CC BY
36
Чочиа П.А.
Институт проблем передачи информации им. А.А. Харкевича Российской академии наук (ИППИ РАН), г. Москва, к.т.н., старший научный сотрудник, chochia@iitp.ru
Обработка видеоданных, получаемых компьютерным
капилляроскопом
КЛЮЧЕВЫЕ СЛОВА
Обработка изображений, обработка видеоданных, капилляроскопия, измерение кровотока, большие данные.
АННОТАЦИЯ
Исследуется проблема анализа видеоданных, получаемых капилляроскопом. Предлагаются алгоритмы обработки больших данных: устранения дрейфа объектов, формирования и анализа усредненного изображения. Решается задача обнаружения мажоритарного капилляра. Предложено гомеоморфное распрямляющее отображение области капилляра в область прямоугольной формы. Разработан алгоритм определения динамических характеристик кровотока.
1.Введение
Капилляроскопия — способ неизвазивного исследования микроциркуляторного кровяного русла, предназначенный для диагностики функционирования периферического отдела сердечно-сосудистой системы человека в кожных и слизистых покровах. Компьютерные капилляроскопы [1-5] осуществляют цифровую микровидеосъемку капилляров в отраженном свете; областью наблюдений в большинстве случаев является ногтевое ложе пальцев рук. Основное назначение капилляроскопа — измерение скорости капиллярного кровотока [4]. Наряду с визуальным [1] и интерактивным [5] анализом представляет интерес разработка методов автоматического анализа и измерения динамики кровотока.
На кадрах видеопоследовательности капилляры выглядят как вытянутые петли с темными участками, изображающими группы эритроцитов, разделенных более светлыми промежутками, в которых находятся прозрачные лейкоциты и плазма крови; стенки капилляров также прозрачны (Рис. 1). Движение крови приводит к смещению положения эритроцитов и изменению картины объектов.
Для вычисления скорости по видеоданным необходимо определить смещения объектов, которые можно найти корреляционным методом [6]. Подобный подход требует задания области анализа; использовать в качестве таковой капилляр с его сложной и не описываемой аналитически формой, затруднительно. Решение состоит в преобразовании области
капилляра в область простой формы, на которой затем будет выполняться корреляционный анализ.
В работе рассматриваются вопросы предварительной обработки видеоданных, пространственной синхронизации кадров и формирования усредненного изображения, которое используется для получения карты контурных линий капилляров, нахождения мажоритарного капилляра, составления морфологических характеристик контурных линий. Предлагается гомеоморфное распрямляющее отображение области капилляра в область прямоугольной формы, используемое для преобразования всех кадров и формирования новой видеопоследовательности, по которой уже проводится корреляционный анализ. Излагается алгоритм вычисления скорости и объема капиллярного кровотока как функции времени и местоположения на капилляре.
о».
Рис. 1. Отдельный кадр исходной видеопоследовательности
2. Предварительная обработка видеоданных
Получаемый капилляроскопом видеосигнал (использовались данные, получаемые капилляроскопами [2,3]) как правило содержит ряд различных искажений и помех, поэтому требуется его предварительная обработка. Искажения можно разделить на два класса: систематические, повторяющиеся в видеопоследовательности от кадра к кадру, и случайные, индивидуальные для каждого кадра. К систематическим искажениям относятся: неравномерность освещения по полю кадра, артефакты (пыль, пятна) на матрице, малый контраст полезного сигнала, рассогласования измерений, вызванные различиями характеристик каждого из датчиков КМОП-матрицы [7]. К случайным — шумы сенсоров и дрейф объекта в поле изображения, вызываемый дрожанием пальца обследуемого. Методы устранения систематических искажений достаточно подробно были рассмотрены в [8].
3. Компенсация дрейфа и формирование усредненного изображения
Дрейф объектов на исходных видеопоследовательностях достаточно велик и иногда достигает четверти размеров кадра. Причина дрейфа — смещение и дрожание пальца обследуемого, в частности из-за пульсаций
крови. На Рис. 2,а показана трасса дрейфа объектов на кадрах видеопоследовательности, а на Рис. 2,б — графики зависимости смещения от номера кадра. Черный график соответствует смещению по вертикали, серый — по горизонтали.
