этом величина ошибки прямо пропорциональна размеру объекта.

Выполнена оценка трудоемкости обработки динамических изображений без применения и с применением вторичной обработки (рис. 12). Применение траекторной обработки динамического изображения эффективно шуме, СКО которого не превышает 50. Представленные зависимости говорят о том, что количество выполняемых элементарных операций снижается в среднем на два порядка при ограничении области поиска эталонного фрагмента (размер строба 20x20).

Размер области поиска

Рис. 12. Трудоемкость определения траектории перемещения «объекта» для эталонных фрагментов с размерами а - 20 "20. б - 30*30, в - 40x40, г - 50* 50

По результатам проведения диссертационной работы была разработана программа для анализа положения резектоскопа в теле предстательной железы. Интерфейс программы представлен на рис. 13.

Рис. 13. Интерфейс программы

В заключении проводится обсуждение результатов проведенных исследований.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ

1. Сформирована математическая модель динамического изображения предстательной железы в виде последовательности неподвижных кадров, содержащая изображение выделенного фрагмента (объект), фон и постоянную составляющую, обеспечивающую неотрицательность функции изображения.

2. Разработана методика обработки динамических изображений для целей навигации хирургического инструмента при проведении

ТУРП, работа которой основана на использовании согласованного фильтра с динамической импульсной характеристикой. Произведен расчет характеристик обнаружения фрагментов изображения предстательной железы. Выполнена оценка точности определения координат перемещения резектоскопа: абсолютная погрешность оценки смещения не превышает 30 мкм, при этом трудоемкость вычисления составляет 1,5-1010 элементарных операций.

3. Предложена методика траекторной обработки и прогнозирования положения хирургического инструмента, применение которой позволяет снизить трудоемкость вычисления координат перемещения резектоскопа в 102 раз. Разработана методика улучшения динамических изображений, измененных вследствие кровотечения.

4. Предложена методика формирования статической сцены с изображением капсулы предстательной железы, которая основана на анализе томографических изображений органов малого таза, полученных в процессе компьютерной томографии. Разработаны схема локализации области поиска изображения предстательной железы, алгоритмы улучшения локализованных изображений и их сегментации. Предложен алгоритм восстановления трехмерного контура капсулы предстательной железы методом «сэндвича» путем преобразования множества комплекснозначных сигналов в кватернионный сигнал. Представлена математическая модель капсулы предстательной железы.

5. Разработана программа для анализа положения резектоскопа в теле предстательной железы, которая позволяет определить траекторию перемещения инструмента путем анализа динамического изображения железы.

СПИСОК ОСНОВНЫХ ПУБЛИКАЦИЙ

В изданиях из перечня ВАК:

1. Гарипова Ю.Е., Хафизов Р.Г. Обработка динамических изображений для решения задач навигации при проведении трансуретральной резекции предстательной железы / Медицинская техника, 2010. №4. С. 16-20.

2. Гарипова Ю.Е., Хафизов Р.Г. Траекторная обработка динамических изображений предстательной железы для решения задачи навигации резектоскопа при выполнении трансуретральной резекции / Биотехносфера, - С.-Пб.: «Политехника», 2010. №3. С. 49-53.

3. Хафизов Р.Г., Гарипова Ю.Е. Анализ пространственных динамических изображений предстательной железы при проведении трансуретральной операции в условиях плохой видимости / Биомедицинская радиоэлектроника. - М.: «Радиотехника», 2010. №10. С. 16-21.

4. Хафизов Р.Г., Дубровин В.Н., Третьякова Ю.Е. Анализ сопряженных пространственных статических и динамических сцен при проведении трансуретральной резекции предстательной железы в режиме предварительного осмотра / Биомедицинская радиоэлектроника. -М.:«Радиотехника», 2009. №3. С. 14-20.

Свидетельства об официальной регистрации программ:

5. Хафизов, Р.Г. Программа для анализа положения резектоскопа в теле предстательной железы 1 Р.Г. Хафизов, Я.А. Фурман, В.Н. Дубровин, Д.Г. Хафизов, Ю.Е. Гарипова // Свидетельство об официальной регистрации программы для ЭВМ № 2009616442, РОСПАТЕНТ, 20.11.2009.

6. Хафизов, Р.Г. Программный комплекс для исследования непрерывных контуров изображений / Р.Г. Хафизов, С.А. Охотников, Ю.Е. Гарипова // Свидетельство об официальной регистрации программы для ЭВМ № 2010611737, РОСПАТЕНТ, 03.03.2010.

В других изданиях:

7. Хафизов Р.Г., Третьякова Ю.Е. Информационная технология визуализации и многоцелевого анализа пространственных динамических изображений предстательной железы для подготовки и проведения трансуретральной операции // Радиотехнические и инфокоммуни-кационные системы/ Вестник Марийского гос. техн. ун-та. Йошкар-Ола, 2008. №2. С. 27-34.

8. Третьякова Ю.Е. Информационная технология анализа пространственных изображений для проведения трансуретральной резекции предстательной железы И Сборник материалов международной молодежной научной конференции «Туполевские чтения XVI», т. 3. Казанский гос. техн. ун-т им. А.Н. Туполева, 2008. С. 198-200.

