автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.11, диссертация на тему:Методы и программные средства автоматизации анализа изображений медико-биологических микрообъектов

российская академия наук

Институт проблем управления

_им. В. А. Трапезникова_

На правах рукописи УДК 004.932.2; 615.47; 616-074

СТЕПАНОВ ВАСИЛИЙ НИКОЛАЕВИЧ

МЕТОДЫ И ПРОГРАММНЫЕ СРЕДСТВА АВТОМАТИЗАЦИИ АНАЛИЗА ИЗОБРАЖЕНИЙ МЕДИКО-БИОЛОГИЧЕСКИХ МИКРООБЪЕКТОВ

Специальность: 05.13.11 - Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Москва 2005

Работа выполнена в Институте проблем управления им. В. А. Трапезникова РАН

Научный руководитель:

кандидат технических наук

Попова Галина Михелевна

Официальные оппоненты:

доктор технических наук

Каравай Михаил Федорович

кандидат физико-математических наук Сырых Юрий Петрович

Ведущая организация:

Институт электронных управляющих машин РАН (ИНЭУМ РАН)

Защита состоится !У ^ 2005 г. в ^ час. £рмин. на заседании диссертационного совета Д002.226.03 Института проблем управления им. В. А. Трапезникова РАН по адресу: 117997, Москва, ул. Профсоюзная, 65.

С диссертацией можно ознакомиться в библиотеке Института проблем управления им. В. А. Трапезникова РАН.

Автореферат разослан « ^¿¡Л^Ш^Л^_2005 г.

Ученый секретарь диссертационного совета Д002.226.03 доктор технических наук Е. В. Юркевич.

Мб-*.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность диссертационной работы определяется важностью решения проблем улучшения количественных и качественных характеристик компьютерной микроскопической диагностики.

До сегодняшнего дня микроскопическая диагностика на основе анализов клеточных и тканевых структур (микрообъектов)1

на медико-биологических препаратах в гематологии, андрологии, цитогенетике, андрологии и многих других областях проводится врачами вручную под микроскопом и в буквальном смысле «на глаз». Этот процесс (в основном заключающийся в дифференцированном счете микрообъектов) очень трудоемок и утомителен, а возможности получения количественной информации ограничены. Оценки микрообъектов даются в основном субъективные и приблизительные (качественные), такие как «больше - меньше», «темнее -светлее» и т.д. Отсюда - низкая точность диагностики и низкая повторяемость результатов анализа. Все это вызывает необходимость в разработке новых компьютерных технологических средств (математических методов, методик, алгоритмов, программных средств) автоматизации процессов анализа изображений микрообъектов и диагностики заболеваний.

Относительно недавно начали появляться компьютерные системы анализа изображений микрообъектов (компьютерные анализаторы), позволяющие в известной степени автоматизировать этот трудоемкий процесс анализа, а главное, дать возможность специалисту-микродиагносту получить большой объем принципиально новой количественной информации, которая в процессе постановки диагноза уменьшит влияние субъективного человеческого фактора, и тем самым повысит надежность и повторяемость результатов анализа.

1 Под микрообъектами понимаются любые объекты, размеры которых могут быть определены с помощью оптического микроскопа, т.е. 200нм - 1мм. В данной работе рассматриваются медико-биологические микрообъекты, которые включают клетки крови, сперматозоиды, эпителиальные клеточные, тканевые и железистые структуры. РОС. националам ,

3библиотека I

СПетербург 9 « 0 I

о»

Компьютерные анализаторы изображений микрообъектов - это аппаратно-программные комплексы, которые позволяют вводить изображения микрообъектов в компьютер2 с медицинских препаратов, установленных на микроскопе с черно-белой либо цветной видеокамерой. Специализированные программные средства комплексов ориентированы на автоматизацию процессов ввода, поиска, обработки, морфометрического анализа, распознавания, классификации и дифференцированного счета изображений исследуемых микрообъектов. Для достижения максимально возможной автоматизации анализа желательно, чтобы микроскоп был оборудован моторизированным и управляемым с компьютера предметным столиком (для автоматизации процесса поиска заданных микрообъектов на препарате и для реализации процесса автоматической фокусировки), а также объективной турелью для автоматической смены объективов (в случае, если объект не помещается в кадр).

В настоящее время компьютерные анализаторы еще не получили широкого распространения в основном из-за высокой стоимости и часто узкой направленности на определенный тип анализа конкретного препарата, а также жесткой привязки программного обеспечения к оборудованию. Все это не позволяет заменить микроскоп компьютерным анализатором на каждом рабочем месте врача-микродиагноста. Тем не менее, компьютерные анализаторы изображений микрообъектов являются в высшей степени востребованными для анализов с целью выявления патологически измененных клеточных и тканевых структур, особенно для морфометрического3 анализа этих структур, необходимого для достоверности и надежности диагностики заболеваний, а также для обучения студентов мединститутов, врачей клинической лабораторной диагностики, для теледиагностики и телеконсультаций.

2 Компьютер может быть любым стандартным (PC-совместимым, Мае и др.) с любой стандартной операционной системой. В данной работе используется компьютер на базе процессора Intel Pentium 4 с операционной системой MS Windows ХР Pro.

3 Морфометрический анализ подразумевает измерение и вычисление геометрических, яркостных, текстурных, статистических количественных признаков микрообъекта, таких как площадь микрообъекта и составляющих его элементов, критерий формы , цвет, текетурированность и т.д.

Целью диссертационной работы является исследование, разработка и реализация новых универсальных компьютерных технологических средств (методов, методик, алгоритмов, программных средств) для автоматизации процессов ввода, обработки, морфомет-рического анализа, распознавания и классификации изображений разнотипных микрообъектов, что позволяет объективизировать количественные оценки микроскопических исследований клеточных и тканевых структур и тем самым - повысить достоверность и надежность диагностики заболеваний.

Для достижения поставленной цели решаются следующие задачи:

® исследование, разработка и реализация программных средств ввода изображений в компьютер;

® исследование программных средств обработки изображений, формирование методики предварительной обработки изображений медико-биологических микрообъектов и ее реализация;

• исследование, разработка и реализация средств сегментации изображений микрообъектов;

• исследование, разработка и реализация методов преобразования сегментированного изображения, описания объектов на нем (построение контуров и хорд), операций с контурами;

» исследование, разработка и реализация индивидуальных технологических средств морфометрического анализа разнотипных микрообъектов. Методы исследования базируются на теоретическом анализе с применением математического аппарата теории распознавания образов, теории статистических решений, фильтрации сигналов, а также экспериментального программного моделирования методов и технологических средств обработки и анализа изображений.

Научная новизна работы заключается в разработке и реализации новых математических методов, технических и программных средств, ориентированных на решение проблем автоматизации процессов ввода, поиска, обработки (включая сегментацию), морфо-метрии, идентификации и классификации изображений разнотип-

ных микрообъектов, с целью компьютеризации анализов клеточных и тканевых структур для диагностики заболеваний.

Практическая значимость работы заключается в том, что созданы специализированные компьютерные технологические средства для автоматизации обработки, распознавания и морфометриче-ского анализа изображений клеточных и тканевых структур. Разработаны информационные технологии для автоматического поиска микрообъектов, выделения их контура и контуров составляющих их элементов (с автоматизированной коррекцией), распознавания, идентификации и подсчета количества анализируемых микрообъектов в автоматическом и интерактивном режимах.

Исследования, выполненные в диссертации, осуществлялись в соответствии с темами Института проблем управления (фундаментальные НИР):

• 369-98/31 Организация визуальной системы для автоматизированной системы смешанных изображений (1998 2002 гг.)

• 2413-04/31 Исследование и разработка технологических средств анализа и классификации изображений клеточных структур в системах управления медико-биологическими объектами (2003 - 2006 гг.)

• в рамках программы Президиума РАН «Фундаментальные науки - медицине» (2002 -г- 2004 гг.)

