автореферат диссертации по приборостроению, метрологии и информационно-измерительным приборам и системам, 05.11.17, диссертация на тему:Системы компьютерного анализа диагностических изображений кровеносных сосудов

На правах рукописи

Ильясова Наталья Юрьевна

СИСТЕМЫ КОМПЬЮТЕРНОГО АНАЛИЗА ДИАГНОСТИЧЕСКИХ ИЗОБРАЖЕНИЙ КРОВЕНОСНЫХ СОСУДОВ

Специальность 05.11.17 — Приборы, системы и изделия медицинского назначения

АВТОРЕФЕРАТ диссертации на соискание учёной степени доктора технических наук

'г ЯНВ 2015

005557281 Санкт-Петербург-2014

005557281

Работа выполнена в федеральном государственном бюджетном образовательном учреждении высшего профессионального образования «Самарский государственный аэрокосмический университет имени академика С. П. Королёва (национальный исследовательский университет)» (СГАУ) на кафедре технической кибернетики и в Федеральном государственном бюджетном учреждении науки Институте систем обработки изображений Российской академии наук (ИСОИ РАН).

Научный консультант:

член-корреспондент РАН, доктор технических наук, профессор СОЙФЕР Виктор Александрович

Официальные оппоненты:

ГУРОВ Игорь Петрович, доктор технических наук, профессор, ФГАОУ ВПО «Санкт-Петербургский национальный исследовательский университет информационных технологий, механики и оптики», заведующий кафедрой компьютерной фотоники и видеоинформатики;

БОДИН Олег Николаевич, доктор технических наук, профессор, ФГБОУ ВПО «Пензенский государственный университет», заместитель заведующего кафедрой информационно-измерительной техники и метрологии;

САДЫКОВ Султан Сидыкович, доктор технических наук, профессор, Муромский институт (филиал) ФГБОУ ВПО «Владимирский государственный университет имени Александра Григорьевича и Николая Григорьевича Столетовых», профессор кафедры информационных систем.

Ведущая организация:

Федеральное государственное бюджетное учреждение науки Институт радиотехники и электроники им. В.А.Котельникова Российской академии наук (г. Москва).

Защита состоится «1» апреля 2015 г. в 1400 часов на заседании диссертационного совета Д 212.238.09 Санкт-Петербургского государственного электротехнического университета «ЛЭТИ» им. В.И. Ульянова (Ленина) по адресу: 197376, Санкт-Петербург, ул. Проф. Попова, д. 5.

С диссертацией можно ознакомиться в библиотеке Санкт-Петербургского государственного электротехнического университета «ЛЭТИ» им. В.И. Ульянова (Ленина) (СПбГЭТУ), www.eltech.ru.

Автореферат разослан «19» декабря 2014 г.

Учёный секретарь совета по защите докторских и кандидатских диссертаций -

Садыкова Е.В.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Диссертационная работа посвящена разработке и исследованию новых методов, алгоритмов и информационных технологий компьютерного анализа кровеносных сосудов, а также созданию на их основе автоматизированных систем диагностики сосудов глазного дна и коронарных сосудов сердца.

Актуальность темы

Современная медицина является одной из самых высокотехнологичных отраслей научной и практической деятельности, важнейшая задача которой состоит в разработке новых эффективных методик ранней диагностики различных патологий. Несколько последних десятилетий характеризуются значительным прорывом в области технической оснащённости медицины. Компьютерный анализ изображений стал основным инструментом медицинских диагностических систем, позволяющим существенно повысить качество диагностики. Наиболее активно информационные технологии внедряются в офтальмологию и кардиологию. Исследования в диссертационной работе направлены на анализ изображений сосудов глазного дна и сердца. В обоих случаях изображения кровеносных сосудов несут важную диагностическую информацию. На основании исследования кровеносных сосудов врач не только делает выводы о состоянии органа, но и диагностирует общие системные заболевания, такие как сахарный диабет (СД), полицитемию, анемию, гипертоническую болезнь.

Глазное дно, которое является предметом исследования в офтальмологии, представляет собой сложный объект с высокой плотностью заполнения сосудами и со множеством разветвлений и изгибов. Такие распространённые заболевания, как диабетическая ретинопатия (ДР) и гипертония сопровождаются изменениями структуры сосудистого русла глазного дна, формируя тем самым патологию глаза. Оценка состояния микроциркуляторного русла глазного дна используется также при обследовании системного атеросклероза, инсульта, заболеваний почек и др. Особенно ценным представляется то, что диагностически значимую информацию о глазном дне можно получить с применением неинвазивных методик, без побочных эффектов. Доступность неинвазивного осмотра и визуализации делает сосуды глазного дна наиболее информативными для анализа локальной микроциркуляции и прогностически значимыми в плане оценки гемодинамики всего организма. В связи с этим накоплен большой опыт, фактический материал по изучению, разработке и внедрению в медицинскую практику методов исследований кровеносного русла, анализа изображений сосудов, установления связей между изменениями кровеносных систем и многочисленными видами заболеваний.

Кровеносная система сердца является предметом исследования в кардиологии. Она характеризуется малым количеством сосудов, и её необходимо рассматривать как трёхмерный объект, применять методы цифрового анализа с учётом особенностей трёхмерного изображения. Атеросклеротические поражения сосудов сердца являются основной причиной многих заболеваний (атеросклероз, гипертоническая болезнь, ишемическая болезнь сердца, инсульт).

Таким образом, в медицинской практике всестороннее исследование указанных кровеносных систем является актуальным для диагностики многих заболеваний человека. Сосудистые патологии являются одной из ключевых проблем современной медицины. Несмотря на значительные успехи, достигнутые за последние

десятилетия в диагностике и лечении сосудистой патологии, число больных с поражениями кровеносных сосудов продолжает увеличиваться (Семенова, Бранчевский, Водовозов и др.).

В связи с тем, что эффективность лечения сосудистых заболеваний в значительной мере зависит от точности определения их стадий и степени тяжести, одним из основных направлений в профилактике и лечении заболеваний является совершенствование методов дифференциальной диагностики, включая прогнозирование возникновения заболеваний и донозологическую диагностику (Гавршова, Купеев и др.).

Российская школа физиологов и морфологов, изучающих циркуляцию кровеносных сосудов, придаёт большое значение геометрии сосудистого русла {Гайкин, Александров, Шагал). Геометрические параметры сосудистого русла, по их мнению, не являются случайными, а отражают адаптационные механизмы сосудов к заболеваниям. Западная научно-практическая школа большее внимание уделяет количественному анализу динамических параметров кровотока - линейной и объёмной скорости кровотока. Этот подход и определяет развитие научного приборостроения в этой области (,В1оп<Ла1, й Итоге, Койаг). Клиническое применение такого подхода количественного анализа течения крови ограничено двумя факторами: 1) сложная и дорогая технология и 2) большая неопределённость интерпретации измеренных результатов для клинических целей. Широкое внедрение компьютерной техники и разнообразных устройств ввода видеосигналов дало возможность проводить диагностику методами автоматизированного анализа цифровых изображений. Это позволяет повысить скорость и качество диагностики, получать объективные данные об исследуемом объекте.

В настоящее время преимущественно используется подход, основанный на анализе локального диаметра сосуда. Однако такой подход является ограниченным в понимании процесса развития многих заболеваний. Клинически важными показателями, которые вносят существенный вклад в оценку степени патологии и вероятности развития заболеваний, являются и другие статистические параметры: неравномерность диаметра (чёткообразные изменения вен, локальный спазм артерий), кривизна, извилистость сосудов и др. В связи с этим актуальна решаемая в диссертации задача разработки принципиально нового метода диагностики, позволяющего избежать указанных недостатков, дополнить имеющиеся представления о механизмах развития таких заболеваний, как диабетическая ангиопатия, включающая микроангиопатию, связанную с изменениями сосудов глазного дна, и макроангио-патию, сопряжённую с атеросклеротическими процессами в сосудах сердца, и диагностировать её, начиная с самых ранних стадий. Актуальными задачами являются также разработка новых и эффективных интегральных показателей состояния сосудов на изображениях глазного дна и коронарных сосудов сердца, методов их оценивания, а также создания на их основе автоматизированных систем диагностики, которые позволят стандартизировать постановку диагноза, значительно сократить время обследования.

В диссертации предлагается единый подход к анализу двух классов изображений: микрониркуляторного русла глаза и кровеносной системы сердца. Подход основан на оценивании совокупности геометрических параметров сосудов с целью их дальнейшего диагностического анализа.

В настоящее время во многих странах интенсивно используется подход количественной оценки изображений сосудов для выявления сосудистой патологии в общественных скрининг-центрах с применением автоматизированных систем распознавания образов (Goldbaum, Taylor, Abramoff, Kelvin, Perez-Rovira, Stewart). Однако проведённый анализ существующих на данный момент программных комплексов анализа изображений кровеносных сосудов показал, что большинство из них не имеет прикладного программного обеспечения для измерения полного набора диагностических признаков и постановки диагноза, а содержит лишь средства регистрации изображений, ведения учёта диагностической информации о пациенте и наиболее часто используемые средства для предварительной обработки изображений, повышения качества и маркировки изображений. Поэтому актуальна решаемая в диссертации задача разработки систем анализа субклинических морфологических изменений, позволяющих автоматизировать этапы диагностики и осуществляющих количественный мониторинг патологических изменений сосудов.

Цель и задачи исследований

Целью диссертационной работы является создание методологии выделения диагностически значимой информации на изображениях кровеносных сосудов, разработка и исследование методов, алгоритмов и информационных технологий моделирования, обработки и анализа изображений сосудистых систем, а также построение на их основе компьютерных систем медицинского назначения, обеспечивающих решение задач ранней и дифференцированной диагностики сосудистых заболеваний на основе количественной оценки их морфологических признаков.

Для достижения поставленной цели решались следующие основные задачи:

1. Анализ современного состояния проблемы диагностики сосудистых патологий, выявление основных этапов обработки диагностических изображений кровеносных сосудов и определение информативных показателей клинической диагностики.

2. Создание методологии выделения диагностически значимой информации на изображениях кровеносных сосудов, включающей в себя математические модели, методы и компьютерные системы.

3. Разработка математической модели изображения кровеносных сосудов, позволяющей формализовать описание геометрических параметров и построить диагностические признаки. Разработка методов и алгоритмов повышения точности оценивания геометрических параметров.

4. Разработка системы интегральных показателей состояния сосудов на основе количественной оценки изменений кровеносных систем и методов оценивания их диагностических признаков. Анализ их эффективности в задачах диагностики состояния сосудистой системы человека.