9. Хафизов Р.Г., Дубровин В.Н., Третьякова Ю.Е. Синтез 3D изображений предстательной железы по результатам томографического исследования Н Сб. материалов VIII Междунар. конф. Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации. Распознавание -2008.4.2. - Курск, 2008. С. 147-148.

10. Хафизов Р.Г., Третьякова Ю.Е., Охотников С.А. Обработка изображений в системе информационной поддержки при проведении трансуретральной резекции предстательной железы II Сборник статей «Медицинские приборы и технологии». - Тула, 2009. С. 60-64.

11. Гарипова Ю.Е. Предварительная обработка и выделение контуров изображений предстательной железы в сценах рентгеновской томографии // Радиотехнические и инфокоммуникационные системы/ Вестник Марийского госуд. техн. ун-та, 2009. №2. С. 50-57.

12. Гарипова Ю.Е. Технология навигации хирургического инструмента при проведении трансуретральной резекции предстательной железы // Тез. докладов всерос. науч.-техн. конф. «Биотехнические, медицинские и экологические системы и комплексы. Биомедсистемы -2009». - Рязань: РГРТА, 2009. С. 257-261.

13. Хафизов Р.Г., Гарипова Ю.Е. Технология информационной поддержки хирурга при выполнении трансуретральной резекции предстательной железы // Современные наукоемкие технологии, № 12, 2009. С. 24-25.

14. Хафизов Р.Г., Дубровин В.Н., Хафизов Д.Г., Гарипова Ю.Е. Обработка динамических изображений при проведении трансуретральной резекции предстательной железы. Марийский госуд. техн. унив-т. Йошкар-Ола, 2010. Деп. в ВИНИТИ 28.01.2010 № 51-В2010.

Изд. лиц. ЛР № 020300 от 12.02.97. Подписано в печать 10.11.2010. Формат бумаги 60x84 1/16- Бумага офсетная. Усл. печ. л. 1,0. Уч.-изд. л. 1,1. Тираж 100 экз. Заказ 034 Тульский государственный университет. 300600, г. Тула, просп. Ленина, 92. Отпечатано в Издательстве ТулГУ 300600, г. Тула, просп. Ленина, 95.

Список основных сокращений.

Список основных обозначений.

Введение.

1. СОВРЕМЕННОЕ. СОСТОЯНИЕ В ОБЛАСТИ НАВИГАЦИИ В МЯГКИХ ТКАНЯХ ПРИ ВЫПОЛНЕНИИ ХИРУРГИЧЕСКИХ ОПЕРАЦИЙ ПО ТЕХНОЛОГИИ МИНИ-ДОСТУПА.

1.1. Системы навигации в мягких тканях.

1.2. Формирование динамических изображений предстательной железы при проведении трансуретральной резекции.

1.3. Основные подходы к обработке динамических изображений.

1.3.1. Межкадровое предсказание, оценка движения,.

1.3.2. Оптимальная обработка изображений.

1.3.3. Контурный анализ изображений.

1.4. Обсуждение результатов и конкретизация задач исследований.

2. ИССЛЕДОВАНИЕ СТАТИСТИЧЕСКИХ ХАРАКТЕРИСТИК ДИНАМИЧЕСКИХ ИЗОБРАЖЕНИЙ ПРЕДСТАТЕЛЬНОЙ ЖЕЛЕЗЫ.

2.1. Постановка задачи.

2.2. Проверка статистической однородности изображений предстательной железы,.

2.3. Исследование законов распределения вероятностей отсчетов яркости изображений предстательной железы.

2.4. Корреляционные и спектральные характеристики изображений предстательной железы.

2.5. Выводы.

3. ОБРАБОТКА ДИНАМИЧЕСКИХ ИЗОБРАЖЕНИЙ ДЛЯ РЕШЕНИЯ ЗАДАЧ НАВИГАЦИИ ПРИ ПРОВЕДЕНИИ ТРАНСУРЕТРАЛЬНОЙ РЕЗЕКЦИИ ПРЕДСТАТЕЛЬНОЙ ЖЕЛЕЗЫ.

3.1. Введение.

3.2. Модель динамических изображений предстательной железы.

3.3. Обработка динамических изображений при проведении ТУРП.

3.4. Вторичная обработка динамических изображений предстательной железы при проведении ТУРП.

3.4.1. Общие замечания.

3.4.2. Методика траекторией обработки динамических изображений.

3.5. Обработка динамических изображений в условиях плохой видимости.

3.6. Обсуждение результатов.

4. АНАЛИЗ СИСТЕМЫ ОБРАБОТКИ ДИНАМИЧЕСКИХ ИЗОБРАЖЕНИЙ ПРИ ПРОВЕДЕНИИ ТРАНСУРЕТРАЛЬНОЙ РЕЗЕКЦИИ ПРЕДСТАТЕЛЬНОЙ ЖЕЛЕЗЫ.

4.1. Введение.

4.2. Формирование пространственной статической сцены с изображением капсулы предстательной железы.