Реализация результатов работы. Результаты теоретических и экспериментальных исследований нашли приложение в работах Эндокринолологического научного центра РАМН, Российского научного центра рентгенорадиологии МЗ РФ, Центральной клинической больницы РАН.

Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на:

1. Международной конференции по автоматическому управлению «Автоматика - 2001». «Прогрессивные информационные технологии и системы». Украина, 2001 г.

2. Втором Российском Конгрессе по андрологии. Москва, 2002 г.

3. Конференциях «Фундаментальные науки - медицине». Москва, 2003, 2004 гг.

4. XXXI Международной конференции «Информационные технологии в науке, образовании, телекоммуникации и бизнесе 1Т+8Е'2004». Украина, 2004 г.

5. 7-ой международной конференции «Цифровая обработка сигналов и ее применение». «Цифровая обработка изображений», Москва, 2005 г.

Публикации. Основные результаты диссертации отражены в 9 публикациях.

Структура и объем работы. Диссертация состоит из введения, 4 глав, заключения и 1 приложения, изложена на 116 страницах машинописного текста, содержит 36 иллюстраций, 7 таблиц и библиографический список, включающий 43 наименования.

СОДЕРЖАНИЕ РАБОТЫ

В первой главе дается обзор технологических средств обработки, анализа и классификации изображений медико-биологических микрообъектов. Проводится анализ технических решений по реализации таких технологических средств и трудностей их реализации. Приводятся краткие характеристики существующих компьютерных анализаторов изображений микрообъектов, определяется основное направление повышения эффективности использования таких анализаторов в медико-биологических учреждениях.

Более 30% медицинских анализов приходится на микроскопическую диагностику заболеваний. Поэтому автоматизировать процессы анализа изображений медико-биологических микрообъектов пытаются уже более 10 лет. Возможности автоматического анализа микрообъектов существенно расширились с распространением цветных камер с высокой разрешающей способностью и высокопроизводительных вычислительных комплексов.

Развитие компьютерных анализаторов микрообъектов шло параллельно с развитием методов их анализа, причем с одной стороны развивались методы обработки и анализа изображений, с другой - у врачей формировалась потребность в морфометрии исследуемых микрообъектов, т.е. получении их количественных параметров.

В 1997 году в Институте проблем управления РАН, при поддержке фонда МКНТ, был разработан визуально-компьютерный

морфометрический анализатор «Морфолог». При реализации аппаратной части использовались уникальные компоненты, существующие в единичном экземпляре. Система была предназначена для морфометрического анализа клеток крови и дифференцированного счета лейкоцитарной формулы. Широкое внедрение системы «Морфолог» затруднено по причине использования нестандартных компонентов и высокой стоимости оборудования. В настоящее время появилась возможность собрать систему целиком из серийных компонентов. В связи с этим система «Морфолог» была расширена до системы «Морфолог-сеть». В процессе построения последней системы решались задачи преодоления недостатков существующих систем анализа изображений микрообъектов, а именно:

1. Программное обеспечение системы разрабатывалось с учетом обеспечения его универсальности как с точки зрения типов анализируемых микрообъектов, так и с точки зрения используемого аппаратного обеспечения.

2. Максимизирована возможность коллективного использования системы «Морфолог-сеть» врачами разных специальностей путем разделения операций на те, которые требуют наличия аппаратного обеспечения системы т.е. микроскопа с трехкоординат-ньш управляемым предметным столиком, видео-камеры и управляющего компьютера (ввод изображений) и те, которые могут быть проведены автономно (обработка и анализ полученных изображений) на рабочих местах (компьютерах) врачей-пользователей. Базовая система, предназначенная для ввода изображений, объединяется в локальную сеть с компьютерами пользователей, на которых проводится обработка и анализ изображений.

В этом случае, одну базовую систему возможно поставить в медицинском центре, клинике, больнице, в учебном мединституте и объединить ее в локальную сеть с компьютерами, стоящими на рабочих местах в разнопрофильных диагностических лабораториях, на разных кафедрах этих же организаций, для проведения углубленного анализа, индивидуальной морфометрии, документирования, обучения, консультаций и др. Такое разнопрофильное использование системы позволит наиболее полно загрузить ее и избежать неэффективного использования дорогостоящего оборудования (микроскопа с моторизированным предметным столиком, видеокамеры, управляющего компьютера).

Процесс обработки и анализа микрообъектов в компьютерном анализаторе «Морфолог-сеть» детерминирован и состоит из этапов, представленных на Рис. 1.

Для достижения цели диссертационной работы решались следующие задачи:

• исследование, разработка и реализация средств ввода изображений микрообъектов в компьютер;

® исследование технологических средств обработки изображений, формирование методики предварительной обработки изображений медико-биологических микрообъектов и ее реализация;

® исследование, разработка и программная реализация универсального (с точки зрения использования) метода сегментации изображений микрообъектов;

• исследование, разработка и реализация методов преобразования сегментированного изображения, описания объектов на нем (построение контуров и хорд), операций с контурами;

• формирование методологии формализации знаний врачей об исследуемых микрообъектах;

• исследование, разработка и реализация индивидуальных технологических средств морфометрического анализа, классификации, дифференцированного счета разнотипных медико-биологических микрообъектов (клеток крови (лейкоцитов, эритроцитов), сперматозоидов, клеточных и тканевых структур доброкачественных и злокачественных новообразований).

Во второй главе исследуются и разрабатываются технологические средства ввода изображений со стеклопрепаратов в компьютер и их предварительной обработки.

Для ускорения процесса фокусировки предлагается методика, при которой в процессе ввода изображения в компьютер его преобразование из формата raw в формат RGB производится по алгоритму «билинейная интерполяция», а в процессе фокусировки -«интерполяция по ближайшему соседу».

Предложен метод предварительной обработки изображения для задачи распознавания микрообъектов, заключающийся в оптимизации гистограммы яркости и низкочастотной фильтрации (фильтр «размытия по Гауссу»). Также предложена методика пред-

варительной обработки изображения для задач, требующих качественного визуального представления (например, для коллегиального обсужденитя патологически измененных микрообъектов, для обучения студентов мед-институтов).

Рис. 1. Последовательность операций обработки и анализа микрообъектов в компьютерном анализаторе.

В процессе фильтрации пиксели изображения подвергаются следующему преобразованию:

ММ М + \ М + 1

¿пеЛ^Л = ¿¿¿¿Щ--—- + р,]--Г— + д)Н(р,д),

хи

М = - размерность фильтра,

4000

Х - кратность объектива,

- горизонтальное разрешение матрицы камеры, пике.,

Н(р,д) - весовая функция окна.

В рамках работы по созданию системы «Морфолог-сеть» эмпирическим путем была определена оптимальная размерность фильтра. Она вычисляется из кратности оптической системы микроскопа и разрешения матрицы видеокамеры.

Для улучшения визуального представления изображений микрообъектов предварительная обработка заключается в оптимизации гистограммы яркости и средств повышения общего контраста и краевой резкости.

В третьей главе исследуются и разрабатываются универсальные (с точки зрения использования) технологические средства для сегментации изображений микрообъектов разной природы и их описания.

Сегментация изображений есть процесс распознавания, классифицирующий отдельные пиксели или их группы по принадлежности категориям объекта или фона. Сегментация является наиболее важным и сложным этапом анализа изображений микрообъектов, на этом этапе происходит преобразование нечеткого описания объектов на изображении к однозначному и четкому. Поэтому от качества сегментации зависит точность вычисления морфологических признаков микрообъектов, а следовательно и точность их классификации и диагностики заболеваний.

Трудность автоматизации процедуры сегментации медико-биологических микрообъектов заключается в том, что эти объекты, как и все объекты естественного происхождения, отличаются большим разнообразием строения и большой вариабельностью параметров даже внутри одного класса. Микрообъекты нередко соприкасаются, накладываются друг на друга, их форма часто бывает искажена (за счет неинвазивных методов создания препаратов).