5. Разработка информационной технологии анализа изображений сосудов глазного дна, включающей методологию формирования пространства эффективных признаков для проведения ранней диагностики и профилактики развития диабетической ретинопатии у больных с сахарным диабетом.

6. Разработка информационной технологии восстановления пространственной структуры коронарных сосудов сердца по малому числу рассогласованных ангио-графических проекций, ориентированной на оценивание локальных пространственных геометрических характеристик сосудистой системы и оценивание диагностических параметров.

7. Создание методического, алгоритмического и программного обеспечения диагностических систем поддержки принятия решений врачом-офтальмологом и врачом-кардиологом.

Методы исследования

В диссертационной работе используются методы распознавания образов, компьютерной обработки изображений, математического моделирования, математической статистики. Результаты исследований подтверждены реализацией основных алгоритмов в виде программного обеспечения проблемно-ориентированных систем и проведением вычислительных экспериментов на тестовых и натурных изображениях.

Научная новизна

1. Разработан способ диагностики ранних стадий диабетической ретинопатии, методология построения количественных оценок элементов патоморфологической картины глазного дна, используемых в формировании оценки степени патологии сетчатки, повышения точности измерения диагностических признаков, которые привычны для большинства врачей и могут быть соотнесены с личным врачебным опытом и результатами известных клинических исследований (Патент РФ №:2235496, 10.09.2004, Патент РФ №:2343823, 20.01.2009).

2. Разработана новая обобщённая математическая модель двух классов изображений кровеносных сосудов: сосудов глазного дна и коронарных сосудов сердца, -позволяющая формализовать описание геометрических параметров и сформировать диагностические признаки сосудов глазного дна и коронарных сосудов сердца.

3. Предложен комплекс методов и алгоритмов оценивания базового набора геометрических параметров сосудов, и исследована их эффективность для различных типов сосудов.

4. Для трассировки сосудов и оценивания локальных направлений в диссертации разработан новый метод модифицированного локального веерного преобразования, основанный на анализе радиальных функций яркости в области скользящего сектора внутри окна сканирования. Ранее в работах использовалась модификация лучевого преобразования функции яркости.

5. Задача выделения центральных линий сегмента сосуда решена на основе модифицированного вейвлет-преобразования с использованием ненаправленных двумерных вейвлетов, сконструированных из одномерных согласно предложенной модели сосудов. В работах других авторов не учитывалась модель сосудов, что приводило к выделению, кроме сосудов, различных артефактных деталей.

6. Разработана информационная технология формирования пространства эффективных признаков для анализа изображений сосудов глазного дна. На основе дискри-минантного анализа проведён выбор наиболее информативной группы диагностических признаков, позволившей уменьшить ошибку классификации сосудов на группы нормы и различных стадий патологии (СД) до 2,5 %.

7. Разработана компьютерная система ранней диагностики глазных заболеваний на основе анализа изображений глазного дна, предназначенная для оценки вероятности глазных заболеваний, эффективности лечения и динамического наблюдения сосудистой патологии (Свидетельство об официальной регистрации ПО №2006610764,26.02.2006).

8. Разработана компьютерная система восстановления трёхмерной структуры коронарных артерий по ангиографическим проекциям в условиях рассогласования проекций. Основной идеей восстановления является синхронизация изображений сосудов

на проекциях во времени и пространстве. Новизна метода состоит в оценке направления сосуда на основе анализа пространственной интенсивности внутри сферы возможных направлений. Это позволяет получать достоверный результат восстановления при значительных рассогласованиях исходных данных (Свидетельство об официальной регистрации ПО № 2006610764, 05.12.2013. «Компьютерная система пространственного восстановления структуры коронарных артерий по ангиографическим проекциям». Свидетельство об официальной регистрации программы для ЭВМ № 2013619492, 05.12.2013. «Компьютерная система визуализации пространственной структуры сосудов сердца»).

Достоверность результатов

Достоверность полученных выводов и рекомендаций обеспечена корректностью использования математического аппарата статистического анализа и цифровой обработки изображений, стабильной воспроизводимостью результатов, доказанной при обширных систематических экспериментальных исследованиях на тестовых и натурных изображениях. Достоверность полученных в работе экспериментальных результатов обеспечена на уровне 95 % проведением вычислительных экспериментов и компьютерных расчётов с достаточными объёмами выборки и подтверждёнными результатами клинических испытаний методов диагностики в условиях медицинского учреждения.

Практическая значимость работы

В результате выполненных работ получены научно обоснованные технологические решения, внедрение которых привело к повышению качества медицинской диагностики за счёт получения объективных численных оценок диагностических параметров, позволяющих внести существенный вклад в построение экспертной оценки наличия патологии, степени её выраженности и вероятности развития.

С учётом результатов проведённых научных и практических исследований создан диагностический комплекс анализа изображений глазного дна для ранней не-инвазивной диагностики сосудистой патологии, область применения которого -научные исследования, офтальмологическая и общетерапевтическая практика для ранней диагностики и оценки эффективности лечения таких заболеваний, как сахарный диабет, гипертония, атеросклероз. Использование диагностического комплекса позволяет: осуществлять количественную оценку параметров патологии микроциркуляторного русла и состояния макулярной области сетчатки; оценивать основные типы изменений микрососудов при заболеваниях (среднего диаметра, ар-териовенозного индекса, неравномерности диаметра, извитости сосудов и др.); проводить объективный контроль динамики изменения размеров патологических участков на последовательных изображениях глазного дна; проводить раннюю не-инвазивную диагностику диабетической ретинопатии, оценивать степень патологии заболевания; проводить обучение диагностике и экспертизе сложной патологии сетчатки для врачей-офтальмологов.

Внедрение комплекса в клиническую практику приводит к улучшению качества медицинской помощи населению, заключающемуся в выявлении группы риска с быстроразвивающимися заболеваниями; повышении точности и информативности диагностики; значительном снижении затрат на лечение за счёт уменьшения количества поздних осложнений, требующих лечения в стационаре.

Также практическую значимость имеет информационная технология восстановления пространственной структуры сосудов с целью получения объективных количественных оценок морфологических признаков коронарных сосудов сердца.

Научные положения, выносимые на защиту

1. Эффективным методом диагностики сосудистой патологии по цифровым изображениям глазного дна является использование в качестве интегральных показателей состояния сосудов количественных оценок описанного в диссертации глобального набора геометрических признаков.

2. Обобщённая математическая модель изображений сосудов глазного дна и коронарных сосудов сердца позволяет формализовать описание базовых геометрических параметров, оценивать их и осуществлять формирование диагностических признаков.

3. Для решения проблемы повышения точности вычисления целесообразно использовать комплекс методов и алгоритмов оценивания локальных диаметров, включающий методы косвенного измерения параметров, а также аппроксимацион-ные методы, основанные на использовании различных моделей параметрической аппроксимации яркостного профиля в зависимости от вида анализируемого сосуда.

4. Оценивание локальных направлений сосудов, а также анализ их ветвлений, пересечений и окончаний эффективно выполняется с помощью метода модифицированного локального веерного преобразования, основанного на анализе радиальных функций яркости области скользящего сектора внутри окна сканирования.

5. Метод модифицированного вейвлет-преобразования, основанный на использовании двумерных вейвлетов, сконструированных из одномерных посредством продолжения по второй координате согласно модели сосудов, является эффективным инструментом для решения задачи выделения центральных линий сосудов.

6. Диагностический программный комплекс на основе информационной технологии анализа изображений глазного дна, включающей методы и алгоритмы формирования новых признаков и выделения с использованием дискриминантного анализа диагностически значимых групп признаков, позволяет повысить эффективность классификации сосудов на группы: «норма» и 4 стадии диабетической ретинопатии.

7. Система анализа коронарных сосудов сердца, основанная на информационной технологии восстановления пространственной структуры коронарных сосудов по малому числу ангиографических проекций, позволяет в условиях рассогласования проекций осуществить оценивание пространственных геометрических характеристик сосудистой системы сердца и сформировать диагностические признаки.

Реализация и внедрение результатов работы

Диссертационная работа выполнялась в СГАУ и ИСОИ РАН в соответствии с планами государственных и отраслевых научных программ: региональной программы «Развитие научно-технического и инновационного потенциала Самарской области» (2001-2003); научно-технической программы «Научные исследования высшей школы по приоритетным направлениям науки и техники» (N209.01.01.060); российско-американской программы «Фундаментальные исследования и высшее образование» [гранты С1ШР ЯИХО-014-8А-06, Р008-014-1, У2-М-14-07] (2003-2010); гранта Президента РФ поддержки ведущих научных школ [НШ-7414.2010.9] 2010 г.; ФЦП «Научные и научно-педагогические кадры инновационной России» [госконтракт № 02.740.11.0841] 2009-2012 г.; грантов РФФИ [№ 03-01-00642, №06-07-08006-офи, № 07-08-96611-р_поволжье_а, № 10-07-00341-а, № 12-01-00237-а, № 11-07-

07016-д] 2003-2014 г.; программы № 5 фундаментальных исследований Президиума РАН «Фундаментальные науки - медицине» (2005-2011); программы № 6 фундаментальных исследований ОНИТ РАН «Биоинформатика, современные информационные технологии и математические методы в медицине» (2012-2014), а также хоздоговоров: «3DCVI Project - восстановление пространственного изображения сосудов сердца по данным процесса катетеризации», заказчик - NNT Israel Ltd. 155 Bialik St., Ramat-Gan 52523 ISRAEL (Hospital TelHashomer и HADASA (Jerusalem)) (2003); «Разработка компьютерной системы планиметрических измерений, обнаружения и анализа аномальных структур на изображениях глазного дна» с ООО «Офтальмо-дел», (2003-2004); хоз. договора № 04/2008 от 01.09.2008 г. с Самарской клинической офтальмологической больницей им. Т.И. Брошевского.

Внедрение результатов и рекомендации по их использованию. Результаты работы могут использоваться учреждениями, занимающимися диагностикой заболеваний человека. Потенциальными потребителями являются больницы, диагностические центры федерального, регионального и муниципального уровня и другие медицинские учреждения, в которых используются установки для регистрации диагностических изображений сосудистой системы человека.