4.2.1. Предварительная обработка и выделение контуров изображений предстательной железы в сценах рентгеновской томографии.

4.2.2. Аналитическое описание трехмерной модели капсулы предстательной железы на основе аппарата кватернионных сигналов.

4.3. Характеристики обнаружения выбранного фрагмента при обработке динамического изображения предстательной железы.

4.3.1. Общие замечания.

4.3.2. Расчет характеристик обнаружения фрагментов изображения предстательной железы.

4.4. Оценка точности определения координат перемещения хирургического инструмента при обработке динамических изображений.

4.5. Оценка точности экстраполяции координат перемещения хирургического инструмента при обработке динамических изображений

4.6. Программное обеспечение.

4.7. Обсуждение результатов.

Актуальность темы. Современная медицинская практика все более нуждается в применении технических средств диагностики, лечения и принятия решения [1-6]. Применение информационных технологий, способных учитывать все трудности, возникающие при проведении хирургического вмешательства, позволит улучшить качество проводимых операций. В урологии, например, распространена гиперплазия предстательной железы, т.е. увеличение ее массы и объема с наступлением определенного возраста или при возникновении раковых опухолей [7]. При этом возникает затрудненное мочеиспускание, связанное с сужением мочеиспускательного канала.

В хирургической урологии имеется ряд методик, позволяющих восстановить нормальное мочеиспускание, одной из которых является трансуретральная резекция простаты при доброкачественной гиперплазии предстательной железы [8-9]. Сущность метода заключается в удалении некоторого объема простаты с целью восстановления мочеиспускательной функции. Операция выполняется при помощи резектоскопа. Ряд сложностей, возникающих при проведении данной операции, например, плохая видимость вследствие обильного кровотечения при работе резектоскопом и отсутствие видимости капсулы предстательной железы, при повреждении которой могут возникнуть серьезные осложнения, связанные с большим риском для жизни пациента, обосновывают актуальность создания новых информационных технологий, предназначенных как для проведения тренировочных операций, так и для помощи хирургам при самой операции [10-13].

При выполнении операции трансуретральной резекции простаты хирург управляет движениями резектоскопа в пределах изображения операбельного поля, наблюдаемого на экране монитора. Изображение формируется камерой, оптически связанной с резектоскопом. Вследствие движения резектоскопа наблюдаемая на мониторе сцена носит динамический характер. При этом процесс операции нуждается в объективном контроле положения режущей нити резектоскопа относительно стенок капсулы простаты.

Цель и задачи диссертационного исследования

Целью диссертационной работы является обеспечение объективного контроля действий хирурга при проведении трансуретральной резекции предстательной железы.

Для достижения поставленной цели необходимо решить следующие задачи:

1) исследовать статистические характеристики изображений предстательной железы;

2) разработать математическую модель динамического изображения предстательной железы;

3) разработать методику анализа динамических изображений для целей навигации хирургического инструмента при проведении ТУРП;

4) синтезировать систему обработки динамических изображений предстательной железы;

5) провести анализ системы обработки динамических изображений предстательной железы.

Научная новизна. В результате проведенной работы были получены научно-методические основы решения задачи обработки динамических изображений предстательной железы для целей навигации хирургического инструмента при проведении ТУРП. Они состоят в следующем:

1. Разработана математическая модель динамического изображения предстательной железы, учитывающая статистические характеристики изображений, получаемых в ходе резекции.

2. Предложена методика обработки динамических изображений предстательной железы при проведении трансуретральной резекции на основе корреляционно-экстремальных методов, позволяющая решить задачу навигации хирургического инструмента.

3. Предложена методика траекторной обработки результатов измерения положения хирургического инструмента в теле предстательной железы, позволяющая снизить трудоемкость определения координат перемещения ре-зектоскопа.

4. Предложена методика обработки динамических изображений предстательной железы в условиях плохой видимости, которая позволяет отслеживать траекторию перемещения резектоскопа при возникновении кровотечения.

5. Синтезирована структура системы обработки динамических изображений предстательной железы и получены ее характеристики.

Практическая значимость.

Интраоперационная навигация при трансуретральной резекции предстательной железы, основанная на совмещении ЗБ изображения предстательной железы с видеоэндохирургическими данными, позволяет повысить точность манипуляций хирурга и, тем самым, снизить число операционных осложнений. >

На основе полученных в диссертационной работе научных результатов можно сформулировать следующие защищаемые научные положения.

1. Методика обработки динамических изображений предстательной железы при проведении трансуретральной резекции, основанная на применении корреляционно-экстремальных методов, позволяет решить задачу навигации хирургического инструмента.

2. Методика траекторией обработки результатов измерения положения хирургического инструмента в теле предстательной железы позволяет снизить трудоемкость определения координат перемещения резектоскопа.

3. Методика обработки динамических изображений предстательной железы в условиях плохой видимости позволяет отслеживать траекторию перемещения резектоскопа при возникновении кровотечения.

Методы исследования. Для решения поставленных задач были использованы: теория вероятности, теория статистических решений, линейной фильтрации, аппарат вычислительной математики, теория контурного и ква-тернионного анализа изображений, моделирования процессов обработки изображений на ЭВМ.