Существенные трудности также вносят разнообразие методов окраски препаратов и изменение характеристик красителей со временем, под воздействием света и воздуха, а также качество дистиллированной воды, используемой для подготовки красителя. Поэтому полностью автоматизировать процесс сегментации изображений разнотипных медико-биологических микрообъектов на сегодняшний день затруднительно.

В работе проводится анализ методов сегментации изображений. Изначально изображение хранится в компьютере в формате RGB. Операции в пространстве RGB затруднены тем, что его компоненты являются кореллирующими. В связи с этим для проведения сегментации было предложено перейти к пространству некорелли-рующих цветовых признаков HSV (Hue, Saturation, Value - Цветность, Насыщенность, Уровень). Существуют и используются и другие пространства некореллирующих цветовых признаков, такие как XYZ, Lab, YES и многие другие. Недостатки этих пространств перед HSV заключаются в том, что они разрабатывались с точки зрения восприятия цветов человеком, поэтому распределение цветов в них не равномерно.

Поскольку полностью автоматизировать процесс определения порогов на изображениях медико-биологических микрообъектов, как уже говорилось выше, затруднительно, был предложен универсальный метод и реализованы программные средства интерактивного определения порогов пользователем. Интерактивная работа с 3-х мерным пространством цветовых признаков невозможна по следующей причине: если для отображения обычной, одномерной гистограммы требуется двумерная плоскость, то для отображения трехмерной гистограммы требуется четырехмерное пространство, что делает невозможной интерактивную работу пользователя с такой гистограммой. При переходе от пространства к плоскости путем исключения одной из компонент требуется уже двумерная гистограмма, проекцию которой на плоскости можно отобразить на мониторе компьютера.

Таким образом, в результате проведенных исследований для сегментации изображений медико-биологических микрообъектов было выбрано пространство некореллирующих цветовых признаков HSV с интерактивным выбором порога. Из цветового пространства HSV можно получить цветовые плоскости HS (цвет-насыщенность)

и НУ (цвет-яркость). Эти плоскости становятся основой для двумерной гистограммы. Пороги сегментации в этом случае представляют собой прямые линии, которые задаются путем присвоения каждой области соответствующей «опорной точки». Эти линии проводятся через центр отрезка, соединяющего каждые две опорные точки, и перпендикулярны ему. Сегментация осуществляется определением минимального расстояния между текущей точкой и опорными точками.

Проекции гистограмм представляют собой круг, по радиусу которого отложены значения насыщенности или яркости, а по окружности - значения цветности, т.е. гистограмма строится в полярных координатах.

Анализ большого количества изображений разнотипных клеточных структур, полученных с помощью микроскопа и видеокамеры, показал, что для разных типов микрообъектов, а также для разных методов окраски препаратов, требуется использовать для сегментации либо гистограмму Ж, либо НУ. Иными словами, одни препараты имеют больше различий в канале насыщенности, а другие - в канале яркости.

Разработана методология выбора оптимальной цветовой плоскости для каждого конкретного препарата. Она заключается в выборе для сегментации цветовой плоскости, в которой области, соответствующие подлежащим сегментации элементам объекта и фона максимально удалены друг от друга. Данная методология подразумевает возможность проведения сегментации в два этапа, если некоторые элементы изображения лучше различаются в плоскости НУ (например, объект и фон), а некоторые - в Ш (например, внутренние элементы объекта). Оптимальная гистограмма определяется пользователем для каждой пары областей, т.е. для каждого порога индивидуально.

В рамках одного препарата краситель, как правило, не имеет значительного разброса характеристик. Поэтому для автоматизации процедуры сегментации предлагается перед началом анализа препарата провести настройку порогов интерактивно, а в процессе анализа автоматически использовать полученные настройки для сегментации остальных объектов этого препарата и (или) других препаратов одной с ним серии.

В системе «Морфолог-сеть» были разработаны программные средства для упрощенного определения порогов: пользователь указывает на изображении те области, которые соответствуют областям сегментации, при этом «опорные точки» автоматически устанавливаются на соответствующие места на гистограмме. В этом случае фазу расстановки порогов можно считать фазой обучения с учителем, а сам процесс сегментации - классификацией пикселей изображения в двумерном пространстве признаков с помощью линейной решающей функции.

Преимущество предлагаемого метода сегментации в цветовых плоскостях перед другими, также основанными на пространстве HSV (или аналогичных), заключается в том, что пользователь наглядно видит распределение точек изображения по обособленным областям и может осознанно, а не «вслепую», устанавливать пороги. Настройка порогов производится для каждого типа препарата один раз, далее она сохраняется и применяется автоматически для всех препаратов данного типа.

Такой подход позволяет сегментировать изображения с медико-биологических препаратов разных типов (гематологических, гистологических, цитологических), содержащие большое количество микрообъектов. Это делает метод универсальным с точки зрения его использования, а следовательно, и использования всей системы анализа изображений микрообъектов.

Экспериментальная оценка точности сегментации по описанному методу показала, что суммарная погрешность автоматической сегментации

7^0,044725.

То есть данный метод позволяет вычислять различные количественные признаки микрообъектов с точностью, превышающей 95%, что является высоким показателем.

Попиксельное определение микрообъектов, полученное в результате сегментации, не пригодно для их распознавания и классификации, так как оно позволяет без предварительной обработки вычислять только площади всех микрообъектов на изображении. Для вычисления остальных признаков микрообъекта (таких, например, как периметр, длина, ширина и т.д.) необходимо перейти от пиксельного определения связной области на сегментированном

изображении к определению, имеющему некоторый семантический смысл. В качестве такого определения применяется описание объекта в виде списка координат точек контура (точек, находящихся на границе объект-фон) и списка координат отрезков строк изображения объекта (хорд).

Для описания объектов на сегментированном изображении в работе предлагается метод построения контуров и хорд на основе метода заполнения ограниченной области «с затравкой». Основное отличие данного метода от существующих заключается в том, что сначала растровое изображение объекта преобразуется в список хорд, а затем на основе информации о хордах строится контур. Экспериментально определено, что этот метод быстрее метода «обхода контура» в 2.4 раза, хотя и не позволяет получить упорядоченный контур. Для большинства задач распознавания необходимость в упорядоченном контуре отсутствует.

В четвертой главе разрабатываются индивидуальные технологические средства морфометрического анализа, классификации и дифференцированного счета изображений клеток крови человека (лейкоцитов, эритроцитов, ретикулоцитов), сперматозоидов, изображений «комет» (специальным образом обработанных ядер лейкоцитов), клеточных и тканевых структур гистологических препаратов. Формируется методология формализации знаний врачей об исследуемых микрообъектах, включающая построение структурной и параметризованной моделей обобщенного описания микрообъекта.

Для построения математической модели обобщенного описания микрообъектов формируется банк изображений разных классов исследуемого типа микрообъектов с описанием их характерных особенностей. При анализе этого банка совместно с врачами-экспертами вырабатывается структурная модель, отражающая все классы микрообъекта.

Структурная модель представляет собой иерархическую структуру объекта и его составных элементов и может быть представлена как объединение одноименных и разноименных составных элементов, образующих микрообъект. Например, обобщенную структурную модель сперматозоида можно представить в

виде:

¿Т.ВД = и С, = и {г, хо,2г,2хо],

ы м

г=(]{ао,лао,во},

хо=(]{х,ш,сч,цк,тк}

</=1

здесь X, В - максимальное количество разноименных форменных элементов С,, входящих в состав сперматозоида, Г - головка, Щ -шейка, СЧ - средняя часть, ХО - хвостовая область, ЦК - цитоплаз-матическая капелька, присутствующая на границе шейки и средней части у незрелых форм сперматозоидов, ТК - терминальная капелька, присутствующая на хвосте (X).

