CC BY
40
УДК 612.014.464
АЛГОРИТМ ОБНАРУЖЕНИЯ МАРКЕРА ЗАБОЛЕВАНИЯ ЖЕЛЧНОГО ПУЗЫРЯ НА ИЗОБРАЖЕНИЯХ ФАЦИЙ СЫВОРОТКИ КРОВИ*
В.Р. Крашенинников1, Л.И. Трубникова 2, М.Л. Албутова2, А.С. Яшина3
гФГБОУ ВПО «Ульяновский государственный технический университет», 2ФГБОУ ВО «Ульяновский государственный университет», 3ФНПЦ ОАО «НПО «Марс»
Метод структуропостроения сыворотки крови использован в процессе профилактических осмотров для диагностики заболеваний органов и систем, в т.ч. патологии желчного пузыря, на ранних стадиях развития. Визуально проведен анализ 453 фаций сыворотки крови; в 32,1 % случаев выявлены маркеры патологии желчного пузыря. С целью ускорения обработки фаций разработан алгоритм компьютерного обнаружения маркеров, который в 92,7 % случаев подтвердил наличие заболевания, что доказывает эффективность компьютерного распознавания маркеров для ранней диагностики заболеваний желчного пузыря.
Ключевые слова: компьютерная медицинская диагностика, зернистость, маркер, изображение фации сыворотки крови.
Введение. Успехи современной медицины позволяют сохранить жизнь и здоровье населения России только при выявлении болезни на ранних стадиях и использовании современных терапевтических технологий для предупреждения прогрессирования патологических процессов. Применяемые в современной практике методы диагностики, такие как ультразвуковое исследование, рентгенография, магнитно-резонансная томография, гистологическое исследование, позволяют выявлять патологию органов и систем уже в клинически выраженной, а иногда и в терминальной стадии [6, 7].
Для успешного обнаружения и последующего лечения различных заболеваний необходима их ранняя диагностика, так как на начальной стадии заболевания лечебные мероприятия наиболее эффективны. Одним из методов ранней диагностики является предложенный академиком РАМН В.Н. Шабали-ным и профессором С.Н. Шатохиной метод изучения структуропостроения биологических жидкостей (БЖ) [6, 7].
* Работа выполнена при поддержке РФФИ, грант 13-01-00320.
Авторами метода доказано, что даже самые незначительные расстройства организма отражаются на структуропостроении БЖ в процессе их дегидратации, что позволяет определить многие заболевания в стадии пред-болезни. Особенности состояния организма влияют на процесс кристаллизации веществ, содержащихся в жидкости, поэтому на изображении фации возникают характерные структуры (маркеры). Известно уже несколько десятков видов таких маркеров. Проведенные наблюдения показали, что по имеющимся на изображении фации маркерам и их расположению можно с большой уверенностью судить о состоянии организма.
В настоящее время имеется достаточное число научных данных, подтверждающих диагностическую значимость этого метода [4, 5]. Вместе с тем визуальный анализ большого количества изображений замедляет получение окончательных результатов. В связи с этим коллектив авторов разработал алгоритм для автоматизированной компьютерной обработки фаций биологических жидкостей и поиска отдельных маркеров. В ряде работ [1, 3, 9] представлены алгоритмы обнаружения некоторых маркеров, например языковых, воронкообразных, серповидных структур и т.д.
Цель исследования. Обнаружение в фациях сыворотки крови маркера патологии желчного пузыря и разработка алгоритма автоматизированного компьютерного поиска этого маркера на изображениях фаций сыворотки крови.
Материалы и методы. Поиск маркеров патологии желчного пузыря проведен на 453 изображениях фаций сыворотки крови, полученных от мужчин и женщин в процессе профилактических осмотров. Маркеры заболеваний желчного пузыря описаны В.Н. Ша-балиным и С.Н. Шатохиной и подтверждены клиническими данными.
Метод структуропостроения БЖ основан на дегидратации биологических жидкостей в определенных условиях [2, 3]. На предметное стекло, покрытое тонким слоем раствора лецитина (0,02 %) наносится сыворотка крови в объеме 20 мкл в форме капли. Капля высушивается при температуре 20-25 °С и относительной влажности воздуха 65-70 % при его минимальной подвижности. Продолжительность периода высыхания составляет около 24 ч. Получается тонкая сухая пленка (фация). Учет результатов проводится через 18 ч. Для анализа структурообразующих элементов дегидратированной капли использу-
Рис. 1. Маркеры
Проведенный анализ показал, что данные структуры имеют следующие особенности:
1) располагаются около конкреций;
2) имеют интенсивную пигментацию, следовательно, яркость значительно ниже яркости конкреций;
ется стереомикроскоп MZ-12 фирмы LEICA. Полученные образцы высушенных капель сыворотки крови фотографируются при разных увеличениях: от 10 до 160 [7]. Дополнительно изображения фаций подвергаются автоматизированной компьютерной обработке [7].
Результаты и обсуждение. В процессе визуальной обработки 453 изображений фаций сыворотки крови маркеры заболеваний желудочно-кишечного тракта выявлены у 37,8 % чел., маркеры заболеваний желчного пузыря - у 32,1 % чел.