Реализация результатов работы. Результаты диссертационной работы внедрены в инженерно-медицинском центре «Новые приборы» при создании средств регистрации и анализа медицинских изображений (г. Самара). Результаты диссертационной работы внедрены и использованы в учебном центре эндохирургии (г. Казань). Теоретические и практические результаты работы использованы в НИР по гранту РФФИ «Разработка методов и создание информационной технологии визуализации и сравнительного анализа сопряженных пространственных статических и динамических сцен» (проект № 08-01-12000офи), выполненной на кафедре радиотехнических и медико-биологических систем МарГТУ в период с 2008 по 2010 год. Результаты диссертационной работы внедрены и использованы в учебном процессе кафедры РТиМБС МарГТУ в курсах «Обработка изображений медико-биологических объектов» и «Аппаратное и информационное обеспечение малоинвазивных операций в урологии» для студентов специальности 200400.65 «Инженерное дело в медико-биологической практике», что подтверждается соответствующими актами.

Апробация работы. Результаты диссертационной работы обсуждались на:

1. Международной молодежной научной конференции «Туполевские чтения - XVI», Казань, 2008.

2. VIII Международной конференции «Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации. Распознавание - 2008», Курск, 2008.

3. Международной молодежной научной конференции «Туполевские чтения - XVII», Казань, 2009.

4. Международной конференции с элементами научной школы «Биотехнические, медицинские и экологические системы и комплексы», Рязань, 2009.

5. Общероссийской научной конференции с международным участием «Инновационные медицинские технологии», Москва, 2009.

Тезисы докладов опубликованы [129, 130, 133, 135].

Публикации. По материалам диссертационного исследования опубликовано 14 работ. Из них 4 статьи в центральных журналах из перечня ВАК, 2 Свидетельства на регистрацию программ в РОСПАТЕНТ, 3 в других журналах и сборниках работ, 4 в материалах конференций.

Структура и объем работы. Диссертация состоит из введения, 4 глав, заключения и списка литературы, включающего 144 наименования. Основной текст работы изложен на 170 страницах. Диссертация содержит 68 рисунков и 14 таблиц.

ЗАКЛЮЧЕНИЕ

В рамках данной работы произведен синтез и анализ системы обработки динамических изображений при проведении трансуретральной резекции предстательной железы, способной оказывать информационную поддержку хирурга в операционной.

Аналитический обзор подобных систем показал, что современные технологии слежения за хирургическим инструментом в теле органа при выполнении малоинвазивных операций требуют применения дополнительных навигационных устройств, которые осложняют процесс выполнения хирургического вмешательства. Таким образом, задача заключалась в синтезе и анализе такой системы, которая определяет положение резектоскопа в теле предстательной железы на основе изображений, регистрируемых видеокамерой, оптически связанной с резектоскопом. В работе описан процесс формирования динамических изображений предстательной железы при проведении трансуретральной резекции и основные подходы к их обработке.

Исследование статистических характеристик динамических изображений предстательной железы заключало в себе проверку их статистической однородности, исследование законов распределения вероятностей отсчетов яркости, расчет корреляционных и спектральных характеристик. В ходе исследования выяснилось, что изображения предстательной железы статистически неоднородны и относятся к совокупности локально-однородных случайных полей, которые изменяются при переходе от одной зоны к другой, закон распределения яркости пикселей не противоречит нормальному. Соседние кадры, составляющие динамическое изображение, сильно коррелирова-ны друг с другом. Закономерности распределения отсчетов энергетического спектра функции яркости изображений предстательной железы не выявлены.

В работе синтезирована система обработки динамических изображений для решения задач навигации при проведении трансуретральной резекции предстательной железы. Описана модель динамического изображения предстательной железы. Разработан алгоритм обработки динамических изображений, основанный на корреляционно-экстремальном методе. Приведены примеры его работы при неизвестных параметрах смещения и масштаба. Предложен алгоритм вторичной обработки динамических изображений, который заключается в прогнозировании направления движения инструмента. Описан процесс траекторной обработки динамических изображений, способный предсказать координаты перемещения резектоскопа. Произведен анализ изображений с обильным кровотечением и предложен подход к обработке таких изображений, состоящий в анализе их цветовых компонент.

Выполнен анализ синтезированной системы. Разработана структура информационной технологии, в состав которой входит синтезированная система. Технология осуществляет сбор данных о пациенте, построение виртуальной ЗБ модели капсулы предстательной железы и уретры, информационную поддержку хирурга во время операции. Описаны алгоритм улучшения и сегментации томографических изображений органов малого таза, а также методика формирования пространственной статической сцены с изображением капсулы предстательной железы. Выполнено аналитическое описание трехмерной модели капсулы простаты. При этом в качестве математического аппарата выбран аппарат кватернионных сигналов, т.к. с его помощью более просто, по сравнению с другими методами, осуществляется вращение векторов в трехмерном пространстве.