Структурные модели нормального (8ц) и патологически измененного (8л) сперматозоидов соответственно имеют вид:

£77^ ) = ГН л ХОн л2Гл2Х,

Гн=ЛОлПАОлВд,

ХОД=(ХлШлСЧ)лШлЦК

8ТЯ(3П) = (Гн А ХОп ) V 2Г V Гп,

Гя =(Ш л,АО)ч(1д лПАО)ч ВО,

ХОп = X V С¥ V ДК" V 7УС здесь - вакуолярная область, т40 - акросомальная область, ПАО - постакросомальная область, ТК - терминальная капелька, 2Г - две головки, 2Х - два хвоста, Гп - патологически измененная головка, ХОп - патологически измененная хвостовая область.

Параметрическая модель, в отличие от структурной, строится для каждого отдельного класса микрообъектов. Для ее построения проводится выбор информативных признаков, характеризующих различие классов данного типа микрообъектов. Такие признаки называют «значимыми». Их значения вычисляют в результате мор-фометрического анализа. Признаки подразделяются на геометрические, яркостные и текстурные. Из геометрических признаков наиболее часто используются площадь микрообъекта, его линейные размеры (длина, ширина) и критерии формы. Критерии формы могут

быть различными, но для медико-биологических микрообъектов в основном применяется критерий округлости, т.к. округлая форма наиболее типична для клеточных структур. Яркостной признак один - это средняя яркость микрообъекта или его составляющих элементов. Для цветного изображения используется вся информация о цвете или значения отдельных каналов HSV. Текстурные признаки, в отличии от яркостных, характеризуют не среднюю яркость области, а локальные перепады яркости или цвета.

Классификация микрообъектов в работе проводится с использованием логического классификатора. Морфометрический анализ, распознавание разнотипных микрообъектов, их классификация, дифференциация со счетом, в отличие от процедур предварительной обработки изображений и сегментации, требуют индивидуальных методов для каждого типа микрообъектов.

Для оценки функциональных возможностей системы «Морфолог-сеть» исследовались микрообъекты, различные по структуре, размерам, форме и медицинским требованиям к их классификации и диагностике. В процессе исследования решался ряд диагностических задач в таких областях, как гематология, андрология, радиобиология и гистология. Все эти задачи являются актуальными для медицины и позволяют как диагностировать различные заболевания, так и выбирать оптимальную стратегию лечения.

При счете лейкоцитарной формулы периферической крови с использованием системы "Морфолог-сеть" удалось автоматически идентифицировать все зрелые, юные, а также три вида патологически изменённых клеток: гиперсегментированные, вакуолизирован-ные, с токсогенной зернистостью, а также лейкоциты с пельгеров-ской аномалией. Классификационное дерево представляет собой пошаговый алгоритм разбиения множества клеток на подмножества, с учетом принятых весовых коэффициентов, причем при каждом шаге разбиения весовой коэффициент уменьшается, количество клеток в подмножестве сокращается и на последнем шаге каждой ветви остается одна либо несколько не дифференцируемых разноименных, но родственных по характерным признакам клеток. Изображения неопознанных клеток сохраняются для последующего анализа врачем.

Практическое использование системы для подсчета лейкоцитарной формулы осложняется неудовлетворительной скоростью

проведения анализа. Введение такой системы для подсчета лейкоцитарной формулы может быть экономически оправданным, если продолжительность анализа не будет превышать 3-5 мин. при дифференцированном счете 100-200 клеток.

Кривая Прайс-Джонса представляет собой распределение эритроцитов по диаметру. В данной задаче было необходимо классифицировать эритроциты от лейкоцитов и посторонних включений. Для этого использовалось 2 признака - площадь объекта и его округлость. Экспериментальное сравнение точности построения кривой Прайс-Джонса описанным методом (с использованием компьютерного анализатора) и вручную, показало среднее отклонение количества эритроцитов каждого диаметра в 18%. Но главные преимущества данного метода перед ручным - объективизм, достоверность и надежность дифференцированного счета за счет увеличения объема выборки при анализе, а также снижение трудоемкости анализа.

В задаче определения соотношения ретикулоци-ты/эритроциты, в отличие от предыдущей, необходимо было классифицировать эритроциты на ретикулоциты и все остальные. Для этого использовался такой признак как длина контура включений в эритроцит. Невозможность использования для этого площади посторонних включений объясняется тем, что существуют и другие виды эритроцитов, содержащие включения (например тельца Жол-ли). Однако эти включения, в отличие от включений ретикулоцитов (нитевидных) имеют простую округлую форму. Проведенные экспериментальные исследования в компьютерном анализаторе и вручную на 15 препаратах показали, что отклонения в результатах счета составляют в среднем 25%.

Использование компьютерной морфометрии и классификации сперматозоидов позволяет объективизировать их дифференциальную диагностику, прежде всего за счет получения принципиально новой количественной информации, недоступной ранее врачу при обычном визуальном анализе препаратов под микроскопом, а также за счет возможности увеличения объёмов выборки сперматозоидов. Классификация морфологических форм сперматозоидов при дифференцированном счете выполняется соответственно норме и патологии их головок, причем для всех них, независимо от типа головок, определяется наличие или отсутствие дефектов шейки и

средней части, хвостовой части, цитоплазматической капельки, а также состояние акросомальной области головки (см. модель сперматозоида). В результате экспериментальной проверки работы системы с использованием тест-препаратов совместно с врачом-экспертом ЭНЦ РАН было выявлено, что 20-40% сперматозоидов, визуально оцененных специалистом под микроскопом как нормальные, были отсеяны в системе «Морфолог-Сеть» как аморфные при строгой морфометрии, не зависящей от субъективных оценок врачей. Сложность визуальной оценки нормальных головок сперматозоидов заключена в основном в сложности оценки соотношения площадей акросомальной и постакросомальной областей, длины головки к ее ширине и тд.

На основе разработанных в диссертации методов была создана программа-анализатор «комет» для определения индивидуальной радиочувствительности онкологических больных. «Кометой» называют флуоресцентное изображение молекул ДНК в ядре лейкоцита. Специфика данной задачи заключалась в том, что «кометы» представляют собой не области одного цвета, а сгруппированный набор точек разной яркости. Поэтому для подготовки изображения к сегментации предлагается применять фильтр размытия по Гауссу с большим радиусом. Оптимальный радиус фильтра эмпирически определен как 1/10 радиуса средней «кометы», но в некоторых случаях может потребоваться изменение его значения пользователем, возможность чего предусмотрена в программном обеспечении. В результате сильно размытые точки сливаются в объекты с однородной окраской. Поскольку флуоресцентные изображения мо-нохроматичны, метод сегментации, разработанный в 3-ей главе, является избыточным (хотя и теоретически применимым). В данном случае была предложена простая сегментация по гистограмме яркости с автоматическим определением порога (с возможностью его коррекции пользователем). Программа-анализатор «комет» была протестирована в эксперименте по изучению зависимости различных параметров «комет» от дозы облучения в лаборатории цитоге-нетики РНЦРР МЗ РФ. Выявленную в этом эксперименте высокую степень корреляции (г=0,99, р < 10"6) между дозой и количеством ДНК в хвосте «кометы» можно рассматривать как свидетельство того, что программа корректно определяет параметры «комет» на

всем изученном дозовом диапазоне, т.е. при различной степени лучевого повреждения ядерной ДНК.

Морфометрический анализ железистых и эпителиальных структур применяется для диагностики доброкачественных и злокачественных новообразований. В работе предложена методика и технологические средства автоматизации морфологической количественной (морфометрической) диагностики доброкачественных и злокачественных новообразований предстательной железы (ГОК) по материалам игловой биопсии и трансуретральной резекции.

Процесс распознавания доброкачественных и злокачественных новообразований простаты традиционно был разделен на два этапа: обучение и само распознавание. На этапе обучения все микрообъекты, которые встречались в препарате визуально идентифицировались врачом-экспертом. Визуальное представление микрообъектов и их соответственно измеренные параметры позволили выработать основные морфометрические диагностические признаки всех представителей исследуемого класса новообразований. Совокупность выявленных закономерностей, т.е. связей между диагностическими признаками, послужила материалом для создания формальной параметрической модели каждого класса новообразований.