Разработанные в рамках исследований методы и алгоритмы анализа диагностических изображений кровеносных сосудов человека для оценки степени сосудистой патологии были внедрены в 2006 году при совместной работе с офтальмологами по созданию макетного образца ПАК «Программно-аппаратный комплекс диагностики глазных заболеваний по изображениям глазного дна» для проведения научных исследований и ранней неинвазивной диагностики диабетической ретинопатии на кафедре офтальмологии ГБОУ ВПО МГМСУ им. А.И. Евдокимова Минздрава России. Также диагностический комплекс анализа изображений сосудов глаза был внедрён для проведения научных исследований, использования в клинической практике и для повышения квалификации врачей при обучении диагностике сложной сосудистой патологии на кафедре глазных болезней ГБОУ ВПО СамГМУ, в Самарской Глазной Клинике Бранчевского, на кафедре глазных болезней Учреждения «Госпиталь «Микрохирургия глаза» г. Бишкек и на кафедре медико-биологических дисциплин НОУ ВПО «Медицинский институт «РЕАВИЗ», система анализа коронарных сосудов сердца - на кафедре лучевой диагностики и лучевой терапии ГБОУ ВПО СамГМУ Минздрава России. Результаты диссертационной работы внедрены и используются в ФГБОУ ВПО СГАУ в практике научных исследований и в учебном процессе при реализации магистерской образовательной программы «Интеллектуальные системы обработки изображений» по курсу «Методы обработки биомедицинских изображений» специальности 010400.68 «Прикладная математика и информатика», по курсу «Методы и средства компьютерной обработки медицинских изображений» специальности 200401 «Биотехнические и медицинские аппараты и системы».

Соответствие диссертации паспорту научной специальности. Содержание диссертации соответствует пунктам 1, 2 паспорта специальности 05.11.17 -Приборы, системы и изделия медицинского назначения.

Апробация работы

Основные результаты и положения диссертации были представлены на 27 конференциях, в т.ч.: 12-th Scandinavian Conference on Image Analysis (Берген, Норвегия, 2001); конференции на 7-й Международной выставке «Samara MedExpo 2002»

(Самара, 2002); 7th International Conference on Pattern Recognition and Image Analysis: new information technologies, PRIA-7-2004 (Санкт-Петербург, 2004); 7th International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI 2004-Conference), Rennes - Saint-Malo, France, 2004; 15th European Signal Processing Conference, EUSIPCO 2007, Poznan, Poland; 8th International Conference on Pattern Recognition and Image Analysis: New Information Technologies» (PRIA-8-2007); 13th European Signal Processing Conference EUSIPCO 2005, Antalya, Turkey, 2005; XVI международной конференции «Лазерно-информационные технологии в медицине, биологии и геологии - 2008», Новороссийск, 2008; конференции Президиума РАН «Фундаментальные науки - медицине», 2010; 8th Open German-Russian Workshop «Pattern Recognition and Image Understanding», OGRW-8-2011, Nizhny Novgorod, 2011; XXV всероссийской научно-технической конференции: «Биотехнические, медицинские и экологические системы и комплексы», Рязань, 2012; 11th International Conference on Pattern Recognition and Image Analysis: New Information Technologies» (PRIA-11-2013), Самара, 2013; VI международной научно-практической конференции «Высокие технологии, фундаментальные и прикладные исследования в физиологии и медицине», (ФизиоМедиб), Санкт-Петербург, 2014.

Публикации

Автором лично и в соавторстве опубликовано 123 научные работы. Основное содержание диссертационной работы отражено в 80 публикациях: 35 статьях в изданиях, рекомендованных ВАК; 3 монографиях; 8 свидетельствах об официальной регистрации программ для ЭВМ; 2 патентах на изобретение, 32 тезисах докладов на международных и всероссийских конференциях.

Личный вклад автора

Результаты, изложенные в диссертации, получены лично автором, вклад автора в работах, написанных в соавторстве, заключается в разработке математических методов анализа диагностических изображений кровеносных сосудов, проведении вычислительных экспериментов. Постановка задач и обсуждение результатов проводились совместно с научным консультантом.

Структура работы

Диссертация состоит из введения, пяти глав и заключения, изложена на 346 страницах, содержит 177 рисунков, 85 таблицы, 9 приложений. Список литературы составляет 324 наименования.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы, изложены цель и задачи исследования, дана общая характеристика работы, показана научная новизна полученных результатов, сформулированы основные положения, выносимые на защиту.

В Главе 1 представлен анализ состояния проблемы диагностики кровеносных сосудов в офтальмологии и кардиологии. Выявлены клинически важные показатели, используемые при диагностике сосудистых патологий.

На основе аналитического обзора отечественной и зарубежной литературы, существующих методов исследования сосудов делается вывод о том, что для целого ряда заболеваний повысить оперативность и точность диагностики, а также сократить сроки лечения можно, используя подход количественной оценки изображений сосудов.

В разделах 1.1,1.2 доказана актуальность приводимых в диссертации исследований. В области медицины разработка неинвазивных методов диагностики, не травмирующих пациентов, или методов, приносящих пациентам минимальные неудобства, является актуальной задачей. Актуачьными являются методы, которые позволяют предоставлять в распоряжение врачей объективные данные. Среди них следует выделить методы получения количественных оценок геометрических характеристик сосудов. Также представлен анализ сосудистой системы при сахарном диабете и артериальной гипертензии, продемонстрированы связи между изменениями кровеносных сосудов и ранними стадиями данных заболеваний.

Проведённый в разделе 1.3 аналитический обзор основных подходов к цифровому анализу изображений сосудов позволил выявить основные этапы обработки диагностических изображений, а также сравнить различные методы выделения и количественного оценивания морфологических признаков сосудов. Показано, что большое количество статей посвящено доказательной медицине (21 %), где определены необходимые требования врачей к задачам цифрового анализа сосудов и представлены множественные исследования в этой области для установления связей изменения морфологии сосудов с основными заболеваниями. Анализ показал, что в основном все силы исследователей брошены на решение задач выделения сосудистой системы человека (31 % - сегментации, 10 % - трассировки) (Ргаг, СоЫЬаит, Абрамов, Терехова, Насонов). И хотя результатом доказательной медицины является необходимость количественного анализа сосудов для диагностики заболеваний, а именно: оценка морфологических признаков и повышение точности оценивания диаметра сосудов, - данному направлению посвящено наименьшее количество статей (9 %), что говорит о недостаточной изученности данного вопроса. Учёт характерных особенностей изображений сосудов позволил выбрать эффективный алгоритм диагностического анализа данных классов изображений. Анализ опубликованных работ позволил сделать вывод, что актуальными задачами являются разработка новых и эффективных морфологических признаков кровеносных сосудов и методов их оценивания, а также создание на их основе автоматизированной системы анализа количественных показателей, которая позволит в дальнейшем стандартизировать постановку диагноза, значительно сократить время обследования, а также его стоимость.

Во второй главе развивается и исследуется математическая модель изображения кровеносных сосудов, основанная на разделении геометрических характеристик сосуда на локальные параметры, рассчитываемые непосредственно в процессе трассировки (прослеживания сосудов), и интегральные (глобальные) признаки, которые далее используются для формирования классификационных признаков.

Для формирования локальных признаков введены такие понятия, как характеристики трассы сосуда и конфигурации его границ, которые будем называть стенками сосуда (рис.1):

Трассу определим параметрически заданием центральной линии и функции толщины сосуда г О):

{

y{t) = {x(t),y{tj),

*0

г = г{0,0 </<!,..

Центральная линия сегмента сосуда представляет собой линию, образованную центрами отрезков наименьших длин, соединяющих границы сосуда, и в непрерывном виде она может быть записана как регуляр-

Рис.1. Модель ветви сосуда

ная кривая с натуральной параметризацией. Отсюда однозначно можно определить следующие локальные параметры сосудов: направление трассы в каждой точке <p(t),

tg<p(t) = . локальНуЮ ВЫСоту f(t) (см. рис.1) и кривизну сосудов k(t),

dy(t) / dt

d2r(t) dr

нию в процессе трассировки и позволяют определить геометрические признаки со-

7' / 7, средняя кривизна

£(?)= " [X' • Указанные параметры оцениваются непосредственно по изображе-

судов, такие как: вариация толщины сосуда Ktl

з

= -у/г2 —

к--т\\

1 +

dx,

dt, прямолинейность

Kp=Lr/L,

характеристики

конфигураций стенок и трассы. При описании конфигураций стенок и трассы сосуда введём допущение о гармоническом характере функций направления и толщины: = А0 соз(а>01 + а2), ^(0 = А, сов(ще + а,). При этом будем рассматривать только те участки сосуда, которые соответствуют основной гармонике с частотой, пропорциональной количеству экстремумов данных функций согласно начальному определению извитости в медицине. Т.е. отбрасываем несущественные изменения, которые обычно сосредотачиваются в конце сосуда. Таким образом, мы можем определить популярные в визуальной диагностике геометрические характеристики сосудов, такие как степень изогнутости стенки сосуда А„, извитость стенки сосуда со0, степень изогнутости трассы сосуда А, и извитость трассы ю, как соответствующие амплитудные(А(1,А: - амплитуда толщины и трассы) и частотные (а>0,со, - частота толщины и трассы) характеристики функций толщины и направлений, методы оценки которых представлены в главе 3.

Все рассматриваемые в диссертации признаки геометрические, они вычисляются с использованием классических определений математического анализа и соответствующих численных методов вычисления расстояний и производных различных порядков. Из-за погрешности исходных данных, связанной с дискретизацией, шумами квантования и геометрическими искажениями, возникающими в устройстве ввода, соответствующие численные методы дают большие погрешности. На примере одного из самых распространённых признаков, описывающих изменяющуюся форму сосуда, - кривизны показано, что относительная погрешность признака неограниченно возрастает в точках перегиба сосуда, причём при уменьшении шага дискретизации количество таких точек увеличивается.

Таким образом, использование классических определений и численных методов для формирования признаков неприменимо из-за погрешности исходных данных. Поэтому необходимо разрабатывать методы и алгоритмы для оценивания этих признаков, устойчивые к шумам регистрации исходного изображения.

Для анализа трёхмерных изображений сосудов в диссертации была введена пространственная модель сосудов (рис. 2), описываемая следующим параметрическим уравнением пространственной трассы сосуда: x = t,

у = А\ sin üj^sin a>rt, z = Л, sin a?¡t cos cort, r = r + A0 sin co0t, где A, - амплитуда колебания трассы, A0 -амплитуда колебания толщины, <я,- частота колебания трассы, со„- частота колебания

толщины, ш - частота вращения трассы. „ „ ч

Рис.2. Пространственная модель сосуда

В разделах 2.2-2.4 предложены методы и алгоритмы оценивания локальной толщины сосуда с целью выбора наиболее эффективного для различных типов сосудов (вена, артерия, наличие рефлекса). Исследуются метод косвенного измерения параметров, а также аппроксимационные методы, основанные на использовании различных моделей параметрической аппроксимации яркостного профиля. Показано, что для обеспечения высокой точности оценивания необходимо использовать различные модели яркостного профиля сосуда в зависимости от вида анализируемого сосуда. Для каждой модели профиля построен теоретически обоснованный алгоритм оценивания толщины.