В работе представлены характеристики обнаружения выбранного фрагмента: зависимость вероятности ложной тревоги Т7 от величины порогового уровня 110; характеристики обнаружения при вероятности ложной тревоги Р= 0,1; 0,5; 0,01 для фрагментов размером 10x10, 20x20, 30x30, абсолютная погрешность оценки смещения в зависимости от уровня СКО и размера выбранного фрагмента на изображении предстательной железы. Произведен расчет трудоемкости оценки смещения от размера анализируемого фрагмента. Результаты исследования реализованы в программе для анализа положения резектоскопа в теле предстательной железы. Оценка траектории движения резектоскопа, получаемой в программе, выполнена на основе 3D модели предстательной железы, созданной в программе 3DS МАХ, а также на основе реальных динамических изображений, полученных в ходе проведения трансуретральной резекции предстательной железы на базе урологического отделения Государственного учреждения Республики Марий Эл «Республиканская клиническая больница».

1. Попечителев, Е.Ф. Анатомические исследования в медицине, биологии и экологии. -М: Высшая школа, 2003.

2. Биотехнические системы: Теория и проектирование / Под ред. В.М. Ахутина. Л.: Изд-во ЛГУ, 1981.

3. Федоров, И.В. Оперативная лапароскопия / И.В. Федоров, К.Ш. Зы-ятдинов, Е.И. Сигал. М.: ТРИАДА-Х, 2004. - 464 с.

4. Чигирев, Б.И. Биомедицинская электроника: Учеб. пособие: ТЭТУ. / Б.И. Чигирев, З.М. Юлдашев, Г.А. Юрковский. СПб., 1996.

5. Попечителев, Е.П. Электрофизиологическая и фотометрическая медицинская техника: Уч. пособие/ Е.П. Попечителев, Н.А. Кореневский М.: Высшая школа, 2002. — 470 с.

6. Кавецкий, Р.Е. Применение радиоэлектронных приборов в биологии и медицине. Киев: Наук, думка, 1986.

7. Пушкарь, Д.Ю. Урология. Основные разделы. -М.: МЕДпресс-информ, 2004.

8. Дубровин, В.Н. Малоинвазивная кольпосуспензия в лечении стрессового недержания мочи у женщин. Урология. — 2004, №3. — С 57 58

9. Дубровин, В.Н. Первый опыт применения лапароскопической цис-тэктомии в лечении инвазивного рака мочевого пузыря / В.Н. Дубровин, А.В. Табаков, Г.А. Мельник // Онкоурология, №1, 2008. С.29-34.

10. C-arm-based three-dimensional navigation: a preliminary feasibility study / E. Euler, S. Heining, C. Riquarts, and W. Mutschler // Computer Aided Surgery, vol. 8, no. 1, pp. 35-41, 2003.

11. R. H. Taylor and D. Stoianovici, "Medical robotics in computer integrated surgery," IEEE Trans. Robotics and Automation, vol. 19, no. 5, pp. 765-781, Oct. 2003.

12. J. Aloimonos, Y. Aloimonos. Visual navigation: from biological systems to unmanned ground vehicles. Lawrence Erlbaum Associates, New Jersey, 1997. -415 p.

13. Liver Surgery Planning Using Virtual Reality / Bernhard Reitinger, Alexander Bornik, Reinhard Beichel, Dieter Schmalstieg // IEEE Computer Graphics and Applications. November/December 2006. Pp. 36-47.

14. Современные тенденции развития рынка медицинских информационных систем / С.В. Фролов, С.Н. Маковеев, С.В. Семенова, С.Г. Фареа // Вестник ТГТУ. 2010. Том 16. № 2. С. 266-272.

15. Емельянов, С.Н. Опыт применения трехмерной интраоперационной навигации при лапароскопической адреналэктомии / С.Н. Емельянов, В.А. Вередченко // Онкоурология, №1, 2008. С. 19-22.

16. Coughlin, G. Role of image-guidance systems during NOTES / G. Coughlin, S. Samavedi, K.J. Palmer, V.R. Patel// Journal of endourology, vol 23, num. 5, may 2009. P. 803-812.

17. A. V. D'Amico,J. S. Loeffler,J. R. Harris. Image-guided diagnosis and treatment of cancer. New Jersey: Humana Press Inc., 2003. — 269 p.

18. A taxonomy of mixed reality visual displays / Paul Milgram, Fumio Ki-shino // IEICE Transactions on Information Systems, Vol E77-D, No. 12 December 1994. Pp. 1321-1329.

19. Design and Performance Evaluation of a Remote Catheter Navigation System / Thakur, Y.; Bax, J.S.; Holdsworth, D.W.; Drangova, M. // IEEE transactions on biomedical engineering. July 2009. Pp. 1901 1908.

20. Sielhorst T. Advanced Medical Displays: A Literature Review of Augmented Reality / T. Sielhorst, M. Feuerstein, N. Navab // Journal of display technology, vol. 4, № 4, 2008.

21. E. J. Halpern, D. L. Cochlin, В. B. Goldberg. Imaging of the Prostate. United Kingdom: Martin Dunitz Ltd. 2002. 222 p.

22. Т. J. Carter, M. Sermesant, D. M. Cash, D. C. Barratt, C. Tanner, and D. J. Hawkes, "Application of soft tissue modelling to image-guided surgery." Med Eng Phys, vol. 27, no. 10, pp. 893-909, Dec 2005.