На основе параметрической модели всех типов новообразований простаты выполняется машинная автоматическая идентификация каждого из них. Оценка частоты встречаемости микрообъекта в препарате простаты выполняется путём суммарного дифференцированного счета количества всех типов микрообъектов в каждом отдельном фрагменте, с учётом его степени информативности - т.е. плотности расположения новообразований в строме.

На основе этих оценок выполняется морфометричеекая диагностика всего препарата простаты, путём подсчёта по типам общего количества микрообъектов во всем препарате, с учетом количества и информативности фрагментов, в которых эти микрообъекты присутствовали.

Типы микрообъектов, количество которых меньше 5% от общего количества микрообъектов не рассматриваются. На основании количества остальных микрообъектов присутствующих в препарате судят о заболевании. Если в препарате имеются нераспознанные микрообъекты, то всегда присутствует возможность визуального просмотра их изображений как на экране компьютера, так и

на препарате через микроскоп, т.к. путь к каждому конкретному микрообъекту сохраняется.

Такая машинная морфометрическая диагностика позволяет в случае выявления злокачественного новообразования автоматически определить степень злокачественности различных вариантов рака ПЖ по методу Глиссона, данный индекс является важным прогностическим показателем для рака ПЖ.

Окончательное диагностическое решение принимает врач на основании всех материалов, представленных компьютерным анализатором «Морфолог-сеть» в его распоряжение.

Представленная диагностическая технология проведения морфометрии, распознавания и дифференцированного счета всех новообразований ПЖ в препарате, позволит вывести микроскопическую диагностику заболеваний на более высокий качественный уровень, т.е. позволит избежать неточностей, иногда присутствующих при визуально-субъективной оценке препарата врачом под микроскопом, и сохранить картины изображений эпителиальных и железистых структур, на основе которых ставится диагноз (для контроля, консультаций...). Технология разрабатывалась совместно с врачами (гистологом и патологоанатомом) РНЦРР МЗ РФ.

Все вышеперечисленные технологические средства анализа изображений микрообъектов реализованы с помощью средства быстрой разработки приложений Borland Delphi 6. Разработанное программное обеспечение компьютерного анализатора «Морфолог-сеть» имеет модульную архитектуру и работает под операционными системами семейства MS Windows (начиная с Windows 95).

В заключении сформулированы основные результаты, полученные по диссертационной работе, и даны рекомендации по расширению области применения разработанных методов и технологических средств.

В приложении приводятся полные таблицы результатов экспериментальной проверки точности сегментации.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

В диссертационной работе получены следующие результаты:

1. Разработаны и программно реализованы в компьютерном анализаторе методы и алгоритмы ввода и предварительной обработки изображений микрообъектов; предложенная методика ввода позволила увеличить скорость обновления «живого» изображения при фокусировке в 1.6 раза. Определена зависимость оптимальной размерности фильтра от кратности оптической системы микроскопа и разрешения матрицы видеокамеры, что позволило полностью автоматизировать процедуры предварительной обработки изображений;

2. Предложен новый универсальный метод и разработаны программные средства интерактивной сегментации изображений разнотипных микрообъектов в пространстве HSV (Hue, Saturation, Value - Цветность, Насыщенность, Уровень яркости). Разработана методика выбора цветовой плоскости HS или НУ для изображений разных типов микрообъектов. Произведена оценка точности сегментации по описанному методу, в результате которой получено значение суммарной средней ошибки, составляющее 0,045;

3. Разработан метод и программные средства построения контуров и хорд на основе алгоритма заполнения ограниченной области «с затравкой», который быстрее широко используемого метода обхода контура в 2.4 раза;

4. Разработаны методы и программные средства морфометри-ческого анализа и классификации микрообъектов различной природы;

5. Все разработанные и реализованные технологические средства реализованы в компьютерном анализаторе «Морфолог-сеть» (Институте проблем управления им. В. А. Трапезникова РАН) и в компьютерном анализаторе в Российском Научном Центре Рентге-норадиологии МЗ РФ. Показано, что эти средства позволяют объективизировать и повысить достоверность диагностики заболеваний.

Публикации. Основные результаты, отражающие содержание диссертации, опубликованы в 9 работах (в скобках указан вклад автора в совместных публикациях):

1. Попова Г.М., Дружинин Ю.О., Степанов В.Н. Организация визуальной системы для автоматизированной обработки смешанных изображений микрообъектов / Международная конференция по автоматическому управлению «Автоматика - 2001». «Прогрессивные информационные технологии и системы». Научные труды. Одесса. 2001. Т.2. С. 162-163. (участие в разработке программного обеспечения системы)

2. Попова Г. М., Дружинин Ю. О., Степанов В.Н., и др. Компьютерная морфометрия изображений сперматозоидов / 2-ой Российский Конгресс по андрологии. М.: ЦНМСТ РАМН, 2002. (обработка и сегментация изображений сперматозоидов, участие в построении структурной модели сперматозоида)

3. Попова Г.М., Дружинин Ю.О., Степанов В.Н.. Компьютеризация анализов клеток и тканей в лабораторной диагностике и прикладных исследованиях // Труды Института. Т. XVIII. М.: ИПУ РАН им. В.А. Трапезникова, 2002. С..140-156. (обработка и анализ изображений клеток крови)

4. Попова Г.М., Дружинин Ю.О., Степанов В. Н., Боженко В.К, Добрачева А.Д. Системный подход к вопросам анализа и обработки изображений микрообъектов в лабораторной диагностике и прикладных исследованиях / Конференция «Фундаментальные науки - медицине». Тезисы. М.: Фирма «Слово», 2003. С. 55-56. (обработка, сегментация изображений)

5. Попова Г.М., Степанов В.Н. Анализ и обработка изображений медико-биологических микрообъектов // Автоматика и телемеханика. 2004. № 1. С. 131-142. (обработка, сегментация и анализ изображений)

6. Степанов В.Н. Системный подход к организации компьютерных процессов обработки и анализа микрообъектов. XXXI Международная конференция «Информационные технологии в науке, образовании, телекоммуникации и бизнесе IT+SE'2004» / Материалы конференции // Успехи современного естествознания 2004. № 5. Приложение 1. С. 56-58.

7. Попова Г.М., Дружинин Ю.О., Степанов В.Н., Дятчина И.Ф., Гончаров Н.П., Добрачева АД. Компьютерный морфометри-ческий анализ изображений сперматозоидов // Системный анализ и управление в биомедицинских системах. 2004, Т.З, №4. (обработка, сегментация изображений сперматозоидов)

8. Попова Г.М., Степанов B.K, Дружинин Ю.О., Берщанская А.М., Мельникова КВ. Формализация процедуры морфометриче-ской диагностики доброкачественных и злокачественных новообразований простаты в системе «Морфолог-Сеть». // Фундаментальные науки - медицине. Матер. Конф. Москва, 2004. - М.: фирма «Слово», 2004. С. 81-84. (обработка, сегментация и участие в анализе изображений клеточных и тканевых структур гистологических препаратов)

9. Попова Г.М., Степанов В.Н. Автоматизация процессов сегментации изображений медико-биологических микрообъектов. // 7-ая Международная конф. «Цифровая обработка сигналов и ее применение». Матер. Конф. Москва, 2005. (обработка, сегментация изображений клеточных структур)

Зак. 27. Тир. 100. ИПУ.

РНБ Русский фон

2006-4 15846

ВВЕДЕНИЕ

ОГЛАВЛЕНИЕ

ГЛАВА 1. ОБЗОР АППАРАТНО-ПРОГРАММНЫХ СРЕДСТВ ОБРАБОТКИ, АНАЛИЗА И КЛАССИФИКАЦИИ ИЗОБРАЖЕНИЙ

МИКРООБЪЕКТОВ.

1.1. Развитие технологических средств анализа и обработки изображений медико-биологических микрообъектов.

1.2. Анализ аппаратных средств компьютерных анализаторов изображений.