1® -1Ш Ш Х^лГ] ни
чш
а
4« И
(I
■г» -ш
■м
-85
-1ГО,
-д-
у^Л/
ЧЛ, 1
ТОО
I»
140
1№
1М
200
гго
м о
Рис. 2. Трасса дрейфа объектов на кадрах видеопоследовательности (а); графики значений смещения кадров по вертикали (черный) и по горизонтали (серый) (б)
Можно считать, что дрейф объектов на кадрах видеопоследовательности приводит только к сдвигу без поворота и изменения масштаба. Компенсация дрейфа состоит из следующих шагов, выполняемых для каждого кадра.
1. Выравнивание фона изображения алгоритмом фильтрации [9]:
у(т, п) = А( х(т, п) - х (т, п)) + Вх (т, п) + С (1)
Здесь х(т,п) и у(ш,п) — значения исходного и обработанного элементов, а
^ Н 1¥
л (яг. и) =-V V х(т + К « + и")
СЯ + 1К2Л' + 1)й-я (2)
— арифметическое среднее по фрагменту размерами (2H+1)(2W+1) с центром в (т,п); А, В и С — параметры преобразования. В данном случае выбирались А = 1,3, В = 0 и С = 128, а W и Н — порядка 1/10 размеров изображения, что означает выравнивание и небольшое повышение контраста изображения.
2. Двухэтапное сглаживание изображения перед совмещением, поскольку шум на видеокадрах достаточно высок. Осуществляется алгоритмами медианной фильтрации и арифметического среднего (2) по окрестности 33 пикселей.
3. Совмещение изображений и определение величины сдвига при помощи корреляционного анализа [10,11], который сводится к отысканию максимума функции ковариации базового 5 и сдвигаемого Г изображений:
(г. /г) = —- (хя0т. и) - )(дГ(т - г, п- Щ - ХТ)
(3)
Здесь xs(m,n) и Хт(т,п) —элементы изображений S и Т в точке (т,п); Х8 и Хт — средние значения изображений S и Т; — величина сдвига изображения Т по вертикали и горизонтали; Wv,л — число точек в пересечении изображений.
Подсчет ковариационной функции по всему множеству параметров
требует порядка Z = МхЫхУхН операций, где М*Ы — размеры
изображения, а У*И — размеры области анализа, в которой ищется максимум функционала (3). Смещения могут быть весьма заметными, поэтому Z оказывается большим. Сокращения Z можно добиться использованием иерархического подхода с предварительным одномерным совмещением проекций изображений по вертикали и горизонтали, и окончательным двумерным корреляционным совмещением в малой окрестности найденной точки [12].
4. Сдвиг кадра исходной видеопоследовательности в соответствии с параметрами смещения, найденными на шаге 2. При сдвиге часть изображения выходит за края кадра и пропадает, а противоположная часть кадра оказывается неопределенной; такие части заполняются значениями, взятыми из усредненного изображения, формирующегося по предыдущим кадрам в п. 6.
5. Формирование базового изображения из фильтрованных в п. 1 кадров путем сдвига, суммирования и деления на текущее число кадров. Получаемое изображение используется в качестве базового изображения 51 в (3) при совмещении с очередным кадром. Начальным базовым изображением выбирается первый кадр видеопоследовательности.
6. Аналогично формируется финальное усредненное изображение — суммированием значений соответствующих элементов всех получаемых в п. 4 сдвинутых кадров и делением на общее число кадров.
Компенсация дрейфа позволяет получить видеопоследовательность, где полностью устранено видимое дрожание объектов. К обработанным таким образом видеоданным могут быть применены методы как внутрикадровой, так и межкадровой фильтрации, позволяющие снизить уровень помех.
Усредненное по кадрам изображение показано на Рис. 3. Как видно, на нем капилляры приобрели вид непрерывных полос, уменьшен шум, а также стали видны незаметные на исходных кадрах детали. Их заметность можно дополнительно повысить, применив один из алгоритмов усиления локальных контрастов [9], в частности следующий адаптивный, близкий формуле (1):
у(т,п) = ЯQ(1 - /) - Q(l))(x(m,n) - М(т,п)) + ВМ(т,п) + С.
Здесь Q(/) и Q(1 - /) — левый и правый квантили распределения значений элементов по фрагменту 1Ух(т,п) с центром в точке (т,п), а М(т,п) — медиана по фрагменту, т.е. М(т,п) = Q(0,5). Результат усиления показан на Рис. 3,б. Здесь / * 0,3; В = 0,5; С = 0,4 и Ду) = 1 + А/(1 + у/У)2, где А = 4 и
V = Утах/10.