23. Использование трехмерной компьютерной томографии в планировании лапароскопической адреналэктомии / Вередченко В. А.,- Емельянов С.И., Митичкин А.Е. // Клин, и экспер. хир. 2008. - №1. - С.35-34.

24. A. Bettini, P. Marayong, S. Lang, А. М. Okamura, and G. D. Hager. Vision Assisted Control for Manipulation Using Virtual Fixtures. IEEE Transactions on Robotics, 20(6):953-966, Dec. 2004.

25. An Algorithm for Multiple Object Trajectory Tracking / M. Han W. Xu H. Tao, Y. Gong // Computer Vision and Pattern Recognition, 2004. CVPR 2004. 1-864-1-871 Vol.1.

26. S. S. Blackman, R. Popoli. Design and analysis of modern tracking systems. Artech House, 1999. 1230 p.

27. T. Akinbiyi, A. M. Okamura, and D. D. Yuh, "Dynamic Augmented Reality for Haptic Display in Robot-Assisted Surgical Systems," Medicine Meets Virtual Reality 13, J. D. Westwood, et al. (Eds.), IOS Press, 2005.

28. A. M. H. S. Abeykoon and K. Ohnishi, "Virtual tool for bilaterally controlled forceps robot-for minimally invasive surgery." The International Journal of Medical Robotics and Computer Assisted Surgery, vol. to appear, 2007.

29. Использование методов динамической сегментации последовательностей изображений в применении к эхокардиографии. Е. JI. Марьяскин, А. П. Немирко Журнал «биомедицинская радиоэлектроника» ,№11, 2009.

30. Fuchs G.J. Milestones in endoscopic design for minimally invasive urologie surgery: The sentinel role of a pioneer. Surg Endosc 2006. Pp. 493-499.

31. Baumhauer M. Navigation in endoscopic soft tissue surgery perspectives and limitations / M. Baumhauer, M. Feuerstein, H.P. Meinzer, J. Rassweiler // Journal of endourology, 2009

32. Schafer S. Real-time endovascular guidewire position simulation using shortest path algorithms / S. Schafer, V. Singh, P. B. Noël, A. M. Walczak, J. Xu,

33. К. R. Hoffmann // International Journal of Computer Assisted Radiology and Surgery. Springer Berlin / Heidelberg. Vol. 4, № 6.

34. J. P. Blandy, R. G. Notley, J. Reynard. Transurethral resection. Tai-lor&Francis, 2005. 227 p.

35. Janetschek G., Rassweiler J., Griffith D. Laparoscopic surgery in urology. New York: Thieme Stuttgart, 1996. Pp. 276-280.

36. Клочко В. К. Обнаружение движущихся изображений точечных и протяженных объектов в последовательности телевизионных кадров // Изв. СО РАН. Сер. Автометрия, 1993, №1. С. 40-48.

37. Клочко В. К. Выделение меняющихся изображений в условиях неопределенности // Изв. СО РАН. Сер. Автометрия, 1996, №2. С. 50-59.

38. Быков, P.E. Анализ и обработка цветных и объемных изображений / Р.Е.Быков, С.Б. Гуревич — М.: Радио и связь, 1984.

39. Баклицкий В.К., Бочкарев A.M., Мусьяков М.П. Методы фильтрации сигналов в корреляционно-экстремальных системах навигации / Под ред. Баклицкого. — М.: Радио и связь, 1986.

40. Клочко В. К., Ермаков А. А. Алгоритмы фильтрации и сегментации трехмерных радиолокационных изображений поверхности // Изв. СО РАН. Сер. Автометрия, № 4, 2002. С. 41-49.

41. Лакин, Г.Ф. Биометрия. М.: Высшая школа, 1973.

42. Василенко, Г.И. Голографическое опознавание образов. М.: Сов. радио, 1977.

43. Лезин, Ю.С. Введение в теорию и технику радиотехнических систем: Уч. пособие для вузов. -М.: Радио и связь, 1981.

44. А. Meyer-Bäse. Pattern recognition for medical imaging. Elsevier Academic Press, California, 2004. 383 p.

45. Красильников, H.E. Теория передачи и восприятие изображений. Теория передачи изображений и ее приложения. М.: Радио и связь, 1986.

46. Красильников, H.H. Статистическая теория передачи изображений. -М.: Связь, 1976.

47. Красильников, H.H. Исследование закона распределения яркостей в передаваемом изображении по вероятностям // Техника кино и телевидения, 1960, №5. С. 21-24.

48. Введение в контурный анализ и его приложения к обработке изображений и сигналов / Под ред. Я.А. Фурмана. М.:ФИЗМАТЛИТ, 2002. 592 с.

49. Комплекснозначные и гиперкомплексные системы в задачах обработки многомерных сигналов / Под ред. Я.А. Фурмана. М.:ФИЗМАТЛИТ, 2004. 452 с.

50. Бакут, П.А. Сегментация изображений: методы пороговой обработки / П.А. Бакут, Г.С. Колмогоров // Зарубежная радиоэлектроника, №10, 1987.-С. 6-24.