ГЛАВА 2. РАЗРАБОТКА И РЕАЛИЗАЦИЯ СРЕДСТВ ВВОДА ИЗОБРАЖЕНИЙ МИКРООБЪЕКТОВ В КОМПЬЮТЕРНЫЙ АНАЛИЗАТОР И ИХ ОБРАБОТКИ.

2.1. Анализ и реализация методов автоматической фокусировки и ввода (оцифровки) изображений в компьютерный анализатор.

2.2. Исследование и реализация процесса предварительной обработки изображений микрообъектов.

Выводы к главе 2.

ГЛАВА 3. СЕГМЕНТАЦИЯ ИЗОБРАЖЕНИЙ МИКРООБЪЕКТОВ И ИХ ОПИСАНИЕ.

3.1. Анализ и решение проблемы автоматизации сегментации изображений микрообъектов.

3.1.1. Анализ существующих методов сегментации изображений.

3.1.2. Разработка универсального метода автоматизации сегментации изображений разнотипных микрообъектов.

3.1.3. Методология выбора оптимальной цветовой плоскости для разработанного метода сегментации изображений.

3.1.4. Экспериментальная оценка точности разработанного метода сегментации.

3.2. Разработка методов описания объектов на сегментированном изображении.

3.3. Анализ методов преобразования сегментированного изображения .51 Выводы к главе 3.

ГЛАВА 4. МОРФОМЕТРИЧЕСКИЙ АНАЛИЗ, РАСПОЗНАВАНИЕ И КЛАССИФИКАЦИЯ ИЗОБРАЖЕНИЙ РАЗНОТИПНЫХ МИКРООБЪЕКТОВ, ПРАКТИЧЕСКАЯ РЕАЛИЗАЦИЯ РАЗРАБОТАННЫХ МЕТОДОВ.

4.1. Актуальность решаемых задач.

4.2. Методология формализации знаний врачей об исследуемых микрообъектах, математическая модель обобщенного описания микрообъектов.

4.3. Анализ и реализация методов морфометрического анализа, распознавания и классификации изображений разнотипных клеточных и тканевых структур

4.3.1. Методы распознавания и классификации клеток периферической крови человека.

4.3.1.1. Морфометрический анализ и дифференцированный счет лейкоцитарных клеток.

4.3.1.2. Дифференциальный счет эритроцитов и построение кривой Прайс-Джонса для эритроцитометрии.

4.3.1.3. Счет соотношения ретикулоцитов и эритроцитов для определения ретикулоцитарного индекса.

4.3.2. Методы морфометрического анализа, распознавания и классификации сперматозоидов человека.

4.3.3. Методы и программные средства морфометрического анализа изображений «комет» для оценки индивидуальной радиочувствительности онкологических больных.

4.3.4. Методология и технологические средства компьютерной морфометрической диагностики доброкачественных и злокачественных новообразований предстательной железы.

4.4. Программное обеспечение компьютерного анализатора изображений

Выводы к главе 4.

Актуальность диссертационной работы определяется важностью решения проблем повышения количественных и качественных характеристик микроскопической диагностики.

В современной медицине основными методами установки окончательного диагноза для большого круга патологий, в таких областях как гематология, андрология, цитогенетика, гистология и других остаются цитоморфологические методы. Эти методы подразумевают анализ под микроскопом препаратов клеточных структур крови, костного мозга, спермы, урины и т.д., а также эпителиальных и тканевых структур (в дальнейшем микрообъектов). Диагноз ставит врач на основе анализа отдельных микрообъектов препарата или их совокупности.

До сегодняшнего дня микроскопическая диагностика заболеваний на основе анализа клеточных и тканевых структур (микрообъектов)1 на медико-биологических препаратах в гематологии, андрологии, цитогенетике, андроло-гии и многих других областях проводится врачами вручную под микроскопом и в буквальном смысле «на глаз».

Этот процесс (в основном заключающийся в дифференцированном счете микрообъектов) очень трудоемок и утомителен, а возможности получения количественной информации ограничены. Оценки микрообъектов даются в основном субъективные и приблизительные (качественные), такие как «больше -меньше», «темнее - светлее» и т.д. Отсюда - низкая точность диагностики и низкая повторяемость результатов анализа. Все это вызывает необходимость в разработке новых компьютерных технологических средств (математических методов, методик, алгоритмов, программных средств) автоматизации про

1 Под микрообъектами понимаются любые объекты, размеры которых могут быть определены с помощью оптического микроскопа, т.е. 200нм - 1мм. В данной работе рассматриваются медико-биологические микрообъекты, которые включают клетки крови, сперматозоиды, эпителиальные клеточные, тканевые и железистые структуры. цессов обработки, анализа, распознавания, классификации изображений микрообъектов и диагностики заболеваний.

Относительно недавно начали появляться компьютерные системы анализа изображений микрообъектов (компьютерные анализаторы), позволяющие в известной степени автоматизировать этот трудоемкий процесс анализа, а главное, дать возможность специалисту-микродиагносту получить большой объем принципиально новой количественной информации, которая в процессе постановки диагноза уменьшит влияние субъективного человеческого фактора, и тем самым повысит надежность и повторяемость результатов анализа.

Компьютерные анализаторы изображений микрообъектов - это аппаратно-программные комплексы, которые позволяют вводить изображения микрообъектов в компьютер2 с медицинских препаратов, установленных на микроскопе с черно-белой либо цветной видеокамерой. Специализированные программные средства комплексов ориентированы на автоматизацию процессов ввода, поиска, обработки, морфометрического анализа, распознавания, классификации и дифференцированного счета изображений исследуемых микрообъектов [1, 3, 5, 6, 10, 28, 33]. Для достижения максимально возможной автоматизации анализа желательно, чтобы микроскоп был оборудован моторизированным и управляемым с компьютера предметным столиком (для автоматизации процесса поиска заданных микрообъектов на препарате и для реализации процесса автоматической фокусировки), а также объективной турелью для автоматической смены объективов (в случае, если объект не помещается в кадр).

Трудность автоматизации анализов медико-биологических микрообъектов заключается в том, что эти объекты, как и все объекты естественного происхождения, отличаются большим разнообразием строения даже внутри одного класса. Существенные трудности также вносят разнообразие методов подготов

Компьютер может быть любым стандартным (PC-совместимым, MAC и др.) с любой стандартной операционной системой. В данной работе используется компьютер на базе процессора Intel Pentium 4 с операционной системой MS Windows ХР Pro. ки и окраски медико-биологических препаратов и изменение характеристик химикатов со временем под воздействием света и воздуха.

В настоящее время компьютерные анализаторы еще не получили широкого распространения в основном из-за высокой стоимости и часто узкой направленности на определенный тип анализа конкретного препарата, а также жесткой привязки программного обеспечения к оборудованию. Все это не позволяет заменить микроскоп компьютерным анализатором на каждом рабочем месте врача-микродиагноста.

Тем не менее, компьютерные анализаторы изображений микрообъектов являются в высшей степени востребованными для анализов патологически изо мененных клеточных и тканевых структур, особенно для морфометрического анализа этих структур, необходимого для достоверности и надежности диагностики заболеваний, для обучения студентов мединститутов, врачей клинической лабораторной диагностики, для теледиагностики и телеконсультаций.

Они могут быть использованы как в повседневной деятельности врача — практика (гематолога, цитолога, гистолога, морфолога, андролога и др.) в клинико-диагностической лаборатории для повышения производительности труда, так и при проведении фундаментальных и прикладных исследований в медико-биологических учреждениях, в судебной медицине и т.д., для совершенствования морфологической микродиагностики.

Актуальность данных систем прослеживается и при документировании исследований и результатов анализов. Обычно врач-микродиагност, субъективно оценив препарат, заполняет бланк результатов анализа, а иллюстративная информация микрообъектов проанализированного препарата не прилагается и не сохраняется (препараты на предметных стеклах со временем выцветают и портятся).