В основе аппроксимационных методов оценивания лежит идея параметрической аппроксимации яркостного профиля, выделенного на изображении фрагмента исследуемого сосуда. Для определения параметра толщины (D) используются предложенные в диссертации модели яркостного профиля. В качестве целевой используем функ-

Т

цию J(D) = ^(y{x,D) -у(х) )'dx —»min, где y(x,D)~ модельная функция профиля яр-

0

кости; у(х) - исходный профиль яркости, Г - длина отрезка анализа функции яркости. Аппроксимации подвергается срез функции яркости изображения, взятый перпендикулярно направлению сосуда. Использовались:

[lm,\x-x\<DI2,

прямоугольная аппроксимация: ,/min,/mas,Z)) = ■

иначе,

- дробно-рациональная функция: у(х,£>)= ^

- ступенчато-многочленная модель: у =

- парабола 4-й степени + ступень: у =

x+D С, \х\>А,

ах2 + с, |х| < А,

Р, |х| > А,

ах4 + Ъх2 + с, |х| < А.

В основе спектральных методов лежит дискретное преобразование Фурье конечной последовательности. Для обеспечения инвариантности к сдвигу профиля относительно центра сосуда производится аппроксимация квадрата модуля спектра, который является вещественной чётной функцией. Таким образом, задача параметрической аппроксимации спектра профиля заключается в минимизации целевой функции:

ЛМ / I ~ |2 \2 ~ м~х ~ 2к

= ^ (от,о)-\р{т)\ -> тт , где .Р(от) = ^/(и)ехр(-г'—пт)- дискретный

ш=<Л ' ° »=о N

спектр исходного профиля, Р(т,В) = + у4т ™.

Косвенный метод (КМ) толщины сосуда основан на анализе выборки отсчётов поля изображения, попавших на границу круглого, сканирующего вдоль ветви структуры окна радиуса К (полярной рамки). Для уменьшения влияния помех на исходном изображении производится фильтрация отсчётов рекурсивным усреднением по окну малого размера.

Исследования методов проводились на различных видах искажений: аддитивном гауссовском шуме и «размытии». Также исследовалось влияние на работу методов размера анализируемого профиля относительно толщины сосуда. Сравнительные исследования показали высокую точность и устойчивость, которую можно гарантировать вплоть до соотношения шум/сигнал, равного 0,40. При этом среднее значение ошибки не превысило 2 %. На модельных изображениях с радиусом размытия, равным 4, относительный размер профиля сосуда заметно влияет на точность оценивания диаметра только для метода КМ. При этом его критичным значением, которое соответствует размеру круглой рамки, является 1,5. Уменьшение его приводит к резкому падению точности оценивания диаметра. Проведённые исследования работы пяти методов оценивания параметра толщины сосудов и нескольких моделей профиля сосуда при различных искажениях позволили указать наилучшие соответствия.

Для оценки локальных направлений сосудов предложен метод модифицированного локального веерного преобразования (МЛВП), описанный в разделе 2.5. В основе метода лежит преобразование Радона, которое модифицируется таким образом, чтобы эффективно анализировать ветвления, пересечения и окончания сосудов при наличии ряда мешающих факторов, например, близлежащих сосудов.

Метод МВЛП основан на анализе распределения функции яркости скользящего сектора внутри окна трассировки в зависимости от его радиуса, размера и угла поворота. Направление оценивается исходя из сохранения найденных локальных минимумов анализируемых функций преобразования для всех рассматриваемых радиусов окна (рис. 3). В диссертации предложена следующая формула МЛВП:

1 к г - I2

/■(М=/

п

кв

N У 2К +1

-/-сое а +

п . ( кв

у0 н--гвт

N [ 2К +1

где (х„,у0)- текущая точка сосуда, а - полярный угол, определяющий поворот сектора, 9 - угловой размер сектора, г - радиус сектора, Ы,К~ параметры дискретизации радиуса и сектора.

Анализируя среднюю яркость и дисперсию радиальной функции в зависимости от угла, можно также оценить толщину сосуда, определить направление, идентифицировать точки ветвления. Для увеличения надёжности выполняется преобразование для некоторого диапазона радиусов.

Средняя яркость

1 2 3 4 5

165°

205° 285"

360°

0° 30° 70°

Рис.3. Иллюстрация: слева - круговой области с поворотом сектора, справа — идеальных графиков функций секторальных параметров (среднее, дисперсия)

При условии, что текущая точка МЛВП (х0,уи) находится внутри сосуда, известна оценка локального направления сосуда а, и имеется два локальных мини-

Зл-

мума МЛВП в точках а н— и а +

• 2 ' 2

виде:

с1 = Ы

оценка диаметра сосуда была получена в , где для упрощения обозначено

Исследования на модельных изображениях показали, что метод является устойчивым к аддитивному шуму и неоднородностям фона. Так, при оценивании локального диаметра метод обеспечивает ошибку не более 3 % при отношении шум/сигнал меньшем 0,5. Исследовалось также влияние кривизны сосудов и количества углов усреднения. Экспериментальные исследования показали значительное уменьшение ошибки оценивания при увеличении углов усреднения и достаточно стабильную работу при уменьшении радиуса кривизны сосуда. Оценка направлений проводилась на изображениях, содержащих различные виды разветвлений. Сравнительные исследования с другими методами показали, что метод МЛВП даёт наименьшую ошибку оценивания углов разветвлений, фиксирует на изображении большее количество правильных разветвлений, даёт наименьшую ошибку обнаружения ложных разветвлений и является самым устойчивым к аддитивному белому шуму.

Для выделения сосуда на диагностических изображениях в диссертации были разработаны и исследованы алгоритмы трассировки с использованием метода прямого поиска направлений и метода МЛВП.

Алгоритм трассировки с использованием метода прямого поиска направлений

(ПМ) основан на анализе распределения функции яркости вдоль границы сканирующей полярной рамки. Метод фиксирует сразу два направления возможного обхода ветви, что позволяет находить дальнейшее направление с большей точностью. Достоинством является быстрота работы, недостатком - выход трассы за пределы сосуда в достаточно сложной его конфигурации. Поэтому в данных ситуациях применяется метод МЛВП, представленный выше.

Для сравнения работы методов были также реализованы два известных алгоритма трассировки Sun и Bolson (Bol), основанных на анализе геометрической структуры сосудов, где направление движения по сосуду выбирается исходя из анализа ширины сосуда в текущей точке. Экспериментальные исследования алгоритмов на натурных изображениях позволили сделать вывод, что методы, предложенные в диссертации, более помехоустойчивы за счёт использования дополнительной фильтрации шумов и усреднения. Вероятность сбоя предложенных алгоритмов начинает резко увеличиваться только при отношении шум/сигнал больше 0,48, в отличие от алгоритмов Sun и Bol, которые теряют устойчивость работы уже при отношении шум/сигнал, равном 0,15 (рис. 4). Метод МЛВП является более устойчивым к структурной сложности объекта, а также показал достаточно низкую чувствительность к импульсному и аддитивному шуму. Метод даёт значительно меньшую ошибку отклонения трассы алгоритма трассировки при отношении шум/сигнал больше 0,3.

В разделе 2.5 предложен метод выделения центральных линий сосудов с использованием модифицированного вейвлет-преобразования, который используется в одном из этапов информационной технологии построения ЗБ дерева коронарных сосудов. Метод основан на использовании двумерных вейвлетов, сконструированных из одномерных согласно модели сосудов посредством продолжения по второй координате:

С целью получения вейвлет-образа, инвариантного к яркости различных сосудов, введён параметр нормировки на энергию сигнала в пределах носителя вейвлета. Вследствие того, что на изображениях сосуды имеют произвольную ориентацию, вместо классического вейвлета был использован четырёхпараметриче-ский вейвлет:

; к ¡ и, 11

0,53 0,500,48 0,45 0,42 0.390,37 0,34 0,31 0,29 0,260,23 0,21 0,18 0,150,13 0,300,07 0,040,02

Отношение шум/сигнал Рис. 4. Зависимость вероятности выхода трассы за границы сосуда от величины отношения шум/сигнал

из которого путём уменьшения размерности был выделен набор изображений поля

направлений для различных значений масштаба а : D{a,b) = arg шах в\ .Здесь

о<е<л

f(xt,x2) - исходное изображение, b = (b,,b2) - координаты точки вейвлет-образа, (х[ х[ У = Gä ■ (х, х2 У, Ge - матрица поворота вейвлета на угол в. С целью уменьшения погрешности при поворотах вейвлета было предложено поворачивать изображение с билинейной интерполяцией значений яркости. С полученным изображением fe{kvk2) производилась рекуррентно свёртка вейвлета с нулевым углом поворота.

Результирующий вейвлет-образ определяется соотношением:

W(a,b) = max[\Vf](a,b,e), где [Wf}(a,b,0) получено поворотом \Wf^(a,b,0) относи-

тельно центра

«М X лш-т-^—т

t^a-di.-ajy (2-a-ii+l)

I I /ад

Д., = V

М ( м

Г'-/' I 1+1

к2 + 0.5' иг* , -0.5^1

-- ,

а V а J

У,- ■ А* , где

,4>{х) = х-е

^Ь = + й,. Ь2) ■ (ч' ((2 • а)"') - Ч' (-(2. )), = (Аг, + А, ,Лг2 + 62> + + Ь,, + ).

Экспериментальные исследования метода проводились на изображениях диска зрительного нерва (ДЗН). На рис. 5 показаны графики зависимостей значения функции вейвлет-образа для фиксированных точек от масштаба а, откуда видно, что максимум функции преобразования смещается в зависимости от диаметра оцениваемого сосуда, которому принадлежит данная точка. Диаметр в некоторой точке (б,,6,) можно оценить по следующей формуле:

d = 2 ^ arg max W ( а, bt, b2) +1 j • А +1,

где Д - половина ширины главного лепестка вейвлета. Метод показал высокую точность выделения центральных линий сосудов, высокую помехоустойчивость (за счёт сглаживающих свойств вейвлета) и инвариантность по отношению к ориентации и яркости сосудов. Устойчивость метода можно гаранти-

■ 0,7 0,6 ! 0,5

® ' «V. .....................

ЧШж

0 1 2 3 4 5 6 7 8 9

0 1 2 3 4 5 6 7 8 9

I °-7 I 0А 0,1

0 1 2 3 4 5 6 7 8 9

ровать при отношении Рис. 5. Графики зависимостей \¥(а, Ь) от масштаба при шум/сигнал меньше 0,9, при фиксированных значениях 6, и Ь,: верхний график соответствует точке 2 на изображении (с/ = 7), средний -точке 1 = 9). нижний - точке 3 (с/ = 13)

этом значения СКО трассы составляет не более 0,6 пикселей (рис. 6).