с
Рис. 3. Усредненное изображение (а); адаптивное повышение локальных
контрастов (б)
4. Карта контурных линий капилляров
По многим причинам области капилляров на усредненном изображении имеют непостоянную яркость и нечеткие границы, поэтому прямое обнаружение областей и границ капилляров на таком изображении при помощи пороговых или контурных методов не обеспечивает корректного результата [13]. В связи с этим нахождение границ капилляров строится как процедура отыскания множества контурных линий без ветвлений, расположенных вблизи опорного набора областей, обнаруживаемого пороговым методом. Формируемый набор называется картой контурных линий капилляров. Ее получение включает этапы выделения опорного набора областей, формирования множества контурных точек, формирования первичной карты контурных линий, синтаксической фильтрации карты с корректировкой дефектов линий, упрощение карты линий и карты областей. Результат показан на Рис. 4,а. Полная процедура получения карты контурных линий описана в [14].
5. Выбор мажоритарного капилляра
Под мажоритарным понимается капилляр, являющийся наиболее выраженным на изображении и подходящим для последующего анализа параметров кровотока. При его выборе принимались во внимание критерии:
— опорная область должна быть одной из наибольших по размеру;
— опорная область должна иметь вытянутую форму;
— сумма длин контурных линий должна быть близка периметру области;
— оптимальное количество контурных линии, соседних капилляру, —
две;
— приоритет расположения капилляра — ближе к центру изображения.
Для учета критериев был подобран «показатель мажоритарности» в виде функционала, вычисляемого для каждой из опорных областей г, г = 1.....R:
F(r) = S(r)E(r)N(r)D(r)L(r). (4)
Параметры S, E, N, D и L определяются следующим образом:
S(r) — площадь опорной области (число содержащихся в ней пикселей).
E(r) — вытянутость: E(r) = ln(1 + P(rS(r)), где P(r) — периметр области r.
N(r) — параметр числа соседних с областью линий n: N(r) = 1/ (ln(i + 2) + 1), где i = n, если n > 2, иначе i = 4 - n; максимум находится в точке n = 2.
D(r) — параметр соотношения периметра области P(r) и суммы длин соседних контуров Cien- если P(r) < Cien, то D(r) = P(r)/Cien; иначе D(r) = C¡en/P(r).
L(r) — показатель расположения: равен 1, если центр области r расположен от края далее, чем 1/3 размера изображения, и спадает до 0 к краю изображения.
Мажоритарной считается область, на которой достигается максимум функционала F(r). Остальные области, а также контурные линии, не соседние с мажоритарной областью, удаляются. На Рис. 4,б оставлена контурная линия, соответствующая мажоритарному капилляру, а все остальные удалены.
Формируемые линии границ не всегда корректны. Как видно на Рис. 6,б, мажоритарным выбран капилляр, окруженный всего одной контурной линией. Для устранения подобных дефектов применяется морфологический анализ.
Рис. 4. Результирующая карта линий (а); контурная линия мажоритарного
капилляра (б) 6. Морфологический анализ 6.1 Векторное представление контурных линий Для анализа формы линий необходим переход от матричного описания к векторному — в виде последовательностей точек или векторов. В векторном виде линия Ь представляется упорядоченным набором точек Р(Х) П Ь, (2 = 1,...,2), где Z — общее число точек (длина) линии Ь. Каждая точка р(г) соответствует точке изображения с координатами (ш(ё),п(ё)), т.е. между ними можно ставить тождество. В соответствии со способом
формирования линий, соседние точки линии р(г) и р(т+1) находятся в 4-смежном пиксельном соседстве.
Выберем подмножество П Ь множества точек линии Ь из элементов, взятых с шагом d: = (т = 1,...,Т'), где Т = Z/d. Проведем
векторы V(/), (/ = 1,...,Т'-1) между парами точек д(/) и ^(/+1): У(0 = q(i)q(i +1). Обозначим через у(/), (/ = 1,...,£'-2) угол между векторами У(7) и У(/+1), а
через (3(7) — величину накопленного угла: ~~ Приводя среднее
значение (3(7) к нулю, получим последовательность
а(/) = р(г) - У 2 ~2 р(^) / (2' - 2) (7 = 1.....Т-1) (. л „
^ — ^=1 ^ (/ = 1,...,Т-2) которую назовем
морфологической характеристикой линии.