3 Морфометрический анализ подразумевает измерение и вычисление геометрических, яркостных, текстурных, статистических количественных признаков микрообъекта, таких как площадь микрообъекта и составляющих его элементов, критерий формы, цвет, текстуриро-ванность и т.д.

Поэтому предлагается вариант совместного (централизованного) использования одной (базовой) автоматизированной компьютерной системы врачами разных специальностей. Для этой базовой системы создать универсальные (с точки зрения использования) технологические средства (методы, алгоритмы, программные средства) ввода, обработки и анализа изображений разнотипных препаратов.

В этом случае возможно одну базовую систему поставить в медицинском центре, клинике, больнице, в учебном мединституте и объединить ее в компьютерную сеть с компьютерами, стоящими на рабочих местах в разнопрофильных диагностических лабораториях, на разных кафедрах этих же организаций, для проведения углубленного анализа, морфометрии, документирования, обучения, консультаций и т.д.

Такое разнопрофильное использование системы позволит наиболее полно загрузить систему и избежать неэффективного использования дорогостоящего оборудования (микроскопа с моторизированным предметным столиком, видеокамеры, управляющего компьютера).

Целью диссертационной работы является исследование, разработка и реализация новых универсальных компьютерных технологических средств (методов, методик, алгоритмов, программных средств) для автоматизации процессов ввода, обработки, морфометрического анализа, распознавания и классификации изображений разнотипных микрообъектов, т.е. для компьютеризации анализов клеточных и тканевых структур при микроскопической диагностике.

Для достижения поставленной цели решаются следующие задачи:

• исследование, разработка и реализация средств ввода изображений в компьютер

• исследование средств обработки изображений, формирование методики предварительной обработки изображений медико-биологических микрообъектов и ее реализация

• исследование, разработка и реализация средств сегментации изображений микрообъектов

• исследование, разработка и реализация методов преобразования сегментированного изображения, описания объектов на нем (построение контуров и хорд), операций с контурами.

• исследование, разработка и реализация индивидуальных технологических средств морфометрического анализа разнотипных медико-биологических микрообъектов.

Методы исследования базируются на теоретическом анализе с применением математического аппарата теории распознавания образов, теории статистических решений, фильтрации сигналов, а также экспериментального программного моделирования методов и технологических средств обработки и анализа изображений.

Научная новизна работы заключается в разработке и реализации новых математических методов, технических и программных средств, ориентированных на решение проблем автоматизации процессов ввода, поиска, обработки (включая сегментацию), морфометрии, идентификации и классификации изображений разнотипных микрообъектов, с целью компьютеризации анализов клеточных и тканевых структур для диагностики заболеваний.

Практическая значимость работы заключается в том, что созданы специализированные компьютерные технологические средства для автоматической обработки, распознавания и морфометрического анализа изображений клеточных и тканевых структур. Разработаны алгоритмические, программные и информационные технологии для автоматического поиска микрообъектов, выделения их контура и контуров составляющих их элементов (с автоматизированной коррекцией), распознавания, идентификации и подсчета количества анализируемых микрообъектов в автоматическом и интерактивном режимах.

Исследования, выполненные в диссертации, осуществлялись в соответствии с темами Института проблем управления (фундаментальные НИР):

• 369-98/31 Организация визуальной системы для автоматизированной системы смешанных изображений (1998 2002 гг.)

• 2413-04/31 Исследование и разработка технологических средств анализа и классификации изображений клеточных структур в системах управления медико-биологическими объектами (2003 2006 гг.)

• в рамках программы Президиума РАН «Фундаментальные науки — медицине» (2002 - 2004 гг.)

Реализация результатов работы. Результаты теоретических и экспериментальных исследований нашли приложение в работах Эндокринолологиче-ского Научного Центра РАМН, Российского Научного Центра Рентгенорадио-логии МЗ РФ, Центральной клинической больницы РАН.

Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на:

• Международной конференции по автоматическому управлению «Автоматика - 2001». «Прогрессивные информационные технологии и системы». Украина, Одесса, 2001.

• Втором Российском Конгрессе по андрологии. Москва, 2002.

• Конференциях «Фундаментальные науки - медицине». Москва, 2003,2004.

• XXXI Международной конференции «Информационные технологии в науке, образовании, телекоммуникации и бизнесе IT+SE'2004». Украина, 2004.

• 7-ой международной конференции «Цифровая обработка сигналов и ее применение». Москва, 2005.

Публикации. Основные результаты, отражающие содержание диссертации, опубликованы в 9 работах (в скобках указан вклад автора в совместных публикациях):

1. Попова Г.М., Дружинин Ю.О., Степанов В.Н. Организация визуальной системы для автоматизированной обработки смешанных изображений микрообъектов / Международная конференция по автоматическому управлению «Автоматика - 2001». «Прогрессивные информационные технологии и системы». Научные труды. Одесса. 2001. Т.2. С. 162-163. (участие в разработке программного обеспечения системы)

2. Попова Г. М., Дружинин Ю. О., Степанов В.Н., и др. Компьютерная морфо-метрия изображений сперматозоидов / 2-ой Российский Конгресс по андро-логии. М.: ЦНМСТ РАМН, 2002. (обработка и сегментация изображений сперматозоидов, участие в построении структурной модели сперматозоида)

3. Попова Г.М., Дружинин Ю.О., Степанов В.Н. Компьютеризация анализов клеток и тканей в лабораторной диагностике и прикладных исследованиях // Труды Института. Т. XVIII. М.: ИЛУ РАН им. В.А. Трапезникова, 2002. С. 140-156. (обработка и анализ изображений клеток крови)

4. Попова Г.М., Дружинин Ю. О., Степанов В.Н., Боженко В.К., Добрачева А.Д. Системный подход к вопросам анализа и обработки изображений микрообъектов в лабораторной диагностике и прикладных исследованиях / Конференция «Фундаментальные науки - медицине». Тезисы. М.: Фирма «Слово», 2003. С. 55-56. (обработка, сегментация изображений)

5. Попова Г.М., Степанов В.И. Анализ и обработка изображений медико-биологических микрообъектов // Автоматика и телемеханика. 2004. № 1. С. 131-142. (обработка, сегментация и анализ изображений)

6. Степанов В.Н. Системный подход к организации компьютерных процессов обработки и анализа микрообъектов. XXXI Международная конференция «Информационные технологии в науке, образовании, телекоммуникации и бизнесе IT+SE'2004» / Материалы конференции // Успехи современного естествознания 2004. № 5. Приложение 1. С. 56-58.

7. Попова Г.М., Дружинин Ю.О., Степанов В.Н., Дятчина И.Ф., Гончаров Н.П., Добрачева А.Д. Компьютерный морфометрический анализ изображений сперматозоидов // Системный анализ и управление в биомедицинских системах. Т.З, №4, 2004. (обработка, сегментация изображений сперматозоидов)

8. Попова Г.М., Степанов В.Н., Дружинин Ю.О., Берщанская A.M., Мельникова Н.В. Формализация процедуры морфометрической диагностики доброкачественных и злокачественных новообразований простаты в системе «Морфолог-Сеть». // Фундаментальные науки - медицине. Матер. Конф. Москва,

2004. - М.: фирма «Слово», 2004. С. 81-84. (обработка, сегментация и участие в анализе изображений эпителиальных и железистых структур гистологических препаратов)

9. Попова Г.М., Степанов В.Н. Автоматизация процессов сегментации изображений медико-биологических микрообъектов. // 7-ая Международная конф. «Цифровая обработка сигналов и ее применение». Матер. Конф. Москва,

2005. (в печати) (обработка, сегментация изображений клеточных структур) Структура и объем работы. Диссертация состоит из введения, 4 глав,

Выводы к главе 4.

1. Сформирована методология формализации знаний врачей об исследуемых типах микрообъектов с использованием структурной и параметризованной моделей.