Отношение шум/сигнал Масштаб

Рис.6. Зависимость СКО центральной линии: слева — от значения шум/сигнал, справа-от уровня шума для разных масштабов (изменяется от 10 до 40)

Третья глава посвящена исследованию и решению проблемы разработки системы интегральных показателей состояния сосудов на основе количественной оценки прижизненных изменений кровеносных сосудов и методов оценивания их диагностических признаков. Предложена методология построения количественных оценок морфологических признаков сосудов, используемых в формировании оценки степени сосудистой патологии, повышения точности измерения диагностических признаков, которые привычны для большинства врачей и могут быть соотнесены с личным врачебным опытом и результатами известных клинических исследований. Предлагаются методы выделения диагностически значимой для медицинских задач информации о состоянии сосудистой системы человека и определения эффективных признаков.

В качестве интегральных показателей состояния кровеносных сосудов предлагается использовать глобальный набор геометрических признаков, представленный в таблице 1. Он формируется на основе базового набора локальных геометрических параметров, достаточно полно описывает диагностические изображения и позволяет проводить эффективную диагностику сосудистой патологии.

Экспериментальные исследования методов оценивания геометрических признаков проводились на тестовых двумерных и трёхмерных изображениях трасс с заданными значениями частот и амплитуд центральных линий и стенок сосудов, а также с заданной частотой вращения. Средняя относительная погрешность вычисления признаков трассы на 100 измерениях составила 2 %, признаков толщины -1 %. Экспериментальные исследования влияния аддитивного и импульсного шумов на качество оценок диагностических признаков, кластеризация признакового пространства на модельных изображениях, а также исследования влияния шумов на количество ошибок кластеризации подтвердили устойчивость работы предложенных методов оценивания глобального набора признаков сосудов. Кластерный анализ продемонстрировал принципиальную возможность использования признаков в качестве диагностических характеристик состояния сосудов. Ошибка классификации не превышает 8 % вплоть до соотношения шум/сигнал, равного 0,45. Погрешность оценки признаков составляет не более 4 % при значении шум/сигнал, не превышающем 0,20.

В разделе 3.5 предложена технология анализа информативности разработанных глобальных признаков сосудов и выделения диагностически значимой информации на основе дискриминантного анализа, включающая алгоритм формирования пространства эффективных признаков (рис. 7), максимизирующих критерий разделимости сосудов и позволяющих классифицировать сосуды на группы: «норма» и 4 степени СД.

Средний диаметр £> = 2г=—У КО

Чёткообразность 3 = \17-Г2 17

Прямолинейность Рг -

Амплитуда толщины

Частота толщины 2л пг , п, , / ч ( .ЪлптЛ ®о- л а^тахЯ(ш), Д(т)- 2/(ОехР I N 1 <т<Ы \ N )

Извилистость толщины /о = А®»

Амплитуда трассы где Е(к)~ элт 1п /,+М 1+ 1 1 , ' [иптический инте] л-1 фал 2-го рода

Извилистость трассы /, определяется из уравнения: Рг = —М+12[ -Е{к\к = 1,Ц 1+/,2 К

Частота трассы =1,/А

Частота трёхмерной трассы 1 ю, = —aгgmax 2 т V-!_ 2ю 2» /1=0 —г 1 ? „ =-—Д со82Й,/„

Частота вращения трассы ""Л А2 (тгРг/г^ + Л,2®,2;

Исследование методов проводилось также на натурных изображениях, полученных в Московском государственном медико-стоматологическом университете на кафедре офтальмологии при исследовании 151 пациента с СД, которые были разделены на 4 группы - с функциональной, субклинической, манифестной и препро-лиферативной стадией ДР. Следует отметить, что для офтальмолога важна ранняя диагностика ДР, включающая 1-3 стадии патологии. Объем выборки составил 9255 измерений. Она включает в себя выборки 4 групп сосудов, диагностируемые врачами отдельно: артериолы первого порядка, артериолы второго порядка, венулы первого порядка, венулы второго порядка.

Технология анализа основана на отборе признаков, имеющих наибольшее значение критерия разделимости, а также на полном переборе с последующим формированием новых признаков, максимизирующих данный критерий.

Критерии разделимости У, и Зг формируются с использованием матриц рассеяния

между классами и внутри классов В: ./^»-((УУ + В) 'в|, ,/2 ^^'(ЛУ + В)].

В результате дискриминантного анализа для каждой группы сосудов были определены лучшие признаки по критерию разделимости.

Было показано, что в каждой группе сосудов эффективен свой набор геометрических признаков, что подтверждается клиническими исследованиями [4] (рис. 8). Подсчитана ошибка классификации для каждой группы сосудов до и после работы алгоритма. Применение пространства новых комбинированных признаков меньшей размерности позволило повысить критерий разделимости признаков для артериол первого порядка на 32 %, второго порядка на 14,1 %, для вен первого порядка на 25,9 % и второго порядка на 15,8 %, а также снизить ошибку классификации сосудов по классам «норма» и четырём степеням «патоло-

Подготовительный этап

Получение данных модели ♦

Классификация объектов ♦ -

Расчет признаков

Формирование новых признаков

\

Нахождение собственных чисел и векторов

I

Нахождение коэффициентов дискриллинатных функций

Формирование признаков

на основе значений дискриминантных функций

Анализ базовых признаков

Нахождение корреляционной _ матрицы_

Нахождение матриц рассея ния

Расчет критериев разделимости

Выбор признаков для формирования новых

Проведение классификации с использованием выбранных _признаков

Расчет структурных коэффициентов

Анализ результатов

Анализ сформированных признаков

Анализ дискриминантных фунн ций *

Нахождение корреляционной матрицы и матриц рассеяния для новых признаков

Расчет критериев для новьх _признаков_

Проведение классификации с использованием новых призн; ков

Рис. 7. Алгоритм анализа информативности и построения эффективных диагностических признаков

гии» в группах минимально до 2,4 %. Клинические испытания методологии количественного оценивания диагностических признаков подтвердили достоверность результатов, а также высокую воспроизводимость. Метод цифровой обработки изображений глазного дна был утверждён департаментом здравоохранения города Москвы дг.я применения в медицинской практике.

Извилистость трассы Частота трассы Амплитуда трассы Извилистостьтолщины Частота толщины Амплитуда толщины Четкообразность Прямолинейность Средний диаметр

Извилистость трассы Частота трассы Амплитуда трассы Извилистость толщины Частота толщины Амплитуда толщины Четкообразность Прямолинейность Средний диаметр

О 0,2 0,4 0,6 0,8 1 1,2 1,4 1,6

Рис.8. Значения критериев разделимости признаков по классам «норма» и 4 стадии СДдля некоторых групп сосудов (слева - артерии 1-го порядка, справа - вены 2-го порядка)

Наиболее полную информацию для диагностики состояния системы коронарных сосудов можно получить только по 3D структуре исследуемого объекта, которая позволяет рассчитать необходимые параметры и диагностические признаки.

Неоднозначность, возникающую при переходе к пространственной структуре сосудов, необходимо устранять специальными методами.

В Главе 4 решена задача восстановления пространственной структуры сосудов по малому числу наблюдаемых плоских проекций, которая относится к классу некорректных задач и поэтому является чрезвычайно сложной. Сложность усугубляется динамичностью объекта наблюдения, что приводит к тому, что фактически мы наблюдаем рассогласованные во времени проекции объекта из-за неодновременной регистрации. Кроме того, на рентгеновских ангиографических проекциях присутствует шум, связанный с использованием источника рентгеновского излучения малой мощности. В настоящей работе предложена информационная технология автоматического восстановления трёхмерной структуры сосудистой системы и оценивания её геометрических признаков, основным методом которой является одновременный анализ изображений сосудов на проекциях с параллельным восстановлением пространственной геометрической структуры дерева сосудов. Особенность технологии - использование ма-

лого числа ангиографических проекций. Она позволяет по имеющимся зашумлённым центральным проекциями динамического объекта, полученным в разные моменты времени, при отсутствии точной информации о геометрии съёмки восстановить пространственную структуру объекта, наиболее близко соответствующую данным проекций. Общая структурная схема восстановления 30 объекта представлена на рис. 9. Для реализации технологии восстановления пространственной структуры сосудов были решены следующие задачи:

1) Задача идентификации фазы сердца на изображениях проекций, возникающая из-за необходимости выбора для каждой проекции одного кадра из последовательности. Требуется выбрать такие кадры, чтобы разные проекции представляли один и тот же пространственный объект. Для решения этой задачи используется метод корреляционного анализа функции яркости изображения проекции.

(Данные в формате 01С0М

Подготовка данных для обработки

Анализ Ранов

Начальные фрэймы (катетер)

/Заполненные фрэймы

7

Эквализация с фиксированным средним значением

С

Обработанные заполненные фрэймь

7

Выбор

Выделение и анализ фазы сердца

Рис.9. Общая структурная схема восстановления

Исследования показали, что критериальная функция может быть построена на основе коэффициента корреляции соседних отсчётов для каждого кадра, оценка которого строится по нескольким областям с последующим усреднением. Локальные минимумы указывают на кадры, которые соответствуют фазе максимального расширения сердца (рис. 10).

3031 323334353637363940 41 42434445 464746 495051 52535455 56 5756 59 6061 62 63 64 65 66 576669 7071 727374 757677 78 7960

Рис. 10. Зависимость внутрикадрового коэффициента корреляции от номера кадра (1 — по области, 2 —усреднённый по всем областям)

2) Задача компенсации эффекта центрального проецирования, возникающая из-за особенностей распространения рентгеновского излучения. По центральным проекциям невозможно восстановление исходного объекта без привлечения дополнительной информации о геометрии съёмки, которой не располагаем. Разработан алгоритм, позволяющий скомпенсировать эффекты, проявляющиеся на изображении при центральном проецировании.

3) Пространственно-временное совмещение проекций, которое включает в себя поиск согласованных изображений катетера на проекциях, геометрическую привязку проекций, нахождение начальных точки и направления для выполнения трассировки (рис.1 ]).

4) Задача идентификации точек ветвления сосудов, решение которой основано на анализе локальной пространственной интенсивности внутри сферической области вокруг исследуемой точки методом скользящего сектора (лучевого пространственного преобразования). Используются статистические параметры сферической области для определения, в каком направлении исходит сосуд из центральной точки сосуда.