6.2 Анализ морфологической характеристики контурной линии
Морфологическая характеристика линии а(/) является источником для анализа формы контурной линии. Рассмотрим морфологическую характеристику ранее полученной контурной линии мажоритарного капилляра на Рис. 4,б. График данной функции показан на Рис. 5; по горизонтали отложен номер / точки подмножества Ь, а по вертикали — значение а(/).
График содержит четыре почти горизонтальных участка, разделенных тремя ступеньками, причем средние значения на соседних горизонтальных участках различаются приблизительно на 180°. Интерпретировать эту особенность несложно. Горизонтальные участки соответствуют длинным прямым участкам контурной линии, ограничивающим артериальный и венозный отделы капилляра, которые между собой почти параллельны, а ступеньки между ними — участкам поворота линии (переходный отдел капилляра). Знак градиента на ступеньке говорит о направлении изгиба линии на данном участке.
л» 150 100 50 а ■50 100 1»
50 ее то
90 100 110 120 13В НО 150 160 170 180 190 ЯП 210 220 2» 240 250 360 ЭТО
Рис. 5. Морфологическая характеристика контурной линии на Рис. 6,б Очевидно, что морфологическая характеристика корректной контурной линии должна содержать два горизонтальных участка, соответствующих артериальному и венозному отделам капилляра, и один переходный участок, соответствующий переходному отделу. На основе этого можно сделать заключение, что кривая на Рис. 5 составлена из характеристик двух контурных линий, которые соединены участком
поворота линии при значениях i« 145. Если удалить из контурной линии соответствующий участок, получим две корректные контурные линии, окружающие капилляр. Можно сформулировать следующий алгоритм корректировки морфологической характеристики контурной линии.
1. В последовательности а(/') отыскиваются переходные области TR как участки высокой крутизны, на которых а(/') меняется почти на 180°: TR(z'), (/' = 1,...,К), где К — общее число переходных областей.
2. Проверяется значение К. Если К = 1, то рассматриваемая линия корректна и соответствует внешнему или внутреннему контуру капилляра.
3. Случай К = 2 означает, что линия имеет дополнительный поворот. Он может возникнуть, если при первичном формировании контуров происходит захват края видимой области капилляра; обычно он оказывается на одном из концов линии. В такой ситуации переходная область TR(z'), располагающаяся ближе к одному их концов линии, и соответствующий участок линии удаляются.
4. Случай К = 3 означает объединение двух контурных линий (Рис. 4,б). Он возникает, если на одном из краев области капилляра детектируется ложный контурный участок, приводящий к соединений внутренней и внешней контурных линий капилляра. Участок, соответствующий средней переходной области TR(2), удаляется (отмечен серым цветом на контуре мажоритарного капилляра на Рис. 4,б). Картина линий приводится в корректное состояние, но требуется возврат к п. 6.1 и пересчет морфологических характеристик.
5. Если К = 0, то анализируемая контурная линия не соответствует принятой модели, т.е. контур капилляра не был правильно обнаружен. В такой ситуации требуется повторное формирование исходной видеопоследовательности.
6.3 Корректировка контурных линий
Как отмечалось выше, корректная контурная линия, состоит из двух почти параллельных участков и участка поворота между ними — переходной области. Можно сказать, что с точностью до поворота контурная линия повторяет форму буквы и (т.е. имеет и-форму). Карта контурных линий мажоритарного капилляра должна включать две контурные линии — внутреннюю и внешнюю. Будем считать каноническим такое расположение, при котором первой является внутренняя, а второй — внешняя линия, причем последовательность точек векторного представления каждой из контурных линий упорядочена таким образом, что начало ее находится в вершине левой ветви и-формы.
Для приведения линий в каноническое расположение используем уже полученные на предыдущих этапах результаты и вычисленные морфологические характеристики. Согласно п. 6.2, корректная контурная линия имеет лишь одну переходную область. Обозначив через TRbeg и TRend координаты начала и конца переходной области линии, введем параметр крутизны перехода:
G = (a(TRend) - a(TRbeg])/(TRend - TRbeg). (7)
Отметим, что |G| обратно пропорционален радиусу закругления переходной области. Если G > 0, то контурная линия ориентирована корректно; если G < 0, то линия является обратно ориентированной и последовательность точек должна быть зеркально перевернута, а значения а(/), TRbeg и TRend пересчитаны.