51. Бакут, П.А. Сегментация изображений: методы выделения границ областей / П.А. Бакут, Г.С. Колмогоров // Зарубежная радиоэлектроника, №Ю, 1987.-С. 25-47.

52. Прэтт, У. Цифровая обработка изображений. Кн. 1,2. М.: Мир,1982.

53. Анисимов, Б.В. Распознавание и цифровая обработка изображений / Б.В. Анисимов, В.Ф. Курганов, В.К. Злобин. М.: Высшая школа, 1983.

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

55. Хафизов, Р.Г. Синтез и анализ системы обнаружения изображений коммуникационных объектов на фоне подстилающей поверхности. Диссертация на соискание степени канд. тех. наук. Йошкар-Ола, 1998.

56. Ворожцов, Д.М. Синтез и анализ нейросетевой системы обнаружения 3D изображений объектов рентгеновской томографии. Диссертация на соискание степени канд. тех. наук. Йошкар-Ола, 2006.

57. Левин, Б.Р. Теоретические основы статистической радиотехники. — М.: Советское радио. Кн.1, 1974.

58. Градштейн, И.С. Таблицы интегралов, сумм, рядов и произведений / И.С. Градштейн, Н. Рыжин. -М.: Наука, 1971.

59. Большее, JI.H. Таблицы математической статистики / JI.H. Большее, Н.В. Смирнов. М.: Наука. Главная редакция физико-математической литературы, 1983.

60. Герасимович, А.И. Математическая статистика / А.И. Герасимович, Я.И. Матвеева. Минск: Высшая школа, 1978.

61. Беллман, Р. Математические методы в медицине: Пер. с англ. М.: Мир, 1987.

62. Бучнев, A.A., Шурыгин В.П. Цифровая обработка медицинских изображений// Труды IV конференции «Распознавание образов и анализ изображений: новые информационные технологии». Ч. 1. — Новосибирск, 1998. С. 254-257.

63. Поммерт, А. Визуализация объема в медицине / А. Поммерт, Б. Пфлессер, М. Риемер и др. // Открытые системы, 1996, №5. С. 56-61.

64. Гмурман, В.Е. Теория вероятностей и математическая статистика. — М.: Высшая школа, 1977.

65. Купер, Д., Вероятностные методы анализа сигналов и систем / Д. Купер, К. Макгиллян. -М.: Мир, 1989.

66. Клочко В. К., Курилкин В. В., Шейнина И. В. Сравнительный анализ алгоритмов распознавания радиолокационных изображений объектов по данным бортовой PJ1C // Радиотехника. 2003. № 12. С. 3-9.

67. Справочник по радиолокации. Том 1. Основы радиолокации. / Ред. М. Скольник. Изд-во: СОВЕТСКОЕ РАДИО, 1976.-455 с.

68. Методы компьютерной обработки изображений / Под ред. В.А. Сойфера. -М.: ФИЗМАТЛИТ, 2001.

69. Радиотехнические системы: Учеб. пособие / Ю.П. Гришин, В.П. Ипатов, Ю.М. Казаринов и др.; Под ред. Ю.М.Казаринова. — М.: Высшая школа, 1980.

70. Хафизов, Д.Г. Автоматизация обработки экспериментальных данных: конспект лекций. Йошкар-Ола: МарГТУ, 2007.

71. Новиков, Д.А., Новочадов, В.В. Статистические методы в медико-биологическом эксперименте (типовые случаи). — Волгоград: Изд-во Вол-ГМУ, 2005.

72. Юнкеров, В.Н. Математико-статистическая обработка данных медицинских исследований / В.Н. Юнкеров, С.Г. Григорьев. — СПб.: ВМедА, 2002.

73. Афифи, А. Статистический анализ. Подход с использованием ЭВМ / А. Афифи, С. Эйзен. Пер. с англ. М.: Мир, 1982.

74. Зайцев, В.М. Прикладная медицинская статистика: Уч. пособие. 2-е изд. / В.М. Зайцев, В.Г. Лифляндский, В.Н. Маринкин. СПб.: ООО «Издательство ФОЛИАНТ», 2006.

75. Дронов, C.B. Многомерный статистический анализ: Уч. пособие. -Барнаул: Изд-во Алт. гос. ун-та, 2003.

76. Калинина, В.Н., Соловьев, В.Н. Введение в многомерный статистический анализ: Уч. пособие. — М.: ГУУ, 2003.

77. Сахаров, В.Л. Методы и средства анализа микробиологической информации: Учебно-методическое пособие. — Таганрог: Изд-во ТРГТУ, 2001.

78. Бендат, Дж. Применение корреляционного и спектрального анализа / Дж. Бендат, А. Пирсол; пер. с англ. М.: Мир, 1983.

79. Фурман Я. А. Визуализация изображений в трехмерных сценах. Уч. пособие. Йошкар-Ола: МарГТУ, 2007

80. Хафизов, Р.Г. Обнаружение и оценка параметров плоских изображений / Р.Г. Хафизов // Известия вузов. Приборостроение. — 2006, №4. — С. 36-45.