5) Задача пространственной трассировки является основной для восстановления пространственной структуры сосудов. Решение задачи заключается в построении трассы в трёхмерном пространстве на основе одновременного анализа всех доступных проекций, полученных в различное время при условии, что объект может со временем изменять свою форму в некоторых пространственных пределах. Новизна метода состоит в оценке ЗБ направления сосуда, основанной на анализе пространственной интенсивности внутри сферы возможных направлений с учётом разработанной модели сосудов, что позволяет получать более достоверный результат восстановления при сильных рассогласованиях данных.

Для компенсации динамических искажений производится начальная пространственная привязка изображений проекций и согласование проекций на каждом шаге трассировки. Метод является обобщением алгоритма двумерной трассировки, отли-

■

Рис.11. Иллюстрация процедуры согласования проекций

чия которого связаны с тем, что мы не имеем полной информации об исходном объекте, а имеется лишь информация, полученная с набора проекций. В основе алгоритма трассировки лежит пошаговое движение точки в 3D пространстве с коррекцией направления движения и определения БТ следующего шага, которые производятся на каждом шаге, на основании анализа пространственной интенсивности (рис. 9). Начальная 2D базовая точка и вектор ищутся на основе трёхэтапной процедуры идентификации пространственного конца катетера в момент ввода контрастного вещества. Процесс трассировки в заданном направлении прекращается, когда достигается 2D конец сосуда на любой из проекций. На каждом шаге трассировки производится оценка толщины сосуда. Все результаты работы 3D трассировки, включая оценку толщины сосуда на каждом шаге, сохраняются в специальную структуру, которая называется «древовидной» структурой, или просто «деревом» сосудов (рис.15).

6) Визуализация дерева сосудов. Использование совокупной информации проекций позволяет получить детали, которые не доступны при наблюдении отдельных проекций (например, характеристики стенозированного сосуда). С другой стороны, метод оценивания морфологических признаков сосудов на проекциях с использованием предложенной технологии является более устойчивым в силу того, что всю недоступную на проекции информацию о патологических (количественных) изменениях сосудов можно восстановить с использованием информации на других проекциях.

Результаты экспериментальных исследований на искусственных модельных и фантомных изображениях (рис.12), а также на натурных изображениях проекций левой коронарной артерии (рис.15) показали корректность работы предложенных методов и алгоритмов, а также устойчивость к искажениям. Тестирование производилось на 120 тройках различных проекций. Оценка качества восстановления пространственной структуры, которая проводилась на основе оценивания различных геометрических параметров прямолинейных и криволинейных фантомов (макеты сосудов, снятые в реальных условиях), показала, что максимальная относительная погрешность оценки длин фантомов 1 типа не превысила 4 %, оценки толщины и углов развилок не превысила 2%, а для криволинейных фантомов максимальная погрешность оценивания составила 5,6 % (рис.12).

Рис. 12. Погрешности восстановления прямолинейного и криволинейного фантомов

Процесс формирования данных для обработки проводился в клиниках Hospital TelHashomer и HADASA (Jerusalem) на специальном оборудовании C-ARM Equipment. Данные съёмки, включающие в себя данные о геометрии съёмки, фильмы проекций, состоящие из отдельных кадров, представляющих собой ангиографические снимки сосудов сердца в определённые моменты времени, сделанные под некоторым ракурсом, сохраняются в унифицированном формате хранения медицинской информации DICOM. В каждом отдельном документе формата DICOM содержится в среднем 4-6 фильмов с изображением левой коронарной артерии и 2-3 - с изображением правой. Каждый кадр представляет собой изображение в формате; BMP (GreyScale) размером 512x512 пикселей. Съёмки правой и левой коронарных артерий производятся последовательно: сначала формируются все проекции правого сердца (время съёмки одной проекции составляет 3-5 секунд), после чего врач изменяет ракурс съёмки и процесс повторяется.

В Главе S представлен аналитический обзор существующих на данный момент компьютерных систем анализа изображений сосудов, их сравнительное исследование, которое выявило основные преимущества и недостатки. Показано, что прикладное обеспечение у большинства из них не имеет возможности автоматизированного анализа изображений, измерения диагностических признаков, постановки диагноза, а содержит лишь средства регистрации изображений, ведения учёта диагностической информации о пациенте и наиболее часто используемые средства для предварительной обработки изображений, повышения качества и маркировки изображений. Показана актуальность разработки систем, обладающих возможностью анализа субклинических морфологических изменений, систем, позволяющих автоматизировать этапы диагностики и осуществлять количественный мониторинг патологических изменений сосудов.

Создано программное обеспечение разработанных компьютерных систем анализа диагностических изображений сосудов глазного дна («OphthalmOffice») и коронарных сосудов сердца («CardiOffice»). Для разработки программных диагностических комплексов использовалась платформа Microsoft.NET Framework 4.0 (3.5), инструментальная среда разработки Microsoft Visual Studio 2010 (2008), язык программирования С# 3.0. Рекомендуемые системные требования: Windows

XP/Vista/Windows7, 1024 Mb RAM.

Диагностический программный комплекс анализа

режиме оценивания диагностических признаков сосудов глазного дна

Рис.13. Пользовательский интерфейс системы «OphthalmOffice» в

сосудистой системы глазного дна «OphthalmOffice» предназначен для трассировки сосудов глазного дна, локализации и анализа области диска зрительного нерва, расчёта базового набора геометрических параметров сосудов глазного дна, расчёта диагностических признаков и классификации сосудов, а также проведения планиметрических исследований, включающих динамический анализ изображений (рис. 13).

Функциональная спецификация комплекса включает в себя: ввод и предварительную обработку изображений глазного дна; количественную оценку основных типов изменений микрососудов при заболеваниях: среднего диаметра, неравномерности диаметра, извитости сосудов и др.; объективный контроль динамики изменения размеров патологических участков на последовательных изображениях; оценку степени патологии; автоматическое ведение базы данных по пациентам, изображениям и измерениям. В качестве исходных данных используются изображения в форматах BMP, JPG, GIF, TIF, PNG, что обеспечивает возможность использования в качестве исходных данных практически любого устройства для цифровой регистрации изображения глазного дна. Диагностический комплекс логически разделён на следующие системы: система обеспечения хранения информации и формирования отчётов, система оценивания диагностических признаков сосудов глазного дна и ДЗН, система планиметрических исследований, система классификации и диагностических исследований (рис.14).

СИСТЕМА ОЦЕНИВАНИЯ ДИАГНОСТИЧЕСКИХ ПРИЗНАКОВ СОСУДОВ ГЛАЗНОГО ДНА

Выдел ение трассы сосудов

Оценивание локальных параметров сосудов

Оценивание диагностических

СИСТЕМА ОЦЕНИВАНИЯ ДИАГНОСТИЧЕСКИХ ПРИЗНАКОВ СОСУДОВ ДЗН

Локализация области ДЗН Оценивание глобальных параметров сосудов ДЗН

(Построение профиля яркости вдоль края дзн

Оценивание глобальных цвето-яркостных параметров ДЗН

Оценивание локальных параметров сосудов ДЗН

СИСТЕМА ПЛАНИМЕТРИЧЕСКИХ ИССЛЕДОВАНИЙ

Определение параметров аффиного преобразования

Определение углов ветвления сосудов

Оценивание и сравнение геометрических характеристик характерных областей

''Параметры . промежуточный { Исходное Л \ сосудов / V результаты у чизображениеу

(параметры ДЗН)

I

:х

промежуточные^ \ результаты

Î

(Исходное изображение

Параметры областей, разветвлений сосудов

СИСТЕМА ХРАНЕНИЯ ИНФОРМАЦИИ И ФОРМИРОВАНИЯ ОТЧЁТОВ

ПОДСИСТЕМА ПРЕДВАРИТЕЛЬНОЙ ОБРАБОТКИ

Модуль фильтрации и выравнивания яркости

Модуль регулировки яркости и _контраста_

Модуль выполнения поворотов и отражения изображений

ПОДСИСТЕМА ХРАНЕНИЯ

База данных

Файловая система

ПОДСИСТЕМА ГЕНЕРАЦИИ ОТЧЕТОВ

Модуль подготовки данных для отчёта

Адаптер для генерации таблиц Microsoft Excel

Адаптер для генерации веб страниц

СИСТЕМА КЛАССИФИКАЦИИ И ДИАГНОСТИЧЕСКИХ ИССЛЕДОВАНИИ

Рис.14. Архитектура диагностического комплекса «OphthalmOffice»

25

Система классификации и диагностических исследований предоставляет средства проведения корреляционного и дискриминантного анализа для формирования пространства более информативных признаков, средства формирования оптимальной выборки признаков по критерию эффективности разделения по группам патологии для настройки классификатора, средства кластерного анализа для фильтрации обучающей выборки с целью удаления недостоверных данных и получения нормативных значений признаков по группам патологии. Она также обеспечивает пользователя возможностью управлять процессом проведения исследований. Система анализа данных служит для формирования диагностического решения, а также нормативных значений признаков для каждого вида патологии сосуд эв. Таким образом, интеллектуальный анализ данных позволяет пользователю получать степень патологии, нормативные значения признаков для каждой степени патологии заболевания, а также вероятность развития данного заболевания.

Особенностью диагностического комплекса является использование элементов экспертных систем: базы данных диагностических признаков; корреляционного, дискриминантного и кластерного анализа с отбраковкой недостоверных данных; прогноза степени патологии на основе экспертных оценок. Система позволяет проводить раннюю диагностику диабетической ретинопатии, а также решать задачу повышения точности оценивания локальных геометрических параметров, формирования новых и эффективных признаков диагностики сосудистых патологий.

Информационная технология структуры коронарных сосудов реализована в проблемно-ориентированном программном комплексе «CardiOffice». Он предназначен для решения задач численного моделирования, оценивания геометрических параметров и визуализации пространственной структуры дерева сосудов на основе данных ан-гиографических исследований коронарных сосудов. Функциональная спецификация комплекса включает в себя: 1) чтение данных рентгеновских ангиографических исследований коронарных сосудов в формате Э1СОМ у.3.0,2) моделирование геометрических параметров съёмки, компенсацию геометрических искажений и синхронизацию проекций, 3) численное моделирование и оценивание геометрических параметров пространственной структуры коронарных сосудов, 4) визуализацию пространственной структуры коронарных сосудов.