Внешняя контурная линия капилляра является огибающей по отношению к внутренней, значит у внешней линии радиус закругления переходной области должен быть больше, чем у внутренней линии. Сравним абсолютные значения Gi и G2 двух контурных линий. Если |Gi| > | G2I, то первая линия — внутренняя и расположение является каноническим. Если же |Gi| < |G21, то нужно переставить местами линии вместе со своими морфологическими характеристиками.
7. Распрямляющее отображение
Как уже говорилось, для определения скорости по видеоданным обычно применяется корреляционный подход [6]. Скорость объекта определяется как v = As/At, где As — величина межкадрового смещения объекта, а At — период кадра. Для корреляционного анализа нужна единая аналитически задаваемая область анализа, однако выбрать такую для фигуры сложной конфигурации, каковой является капилляр, затруднительно. Решение состоит в нахождении способа геометрического преобразования области капилляра в область простой формы, на которой затем и будет выполняться корреляционный анализ.
Задача ставится как нахождение гомеоморфного отображения связной области, ограниченной двумя параметрически задаваемыми линиями, концы которых соединены прямыми, в область прямоугольной формы. Предполагается, что граничные линии удовлетворяют некоторым условиям, в частности таким как отсутствие пересечений и самопересечений (условие-1). Еще одно условие, формулируемое ниже, возникает при построении преобразования.
Будем считать, что исходная область ограничена парой непрерывных параметрически заданных кривых A и B: a(l), (0 < l < La) и b(l), (0 < l < Lb), а также отрезками [a(0),b(0)] и [a(LA),b(LB)] (Рис. 6,а). Задача — преобразовать данную область в прямоугольник размерами (М +l)x(iV +1) (Рис. 6,6).
Рис. 6. Иллюстрация распрямляющего преобразования Преобразование осуществим следующим образом. Отобразим кривые
A и B линейно в верхнюю и нижнюю строки результирующего прямоугольника. Выберем столбец n массива результата: [(0,n),...,(M,n)]. В начальную его точку (0,n) отобразим точку первой кривой я(/а), /а = (n/NL с координатами (ха,уа) на исходном изображении, а в конечную (M,n) — точку Ь(/в), /в = (n/NL второй кривой с координатами (хв,ув). Промежуточная точка столбца результирующего массива с координатами (m,n) будет отображением точки исходной области с координатами (xy), где x = (M m)xA + №Хв, а y = (M m)yA + тув- Таким образом отрезок [/а,/в] исходной области пропорционально отображается в столбец [(0, n),...,(M,n)] результата. Теперь очевидна необходимостьусловия-2: никакой из отрезков [/а,/в] не должен иметь дополнительных пересечений с кривыми A и B. Данное условие зависит как от формы каждой из кривых, так и от их расположения. Такое отображение будем называть распрямляющим.
Отрезки [/а(п),/в(п)] являются сечениями капилляра. Следствием условия 2 является то, что сечения не пересекаются между собой. Капилляр можно рассматривать как трубу с жидкостью, а значит объем, протекающий за единицу времени через ее сечение, не зависит от наклона сечения.
8. Определение границ отделов капилляра
Длины отделов внутренней и внешней контурных линий могут заметно отличаться, причем длины переходных отделов могут различаться в два и более раз. Это может привести к неудачному расположению сечений и нарушению условия-2. Уменьшить такую вероятность можно выполняя распрямляющее преобразования по отдельности для каждого из трех отделов капилляра, и затем соединяя результирующие прямоугольные массивы в один. Для разграничения указанных отделов используется срединная линия капилляра, которая находится как множество точек, равноудаленных от каждой из двух контурных линий. Формально срединная линия может выходить за пределы реальной области капилляра; чтобы избежать этого, производится соответствующий анализ и дополнительное небольшое укорочение концов срединной линии (Рис. 7,а).