81. Хафизов, Р.Г. Распознавание плоских зашумленных изображений по их форме / Р.Г. Хафизов, И.Л. Егошина // Известия вузов. Приборостроение. 2006, №4. - С. 46-51.

82. Хафизов, Р.Г. Программный комплекс по исследованию статистических характеристик изображений / Р.Г. Хафизов, Д.М. Ворожцов // Свидетельство об официальной регистрации программы для ЭВМ № 2005610655, РОСПАТЕНТ, 17.03.2005.

83. Матвеев, Д.В. Об одном алгоритме распознавания движения по последовательности кадров // Сборник докладов 14-й Всероссийской конференции «Математические методы распознавания образов». Суздаль. — 2009. - С. 408-409.

84. Аксенов, Н.Б. Экспресс-диагностика динамических процессов. Методы создания аппаратных средств. Казань: Изд-во Казанского гос. техн. ун-та. - 2004.

85. Ремизов, А.Н. Медицинская и биологическая физика: Учеб для мед. спец. вузов. 3-е изд. испр. - М.: Высшая школа. - 1999.

86. Баскаков, С.Н. Радиотехнические цепи и сигналы: Уч. для вузов. — М.: Высшая школа. 1988.

87. Степанов, В.Н. Атлас лапароскопических операций в урологии. — М.: МИКЛОШ. 2000.

88. Оптическая биомедицинская диагностика. Том 1. Под ред. В.В. Тучина. М.: ФИЗМАТЛИТ, 2007. - 560 с.

89. R. Lukac, К. N. Plataniotis Color image processing: methods and applications. CRC press. USA, 2007. 567 p.

90. Вопросы статистической теории распознавания / Под ред. Б.В. Барского. М.: Радио и связь, 1990.

91. Гланц, С. Медико-биологическая статистика / С. Гланц: пер. с англ. -М.: Практика, 1998.

92. Корбинский, Б.А. Медицинские экспертные системы: проблемы создания и перспективы применения // Компьютерная хроника, 1993. №3.

93. Леонов, В.П., Ижевский, П.В. Применение статистики в медицине и биологии: анализ публикаций 1990-1997 г. Деп. ВИНИТИ 23.01.1998 179-В1998 / ГНЦ РФ Институт биофизики. - М., 1998.

94. Омельченко, В.П., Демидова, A.A. Практикум по медицинской информатике. — Ростов-на-Дону: «Феникс», 2001.

95. Горелик, А.Л., Скрипкин, В.А. Методы распознавания. М.: Высшая школа, 1989.

96. Орловский, С.А. Проблемы принятия решений при нечеткой исходной информации. -М.: Наука, 1981.

97. Патрик, Э. Основы теории распознавания образов; Пер. с англ. — М.: Советское радио, 1980.

98. P. Wang. Pattern Recognition and Machine Vision. River Publishers, • Denmark, 2010.-451 p.

99. T. Acharya, A. K. Ray. Image Processing Principles and Applications. Wiley-interscience. Canada, 2005 - 428 p.

100. Хафизов Р.Г., Гарипова Ю.Е. Технология информационной поддержки хирурга при выполнении трансуретральной резекции предстательной железы //Современные наукоемкие технологии, №12, 2009. С. 24-25.

101. Хафизов Р.Г., Гарипова Ю.Е. Анализ пространственных динамических изображений предстательной железы при проведении трансуретральной операции в условиях плохой видимости / Биомедицинская радиоэлектроника. -М.: «Радиотехника», 2010. С. 16-21.

102. Гарипова Ю.Е., Хафизов Р.Г. Траекторная обработка динамических изображений предстательной железы для решения задачи навигации ре-зектоскопа при выполнении трансуретральной резекции / Биотехносфера, №3,2010.-С. 49-53.

103. Хафизов, Р.Г. Программный комплекс для исследования непрерывных контуров изображений / Р.Г. Хафизов, С.А. Охотников, Ю.Е. Гарипова // Свидетельство об официальной регистрации программы для ЭВМ № 2010611737, РОСПАТЕНТ, 03.03.2010.

104. Хафизов Р.Г., Дубровин В.Н., Хафизов Д.Г., Гарипова Ю.Е. Обработка динамических изображений при проведении трансуретральной резекции предстательной железы. Марийский госуд. техн. унив-т. Йошкар-Ола, 2010. Деп. в ВИНИТИ 28.01.2010 № 51-В2010.

105. Гарипова Ю.Е., Хафизов Р.Г. Обработка динамических изображений для решения задач навигации при проведении трансуретральной резекции предстательной железы / Медицинская техника, №4, 2010. С. 16-21.

106. Роженцов A.A., Баев A.A., Наумов A.C. Применение методов ква-тернионного анализа для выделения изображений дорог в 3D сценах // Вестник Марийского государственного технического университета. Вычислительная техника и информатика. 2009. №1. С.41-47.

107. Синицын, В.Е., Тимонина, Е.А. Интернет для врача. WWW: медицинская визуализация и кардиология. — М.: Видар, 1998.

108. Тюрин, Ю., Макаров, А. Статистический анализ данных на компьютере. -М.: Инфа-М, 1998.