2. Разработаны и программно реализованы индивидуальные технологические средства морфометрии и классификации (дифференцированного счета) разных типов медико-биологических микрообъектов для решения следующих диагностических задач:

• Счет эритроцитов и построение кривой Прайс-Джонса

• Счет соотношения ретикулоцитов и эритроцитов для определения ретикулоцитарного индекса

• Морфометрия клеток периферической крови человека для дифференцированного счета лейкограммы.

• Морфометрия сперматозоидов человека для определения их нормы и аномалий, для дифференцированного счета спермограммы.

• Морфометрия «комет» для оценки индивидуальной радиочувствительности в лучевой терапии по методу "comet assay"

• Морфометрия клеточных и тканевых структур доброкачественных и злокачественных новообразований в гистологических и иммуноги-стохимических препаратах для диагностики доброкачественных и злокачественных новообразований ПЖ.

ЗАКЛЮЧЕНИЕ.

В диссертационной работе получены следующие результаты. Основные теоретические и практические результаты:

1. Разработаны и программно реализованы в компьютерном анализаторе методы и алгоритмы ввода и предварительной обработки изображений микрообъектов; предложенная методика ввода позволила увеличить скорость обновления «живого» изображения при фокусировке в 1,6 раза. Определена зависимость оптимальной размерности фильтра от кратности оптической системы микроскопа и разрешения матрицы видеокамеры, что позволило полностью автоматизировать процедуры предварительной обработки изображений;

2. Предложен новый универсальный метод и разработаны программные средства интерактивной сегментации изображений разнотипных микрообъектов в пространстве HSV (Hue, Saturation, Value - Цветность, Насыщенность, Уровень яркости). Разработана методика выбора цветовой плоскости HS или HV для изображений разных типов микрообъектов. Произведена оценка точности сегментации по описанному методу, в результате которой получено значение суммарной средней ошибки, составляющее 0,045;

3. Разработан метод и программные средства построения контуров и хорд на основе алгоритма заполнения ограниченной области «с затравкой», который быстрее широко используемого метода обхода контура в 2,4 раза;

4. Разработаны методы и программные средства морфометрического анализа и классификации микрообъектов различной природы;

5. Все разработанные и реализованные технологические средства реализованы в компьютерном анализаторе «Морфолог-сеть» (Институте проблем управления им. В. А. Трапезникова РАН) и в компьютерном анализаторе в Российском Научном Центре Рентгенорадиологии МЗ РФ. Показано, что эти средства позволяют объективизировать и повысить достоверность диагностики заболеваний.

РЕКОМЕНДАЦИИ

Разработанные компьютерные технологии, апробированные на ряде задач распознавания и классификации изображений медико-биологических микрообъектов, также могут быть применены к исследованию и других объектов, в том числе и искусственного происхождения (в области биохимии, металловедения и др.).

115

1. Попова Г. М., Дружинин Ю. О., Степанов В.Н., и др. Компьютерная мор-фометрия изображений сперматозоидов / 2-ой Российский Конгресс по андрологии. М.: ЦНМСТ РАМН, 2002.

2. Попова Г.М., Дружинин Ю.О., Степанов В.Н. Компьютеризация анализов клеток и тканей в лабораторной диагностике и прикладных исследованиях // Труды Института. Т. XVIII. М.: ЮТУ РАН им. В.А. Трапезникова, 2002. С.140-156.

3. Попова Г.М., Степанов В.Н. Анализ и обработка изображений медико-биологических микрообъектов // Автоматика и телемеханика. 2004. № 1. С. 131-142.

4. Попова Г.М., Дружинин Ю.О., Степанов В.Н., Дятчина И.Ф., Гончаров Н.П., Добрачева А.Д. Компьютерный морфометрический анализ изображений сперматозоидов // Системный анализ и управление в биомедицинских системах. Т.З, №4, 2004.

5. Попова Г.М., Степанов В.Н. Автоматизация процессов сегментации изображений медико-биологических микрообъектов. // 7-ая Международная конф. «Цифровая обработка сигналов и ее применение». Матер. Конф. Москва, 2005.

6. Автоматизация процессов анализа изображений медико-биологических микрообъектов. Сб. трудов под ред. Прангишвили И.В., Поповой Г.М., Вып. 7. М.: ИПУ РАН, 1998. 89с.

7. М.Чжен Ш.К. Принципы проектирования систем визуальной информации: Пер. С англ. М.: Мир, 1994.

8. Верхаген К., Дрёйн Р. и др. Распознавание образов, состояние и перспективы: Пер. С англ. М.: Радио и связь, 1985.

9. Ozyildiz Е, Krahnstover N, Sharma R. Adaptive texture and color segmentation for tracking moving objects // Pattern Recognition 35: (10) P. 2013-2029.

10. ХА.Велътмандер П. Основные алгоритмы компьютерной графики. Учебное пособие. Новосибирск: Новосибирский государственный университет, 1997.

11. WHO laboratory manual for the examination of human semen and sperm-cervical mucus interaction, 4-е издание. 1999.

12. Krzysztof Konca, Anna Lankoff, Anna Banasik, Halina Lisowska, Tomasz Kuszewski, Stanislaw Gdzdz, Zbigniew Koza, Andrzej Wojcik. A cross-platform public domain PC image-analysis program for the comet assay./ Mutation Research 534 (2003) P. 15-20.

13. Попова Г.М., Дружинин Ю.О. Информационная технология описания и морфометрического анализа изображений микрообъектов. // Автоматика и телемеханика. 2001. № 4. С. 135-147.

14. Ting Chen. A Study of Spatial Color Interpolation Algorithms for Single-Detector Digital Cameras // Psych221/EE362 Course Project, Information System Laboratory, Department of Electrical Engineering, Stanford University.

15. Борзое C.M., Козик В.И., Потатуркин О.И. Адаптивный метод распознавания малоразмерных изображений с итерационной обработкой корреляционных функций // Автометрия. 1996. № 1. С. 12-21.

16. Кадыров А.А., Филатов Н.Г. Новые признаки изображений, инвариантные относительно группы движений и аффинных преобразований // Автометрия. 1997. № 4. С. 65 79.

17. Богданов К.М., Яновский К.А., Козлов Ю.Г., Пантелеев Б.П., Шихер В.И., Эм B.C. Оптико структурный машинный анализ изображений. М.: Машиностроение, 1984.

18. Автандилов Г.Г. Компьютерная микротелефотометрия в диагностической гистоцитопатологии. М.: РМАПО, 1996.

19. Фор А. Восприятие и распознавание образов. Пер. с франц. М.: Машиностроение, 1989. С. 71 -73.

20. Дружинин Ю. О., Краснов А.Е. Информационные средства обработки и морфометрического анализа изображений клеток / Автоматизация процессов анализа изображений медико — биологических микрообъектов. С б.трудов. Вып.7. М.:ИПУ, 1998. С. 57-68.

21. ЪХ.ТуДж., ГонсалесР. Принципы распознавания образов: Пер с англ. М.: Мир, 1978.

22. Автандилов Г.Г., Барсуков B.C. Системное исследование морфологии иммунных и эндокринных органов при инфекционном процессе // Арх. патол.-1993.-№3.-С.7-12.

23. Автандилов Г.Г. Современные требования к системе автоматизированного цитологического и гистологического исследования // Автоматизация цитологических исследований. Киев: Наукова думка, 1990.-С.6-9

24. Иваницкий Г.Р., Гартштейн В.П. Геометрия живого. Москва: Знание, 1971.

25. ЪЪ.Иваницкий Г.Р., Куниский А.С. Исследование микроструктуры объектов методами когерентной оптики. Москва: Энергия, 1981.

26. Методы оценки клеточной радиочувствительности в лучевой терапии. Пособие для врачей. РНЦРР МЗ РФ М., 2002г

27. Фурман Я.А. Введение в контурный анализ. Приложение к обработке изображений и сигналов. М.: Физматлит, 2003.

28. Handbok for spermaanalyser 1996. Spermiefolgi. Andrology International BV och Andrologilaboratoriet, ReproductionsMedicinskt Centrum, 1996