Срединная линия c(/), (0 < / < Lc) служит основой для определения границ отделов капилляра. Так же, как и при анализе контурной линии в п. 6.2, находятся точки начала и конца переходного отдела срединной линии. Тем самым имеются четыре ее характерные точки: точки начала и конца линии Со и Cend, а также точки начала и конца переходного отдела Cneg и Cjend. Найдем на контурных линиях A и B точки, ближайшие к характерным точкам срединной линии: ао, aneg, ajend, aend и bo, bneg, bjend, bend. Отрезки [aTbeg,bTbeg] и [arend,brend] будем считать границами начала и конца переходного отдела капилляра, а отрезки [a0,b0] и [aendbend] — соответственно началом и концом капилляра.
Зная границы всех трех отделов капилляра, распрямляющее отображение выполняется для каждого из них по отдельности. Получаемые результаты объединяются и формируется полное распрямляющее отображение для всей области капилляра. Срединная линия и границы
отделов капилляра показаны на Рис. 7,а, а общая картина образуемых сечений, которые на результирующем прямоугольном массиве будут отображаться столбцами с равным шагом, — на Рис. 7,б. Артериальный и венозный отделы капилляра еще не различаются.
иллюстрирующие распрямляющее преобразование (б)
9. Преобразование кадров видеопоследовательности
Размеры М и N результирующего массива можно выбрать любыми, но естественно взять их равными размерам капилляра. Поэтому М выбиралось как среднее значение диаметра капилляра, а N — как длина срединной линии. Затем строится матрица отображения размерами (М+1)х^+1), в элементы которой заносятся координаты соответствующих точек на исходном изображении. По каждому из исходных кадров согласно построенной матрице формируется кадр новой видеопоследовательности; размер кадра будет равен размеру матрицы отображения. В результате формируется новая видеопоследовательность, содержащая только информативную часть исходных видеоданных и имеющая равное с ней число кадров. Исходные данные приводятся к виду, удобному для анализа динамики кровотока. На Рис. 8,а показан кадр с изображением распрямленного капилляра, полученный из исходного кадра на Рис. 1.
Темные участки на изображении суть группы эритроцитов; они разделены более светлыми (прозрачными), где находятся лейкоциты и плазма крови. На таких изображениях определить скорость протекания крови возможно только по фронтам видимых групп эритроцитов [15]. Однако контраст деталей во многих случаях недостаточный для надежного сопоставления фрагментов, поэтому требуется дополнительная обработка кадров. Она сводится к выравниванию яркости, пороговому разделению сигнала и сглаживанию изображения.
Выравнивание и пороговое разделение объединяются в одну операцию:
I 0, еслих(шл)<\(шлУ у(шл) = {
| 2 "■"■. int.it) (7)
Здесь х(т,п) — среднее по фрагменту (2); размеры фрагмента определяются размерами капилляра как Н = М/8, W = 2М. Результатом операции (7) является бинаризованное изображение. Для ослабления погрешности из-за высокой межкадровой изменчивости форм групп
эритроцитов осуществлялось двумерное гауссово сглаживание изображения у(т,п) с параметрами а « 2 по вертикали и а « 5 по горизонтали. Результат показан на Рис. 8,6.____
I)
Рис. 8. Вид капилляра из кадра на Рис. 1 после распрямляющего преобразования (а); тот же кадр после обработки (б)
10. Определение параметров кровотока
Главную цель работы составляет нахождение скорости кровотока. Для измерения скорости вдоль капилляра воспользуемся функцией ковариации:
М 2
{М + 1н + (8)
где Ьк(т,п) и Ьм(т,п) — значения элементов текущего и предыдущего кадров в точке (т,п), (М+1)х(22+1) — размер окрестности анализа, Rk(y,t) — значение функции ковариации в точке у для смещения t. Анализируемый диапазон значений t также был выбран равным размеру окна: -2 < t < 2. Величина межкадрового смещения для точки у определяется как такое значение Ьу, при котором достигается максимум функции ковариации:
I гах^Су.О). ^
Межкадровое смещение dk(y) находится для каждой точки у вдоль капилляра и для каждого кадра к. Тем самым формируется двумерный массив размерами KxN, где К —число кадров, а N — длина капилляра. Делением dk(y) на время между кадрами получаем значение мгновенной скорости У(к,п) как функции номера кадра и положения вдоль капилляра. Из-за высокой изменчивости форм групп эритроцитов от кадра к кадру, о которой уже говорилось, значения смещений оказываются сильно зашумлены. Поскольку значения скорости не могут иметь скачков и изменяются достаточно плавно как по времени, так и вдоль капилляра, для подавления шума возможно применить фильтрацию низких частот при помощи операции двумерного сглаживания (2).