реконструкции и

анализа пространственной

V ъ

Рис.15. Результаты восстановления: а) исходные проекции коронарных сосудов, б) графический интерфейс подсистемы визуализации

Разработанные в ходе диссертационного исследования методы и алгоритмы обработки и анализа изображений сосудистой системы сердца легли в основу четырёх подсистем ПК «CardiOffice» (рис.15):

1) подсистемы обработки входных данных. Осуществляет чтение файла данных в формате DICOM и преобразует данные во внутренний формат системы;

2) подсистемы предварительной обработки. Осуществляет временную синхронизацию проекций, геометрическую компенсацию изображений проекций. Включает ряд стандартных алгоритмов повышения качества изображений;

3) подсистемы моделирования. Состоит из двух модулей: модуль геометрической привязки проекций и модуль трассировки. Осуществляет моделирование геометрических параметров съёмки. Реализует численное моделирование и оценивание геометрических параметров пространственной структуры коронарных сосудов;

4) подсистемы визуализации. Осуществляет визуализацию пространственной структуры коронарных сосудов, используя средства графической библиотеки OpenGL.

Тестирование практической работоспособности разработанных диагностических ПК проводилось на достаточных объёмах тестовых и натурных изображений, гарантирующих достоверность в 95% и стабильную воспроизводимость полученных результатов.

Заключение

В диссертации разработана обобщённая математическая модель диагностических изображений кровеносных сосудов, а также методы, алгоритмы и информационные технологии формирования набора диагностических признаков, и на их основе созданы автоматизированные системы диагностики сосудов глазного дна и коронарных сосудов сердца.

Основные результаты работы

1. Проведён аналитический обзор основных методов цифрового анализа изображений сосудов, а также систем диагностики сосудистых патологий, выявлены их достоинства и недостатки. Показана необходимость количественного анализа диагностических изображений глазного дна и коронарных сосудов сердца, разработки новых и эффективных морфологических признаков диагностики и методов их оценивания, а также создания на их основе автоматизированных систем диагностики. Разработана методология анализа сосудов, основанная на построении количественных оценок их характеристик, определены диагностические признаки сосудов, являющиеся наиболее информативными показателями клинической диагностики.

2. Создана методология выделения диагностически значимой информации на изображениях кровеносных сосудов, основанная на новой обобщённой математической модели изображений сосудов глазного дна и коронарных сосудов сердца, позволяющая формализовать описание геометрических параметров, оценить их и осуществить формирование диагностических признаков. Определён базовый набор геометрических параметров сосудов, включающий распределение локальных оценок направлений и толщины сосудов.

3. Предложен комплекс методов и алгоритмов оценивания геометрических параметров толщины сосудов. Показано, что для обеспечения высокой точности оценивания необходимо использовать различные модели яркостного профиля сосуда в зависимости от вида анализируемого сосуда. Проведённые исследования с целью выбора наиболее эффективного алгоритма при различных искажениях позволили

указать наилучшие соответствия. Сравнительные исследования методов показали высокую точность и устойчивость к искажениям, при этом среднее значение ошибки оценивания параметра не превышает 2 % вплоть до соотношения шум/сигнал, равного 0,40.

4. Для оценивания локальных направлений предложен алгоритм трассировки сосудов. Для эффективного анализа сосудов с определённой степенью крг визны, близлежащих сосудов, а также в случае ветвления, пересечения и их окончан ия разработан метод модифицированного локального веерного преобразования, основанный на анализе статистических радиальных функций области скользящего сектора внутри окна сканирования. Сравнительные исследования показали более высокую устойчивость к аддитивному шуму и неоднородностям фона. Метод фиксирует на изображении большее количество правильных разветвлений сосудов, даёт наименьшую ошибку их ложных обнаружений и обеспечивает значительно меньшую ошибку отклонения трассы алгоритма трассировки при отношении шум/сигнал больше 0,2.

5. Для выделения центральных линий сосудов предложен метод модифицированного вейвлет-преобразования с использованием ненаправленных двумерных вейвлетов, сконструированных из одномерных согласно модели сосудов. Показана высокая помехоустойчивость метода, инвариантность по отношению к ориентации и яркости сосудов. Метод выделения центральных линий сосудов является устойчивым вплоть до соотношения шум/сигнал, равного 0,9, при этом ошибка отклонения трассы составляет не более 0,6 пикселя.

6. Разработана информационная технология оценивания локальных пространственных геометрических характеристик сосудистой системы сердца по малому числу ангиографических проекций, включающая алгоритм пространственной трассировки, основанный на одновременном анализе изображений сосудов на проекциях с параллельным восстановлением пространственной структуры коронарных сосудов. Разработанный подход позволяет по имеющимся зашумлённым центргшьным проекциям динамического объекта, полученным в разные моменты времени, при отсутствии точной информации о геометрии съёмки восстановить пространственную структуру объекта, наиболее близко соответствующую данным проекций. Проведённые экспериментальные исследования показали высокую точность предложенных методов и алгоритмов, а также устойчивость к искажениям, при этом максимальная ошибка оценивания геометрических параметров не превысила 5,6 %.

7. В качестве интегральных показателей состояния сосудов глазного дь а и коронарных сосудов сердца предложен глобальный набор геометрических признаков, достаточно полно описывающий диагностические изображения и позволяющий проводить эффективную диагностику сосудистой патологии. Предложены методы оценивания геометрических признаков на основе количественной оценки базового набора геометрических параметров сосудов. Клинические испытания методологии количественного оценивания морфологических признаков подтвердили достоверность результатов, высокую воспроизводимость и достаточно точное соответствие медико-диагностическим признакам. Метод цифровой обработки изображений глазного дна был утверждён департаментом здравоохранения города Москвы для применения в медицинской практике.

8. Разработана информационная технология анализа изображений сосудов

глазного дна, включающая алгоритм формирования пространства эффективных признаков, максимизирующих критерий разделимости сосудов и позволяющих эффективно классифицировать сосуды по классам «норма» и различным стадиям диабетической ретинопатии. Применение пространства новых комбинированных признаков меньшей размерности позволило снизить ошибку классификации до 2,5%. Дискриминантами анализ показал, что для разных групп сосудов, включающих различные виды сосудов (вена, артерия) и их порядки, эффективны различные наборы глобальных геометрических признаков, что подтверждается клиническими исследованиями.

9. Разработано и внедрено в ряде медицинских учреждений программное обеспечение компьютерных систем анализа диагностических изображений сосудов глазного дна («OphthalmOffice») и коронарных сосудов сердца («CardiOffice»). Созданы проблемно-ориентированные программные комплексы оценивания медико-диагностических признаков для выявления патологических сосудистых изменений, позволяющие эффективно решать задачи анализа изображений кровеносных сосудов для ранней диагностики заболеваний. Лабораторные испытания компьютерных систем на тестовых и реальных изображениях показали высокую воспроизводимость и точность измерений.

ОСНОВНЫЕ ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИОННОЙ РАБОТЫ

Статьи в реферируемых журналах и изданиях, рекомендованных ВАК

1. Ильясова, Н.Ю. Системы компьютерного анализа геометрических характеристик диагностических изображений кровеносных сосудов // Известия Самарского научного центра Российской академии наук. - 2014. - Т. 16, № 4. - С. 54-62.

2. Ильясова, Н,Ю. Оценивание геометрических признаков пространственной структуры кровеносных сосудов // Компьютерная оптика. - 2014. - Т. 38, № 3. - С. 529-538.-ISSN 0134-2452.

3. Ильясова, Н.Ю. Диагностический комплекс анализа изображений сосудов глазного дна // Биотехносфера. - 2014. - №3(33) - С. 20-24.

4. Ильясова, Н.Ю. Методы цифрового анализа сосудистой системы человека. Обзор литературы // Компьютерная оптика. - 2013. - Т. 37, № 4. - С. 511-535. - ISSN 0134-2452.

5. Ilyasova, N. Computer Systems for Geometrical Analysis of Blood Vessels Diagnostic Images // Optical Memory and Neural Networks (Information Optics). - 2014. - Vol.23, Issue 4. - P. 278-286.

6. Ильясова, Н.Ю. Формирование признаков для повышения качества медицинской диагностики на основе методов дискриминантного анализа / Н.Ю. Ильясова, А.В. Куприянов, Р.А. Парингер // Компьютерная оптика. - 2014. - Т. 38, № 4. - С. 851-856. - ISSN 0134-2452.

7. Ilyasova, N.Yu. Methods for formation of features of tree-like structures on fundus images / N.Yu. Ilyasova, V.V. Yatul'chik // Pattern Récognition and Image Analysis. Advances in Mathematical Theory and Applications. - 2006. - Vol. 16, Issue l.-P. 124-127.

8. Ilyasova, N. A Method of the Wavelet Transformation for Estimation of Geometrical Parameters upon the Diagnostic Images / N.Ilyasova, A.O. Korepanov, A. Kupriyanov // Optical Memory & Neural Networks (Information Optics). - 2009. - Vol. 18, Issue 4. - P. 343-348.

9. Ильясова, Н.Ю. Компьютерная технология восстановления пространственной структуры коронарных сосудов по ангиографическим проекциям / Н.Ю. Ильясова, H.JI. Казанский, А.О. Корепанов, А.В. Куприянов, А.В. Устинов, А.Г. Храмов // Компьютерная оптика. - 2009. - Т. 33, № 3. - С. 281-318.

10. Ильясова, Н.Ю. Метод выделения центральных линий кровеносных сосудов на диагностических изображениях / Н.Ю. Ильясова, А.О. Корепанов, П.М. Чикулаег. // Компьютерная оптика. - 2006. - № 29. - С. 146-151.

11. Ананьин, М.А. Метод оценивания морфологических параметров сосудов г а изображениях глазного дна на основе матриц видимости кривых / М.А. Азаньин, Н.Ю. Ильясова // Вестник Самарского государственного аэрокосмического университета им. С. П. Королёва. - 2008. - №2(15). - С. 258-260.

12. Сойфер, В.А. Методы компьютерного анализа диагностических изображений глазного дна / В.А. Сойфер, Н.Ю. Ильясова, А.В. Куприянов, А.Г. Храмов, М.А. Ананьин // Технологии живых систем. - 2008. - Т. 5, № 5-6. - С. 61-71.

13. Malapheev, A. Application of Self Organised Kohonen's Map for Fundus' Vessels Classification / A. Malapheev, A. Kupriyanov, N.Yu. Ilyasova // Optical Memory and Neural Networks (Information Optics). - 2008. - Vol. 17, Issue 4. - P. 152-156.

14. Куприянов, А.В. Разработка информационной технологии оценивания геометрических параметров изображений глазного дна / А.В. Куприянов, Н.Ю. Ильясова // Вестник Самарского государственного аэрокосмического университета им. С. П. Королёва. - 2008. -№2(15). - С. 221-235.

15. Anan'in, М.А. Estimating Directions of Optic Disk Blood Vessels in Retinal Images / M.A. Anan'in, N.Yu. Ilyasova, A.V. Kupriyanov // Pattern Recognition and Image Analysis Advances in Mathematical Theory and Applications. - 2007. - Vol. 17, Issue 4. - P. 523-526.