Полученный двумерный массив мгновенных скоростей может быть использован для анализа динамики кровотока. Так, среднее значение по строкам (усреднение вдоль капилляра) дает зависимость средней скорости в капилляре от времени. На Рис. 9 она представлена как зависимость межкадрового смещения в элементах изображения от номера кадра. Легко видеть, что в районе 50-го кадра движение крови практически приостанавливается. Знак значения скорости указывает на направление кровотока. Средние отрицательные значения, как в данном случае, позволяют идентифицировать левую ветвь и-формы капилляра (верхний горизонтальный участок на Рис. 7) как его венозный, а правую (нижний горизонтальный участок) — как артериальный отделы.
О 20 40 GO 80 100 120 140 1G0 180 200 220 240 Рис. 9. Зависимость средней скорости в капилляре от времени (от номера кадра) Усреднение карты мгновенных скоростей по столбцам (т.е. по кадрам) дает среднюю скорость в разных точках капилляра. Зная масштаб съемки, на основе имеющихся контурных линий обнаруженного капилляра легко вычислить размеры и площадь сечения капилляра. Умножением значения площади сечения на скорость потока находится мгновенный объем кровотока в соответствующей точке капилляра.
Литература
1. Капилляроскоп общеклинического применения «Капилляроскан-1». http://www.aetechnologies.ru/production/2-details.htm.
2. Разработка серии капилляроскопов. http://www.aetechnologies.ru/dev/6-details.htm.
3. Капилляроскоп "C12". http://casmos.ru/index.php?option=com_content&task=view&id=69.
4. Баранов В.В., Гурфинкель Ю.И., Кленин С.М., Кузнецов М.И. Капилляроскоп. Способ и устройство для неинвазивных исследований капилляров, капиллярного кровотока, крови у пациентов болеющих сахарным диабетом, ишемической болезнью сердца. http://www.medlinks.ru/article.php?sid=7201.
5. Аракчеев А.Г., Гурфинкель Ю.И., Певгов В.Г. Компьютерный капилляроскоп для неинвазивных исследований параметров циркулирующей крови. Московский хирургический журнал, 2010, № 5, с. 27-30.
6. Limb J.O., Murphy H.A. Measuring the Speed of Moving Objects from Television Signals. IEEE Trans. Comm. COM-23, 1975, no. 4, pp. 474-478.
7. LUPA-300 CMOS Image Sensor. http://www.fastvideo.ru/info/sensor/cypress/lupa_300.pdf.
8. Чочиа П.А. Предварительная обработка видеопоследовательностей, формируемых капилляроскопом. Информационные процессы. 2011, т. 11, № 1, С. 76-85.
9. Чочиа П.А. Методы преобразования изображений, использующие двухмасштабную модель. В кн.: Кодирование и обработка изображений. М.: Наука, 1988. с. 98-112.
10. Gruen A.W. Adaptive least squares correlation: a powerful image matching technique. S. AfT. J. Photogrammetry, Remote Sensing and Cartography, 1985, vol. 14, no.3, pp. 175-187.
11. Ackermann F. Digital image correlation: Performance and potential application in photogrammetry. Photogrammetric Record, 1984, vol. 64, no. 11, pp. 429-439.
12. Чочиа П.А. Быстрое корреляционное совмещение квазирегулярных изображений. Информационные процессы, 2009, том 9, № 3, с. 117-120.
13. Лучко Д.В., Иванушкина Н.Г. Количественный анализ в коронарной ангиографии: алгоритм автоматизированного определения диаметра сосудов. Электроника и связь, 2009, № 2-3, Киев, с. 161-165.
14. Чочиа П.А. Обнаружение капилляров на изображениях, формируемых капилляроскопом. // Информационные процессы, 2013, т. 13, № 2, С. 63-75.
15. Lo L.-Ch., Chiang J.Y., Cai Yu-S. Three-dimensional Vision-based Nail-fold Morphological and Hemodynamic Analysis. 11th IEEE Int. Conf. on Bioinformatics and Bioengineering BIBE-2011, Taichung, Taiwan, pp. 44-51.