16. Малафеев, A.M. Метод классификации сосудов глазного дна, основанный на применении самоорганизующихся карт Кохонена / A.M. Малафеев, А.В. Куприянов, Н.Ю. Ильясова // Компьютерная оптика. - 2007. - Т. 31, № 1. - С. 67-70.

П.Куприянов, А.В. Оценивание диагностических параметров сосудов на изображениях глазного дна в области диска зрительного нерва / А.В. Куприянов, Н.Ю. Ильясова, М.А. Ананьин // Компьютерная оптика. - 2006. - № 29. - С. 141-146.

18. Anan'in. М.А. Method for Estimation of the Directions of the Optic Disk's Vessels in Fundus Images / M.A. Anan'in, N.Yu. Ilyasova // Pattern Recognition and Image Analysis (MAIK "Nauka /Interperiodica"). - 2005. - Vol. 15, Issue 2. - P. 496-498.

19. Куприянов, А.В. Оценивание геометрических параметров области диска зритгльного нервана изображении глазного дна / А.В. Куприянов, Н.Ю. Ильясова, М.А. Ананьин, A.M. Малафеев, А.В. Устинов//Компьютерная оптика.-2005,-№ 28.-С. 136-139.

20. Ilyasova, N.Yu. Estimation of Geometrical Diagnostic Features the Optical Disk Images / N.Yu. Ilyasova, A.V. Kupriyanov, A.V. Ustinov, M.A. Ananin, and N. A. Gavrilova // Pattern Recognition and Image Analysis (MAIK «Nauka/Intemeriodica»). - 2005. - Vol. 15, Issue 3,-P. 602-605.

21. Ilyasova, N.Yu. The Development of a Computer Method for Studying Retinal Image Pathologies / N.Yu. Ilyasova, I.N. Adamenko, M.A. Ananyin, V. V. Jatulchik, and N. N. Gavrilova // Pattern Recognition and Image Analysis. - 2005. - Vol. 15, Issue 3. - P. 599-601.

22. Ильясова, Н.Ю. Измерение биомеханических характеристик сосудов для ракней диагностики сосудистой патологии глазного дна / Н.Ю. Ильясова, А.В. Куприянов, М.А.Ананьин, Н. А. Гаврилова // Компьютерная оптика. - 2005. - № 27. - С. 165-169.

23. Корепанов, А.О. Метод пространственного восстановления коронарных артерий по малому числу ангиографических проекций / А.О. Корепанов, Н.Ю. Ильясова, А.В. Куприянов, А.Г. Храмов, А.В. Устинов, А.А. Ковалёв // Компьютерная оптика. -2004.-№26.-С. 90-98.

24. Куприянов, А.В. Определение параметров русла сосудов с использованием трехмерного локального веерного преобразования / А.В. Куприянов, Н.Ю. Ильясова, А.Г. Храмов, A.M. Малафеев, О. А. Титова // Компьютерная оптика. - 2004. - № 25. -С. 154-157.

25. Ильясова, Н.Ю. Применение искусственных нейронных сетей для оценивания диагностических параметров на биомедицинских изображениях / Н.Ю. Ильясова, Д.Е. Липка, А.В. Куприянов // Компьютерная оптика. - 2003. - № 25. - С. 151-154.

26. Бранчевский, C.JI. Система цифрового анализа для диагностики сосудистой патологии глазного дна / C.JI. Бранчевский, Н.А. Гаврилова, Н.Ю. Ильясова, А Г. Храмов // Вестник офтальмологии. - 2003. - № 5. - С. 37-40.

27. Ilyasova, N.Yu. A Method for Determination of an Optimal Spatial Direction of Vessels in the Problem of Reconstructing the 3D Topology of a Coronary System / N.Yu. Ilyasova, A.V. Kupriyanov, A.G. Khramov, A.O. Korepanov // Pattern Recognition and Image Analysis. - 2003. - Vol. 13, Issue 2. - P. 287-289.

28. Корепанов,А.О. Метод определения оптимального пространственного направления сосудов в задаче восстановления 3D топологии коронарной системы / А.О. Корепа-нов, Н.Ю. Ильясова, А.В. Куприянов, А.Г. Храмов // Компьютерная оптика. - 2002. -№24.-С. 152-154.

29. Ilyasova, N.Yu. Estimating the geometrical parameters of branches of 3d treelike and netlike structures exemplified by the cardiovascular image / N.Yu. Ilyasova, A.V. Ustinov, V.G. Baranov, A.V. Kupriyanov and A.G. Khramov // Optical Memory and Neural Networks. - 2002. - Vol. 11, Issue 1. - P. 65-72.

30. Ильясова, Н.Ю. Восстановление связности линий на бинарных изображениях древовидных структур / Н.Ю. Ильясова, А.А. Ковалев, А.В. Куприянов, А.В. Устинов,

A.Г. Храмов // Компьютерная оптика. - 2002. - № 23. - С. 58-61.

31. Ильясова, Н.Ю. Анализ структуры сосудистой системы сердца методом трассировки изображений проекций / Н.Ю. Ильясова, А.О. Корепанов, А.В. Куприянов,

B.Г. Баранов, А.Г. Храмов // Компьютерная оптика. - 2002. - № 23. - С. 53-57.

32. Ильясова, Н.Ю. Оценивание геометрических параметров ветвей трёхмерных древовидных и сетчатых структур на примере изображения сосудистой системы сердца / Н.Ю. Ильясова, А.В. Куприянов, А.В. Устинов, А.Г. Храмов, В.Г. Баранов // Компьютерная оптика. - 2002. - № 23. - С. 48-52.

33. Ilyasova, N.Yu. Measuring the geometric parameters using image processing and diffrac-tive optics methods / N.Yu. Ilyasova, V.A. Soifer, V.V. Kotlyar, S.N. Khonina, A.G. Khramov // Proceedings of SPIE, Seventh International Symposium on Laser Metrology Applied to Science Industry, and Everyday Life. - 2002. - Vol. 4900. - P. 9961006.

34. Iliasova, N.Y. Methods for estimating geometric parameters of retinal vessels using diagnostic images of fundus / N.Y. Iliasova, A.V. Ustinov, S.L. Brantchevsky, A.B. Durasov // Proceedings SPIE. - 1998. - Vol. 3348. - P. 316-325.

35. Brantchevsky, S.L. Method for the distinguishing and quantitative evaluation of the elements of pathological patterns in the retina (pathology of microcirculation) / S.L.Brant-chevsky, Yu.V. Vasiliev, A.B. Durasov, N.Yu. Ilyasova, A.V. Ustinov // Proceedings SPIE. - 1994. - Vol. 2363. - P. 236-242.

Монографии

36. Ильясова, H. Ю. Информационные технологии анализа изображений в задачах медицинской диагностики / Н. Ю. Ильясова, А. В. Куприянов, А. Г. Храмов. -М.: Радио и связь, 2012.-424 с. Главы: 1; 2.1, 2.2, 2.7-2.9; 3; 4; 5.1, 5.3-5.5; 6.1-6.3, 6.5. -ISBN 5-89776-014-4.

37. Computer Image Processing, Part II: Methods and algorithms: Appendix A2. Biomedical Images Processing / edited by Victor A. Soifer // VDM Verlag . - 2009. - Раздел A2.1.3.

38. Методы компьютерной обработки изображений / под ред. В.А. Сойфера-Изд.2-е, исправл. - М.: Физматл'ит, 2003. - 780 с. Глава 7.

Патенты, свидетельства о государственной регистрации программы для ЭВМ

39. Пат. 2235496 Российская Федерация, МПК7 А61ВЗ/10. Способ диагностики ранних стадий диабетической ретинопатии / Гаврилова Н.А., Бранчевский C.JL, Иойлева Е.Э., Ланевская Н.И., Ильясова Н.Ю., Храмов А.Г., Устинов А.В.; заявл. 10.04.2003; опубл. 10.09.04.

40. Пат. 2343823 Российская Федерация, МПК7 А61ВЗ/10. Способ диагностики патологии диска зрительного нерва при сахарном диабете / Гаврилова Н.А., Полякова М.А., Ланевская Н.И., Ершова В.В., Ильясова Н.Ю., Куприянов А.В., Ананьин М.А.; заявл. 12.04.2007; опубл. 20.01.09.

41. Свидетельство об официальной регистрации программы для ЭВМ 2006610764. Компьютерная система ранней диагностики глазных заболеваний на основе анализа изображений глазного дна / Ильясова Н.Ю., Ананьин М.А., Куприянов A.B., Малафеев A.M.; опубл. 26.02.06.

42. Свидетельство об официальной регистрации программы для ЭВМ 2009610166. Модуль расчёта диагностических признаков зрительного нерва на изображении глазного дна / Ильясова Н.Ю., Ананьин М.А., Куприянов A.B.; опубл. 11.01.09.

43. Свидетельство об официальной регистрации программы для ЭВМ 2012611875. Программный комплекс расчета диагностических признаков сосудистой системы глазного дна / Ильясова Н.Ю., Ананьин М.А.; опубл. 20.02.12.

44. Свидетельство об официальной регистрации программы для ЭВМ 2012615448. Модуль трассировки сосудов глазного дна и расчета их базовых геометрических признаков / Ильясова Н.Ю., Ананьин М.А.; опубл. 18.06.12.

45. Свидетельство об официальной регистрации программы для ЭВМ 2013661276. Компьютерная система пространственного восстановления структуры коронарных артерий по ангиографическим проекциям / Ильясова НЛО., Куприянов A.B.; опубл. 05.12.2013.

46. Свидетельство об официальной регистрации программы для ЭВМ 2013661277. Компьютерная система визуализации пространственной структуры сосудов сердца / Ильясова Н.Ю., Куприянов A.B.; опубл. 05.12.2013.

47. Свидетельство об официальной регистрации программы для ЭВМ 2014615283. Компьютерная система дискриминантного анализа для формирования эффективных диагностических признаков биомедицинских изображений / Ильясов;] Н.Ю., Куприянов A.B., Парингер P.A.; опубл. 22.05.2014.

48. Свидетельство об официальной регистрации программы для ЭВМ 2014615254 Компьютерная система формирования экспертной оценки сосудистой патологии глазного дна на основе кластеризации пространства признаков / Ильясова Н.Ю., Куприянов A.B., Парингер P.A.; опубл. 22.05.2014.

Подписано в печать 19.12.14. Формат 60><84 1/16. Бумага офсетная. Печать цифровая. Псч. л. 2,0. Тираж 100 экз. Заказ 179. Отпечатано с готового оригинал-макета в типографии Издательства СПбГЭТУ «ЛЭТИ» 197376, С.-Петербург, ул. Проф. Попова, 5