Для автоматизированной обработки был разработан алгоритм обнаружения маркеров в изображениях. При этом изображение фации рассматривалось как случайное поле, что позволило проводить статистический анализ и имитацию этих изображений [1, 3, 8, 9].
Алгоритм обнаружения. У пациентов с нарушениями желчевыделения в фациях сыворотки крови (ФСК) имеет место интенсивная пигментация около конкреций - протяженных светлых областей (рис. 1). Маркером патологии желчного пузыря является пигментация с четкой зернистостью около конкреций. Эти маркеры на рис. 1 показаны стрелками.
функции желчного пузыря
3) имеют четкую зернистость, следовательно, в данной области имеется большая дисперсия изображения.
Визуальный анализ конкреций позволяет выделить следующие их общие особенности:
1) область внутри конкреций однородна и светлее окружающего фона;
2) на границе конкреций имеется небольшой перепад яркости;
3) граница конкреций близка к окружности или слегка вытянутому эллипсу.
Для нахождения конкреций применим метод обнаружения воронкообразных структур [3], так как они имеют много общего.
Для определения однородных областей вычислим дисперсию исходного изображения ФСК в скользящем круге радиусом 6 пикселей. Для однородных областей характерно малое значение дисперсии яркости, поэтому отметим все точки круга, в котором значение дисперсии меньше некоторого порога. Отмеченные пиксели образуют множество О.
Для определения точек, значение яркости в которых намного выше средней яркости всего изображения, построим гистограмму распределения значений яркости всего изображения. Определим порог X, равный 75 % квантили распределения. Отметим все точки, яркости которых выше данного порога. Отмеченные пиксели образуют множество L.
Для определения однородных областей с яркостью выше окружающего фона найдем пересечение множеств L и О. Данное пересечение образует множество V. На рис. 2 представлен результат применения описанной
процедуры к исходному изображению (левое на рис. 1). Пиксели, входящие в множество V, показаны белым цветом.
Далее методом обхода контура находим границы VOi областей V, входящих в множество V. Незамкнутые границы из дальнейшего рассмотрения удалим. Учитывая фактические размеры конкреций на исходных изображениях, не будем рассматривать области, количество пикселей в которых имеет очень малое или очень большое значение. Аппроксимируем найденные границы кривыми второго порядка с уравнениями вида
x2+2Bxy+Cy1+2Dx+2Ey+F=0.
(1)
Совокупность найденных кривых образует множество Э. Форма конкреций близка к эллиптической, поэтому удалим из дальнейшего рассмотрения те кривые, которые не являются эллипсами. Для этого определим инварианты кривой второго порядка:
1 В D
ВСЕ, /3=1+С. D Е F
1\=С-В2,
12 =
Кривая второго порядка (1) является эллипсом, если /1>0 и /2/3<0. Исключим из множества Э кривые, не обладающие этими свойствами. На рис. 3 показаны эллипсы, аппроксимирующие однородные области, обозначенные на рис. 2.
Для определения областей с интенсивной пигментацией сравним среднее значение яркости внутри обнаруженной конкреции со средним значением яркости в окрестности конкреции. Окрестностью конкреции будем считать область между двумя эллипсами, первый из которых - построенный аппроксимирующий эллипс Э1 этой конкреции, а второй - соосный эллипс Э2 с полуосями, в полтора раза большими (на рис. 4 Э1 показан черным цветом, Э2 - серым).
Обработаем окрестность конкреции скользящим кругом радиусом 100 пикселей. В каждом положении круга определим среднее значение яркости и количество пикселей с большим значением дисперсии (признак зернистости). Для определения пикселей с большим значением дисперсии обработаем исходное изображение ФСК без предварительного применения процедуры повышения контраста скользящим кругом радиусом г=6 пикселей. В каждом положении этого круга вычислим дисперсию значений яркости. Для зернистости характерно большое значение дисперсии яркости, поэтому отметим все точки круга, в котором значение дисперсии больше некоторого порога (например, 20). Отмеченные данным способом пиксели образуют множество D.
Следует учитывать, что большое значение дисперсии имеется и на радиальных трещинах фации. Поэтому исключим из множества D пиксели, принадлежащие радиальным
трещинам. Для обнаружения радиальных трещин на изображении ФСК применим следующий метод: на изображении выделим темные области с большой дисперсией; выделим границы данных областей и проверим, является ли граница длинной плавной линией; если да, то считаем данную область радиальной трещиной.
Для окончательного определения маркера нарушения функции желчного пузыря сравним с экспериментально подобранными порогами разность значений яркости в конкреции и в ее окрестности и отношение количества точек множества D к количеству пикселей в скользящем круге. При удовлетворении этих условий принимаем решение о наличии на изображении ФСК маркера нарушения функции желчного пузыря. На рис. 5 представлен окончательный результат обработки. Области, подозрительные на наличие искомого маркера, отмечены белым цветом.
Для определения эффективности описанного алгоритма проведено сравнение результатов визуального и компьютерного обнаружения маркера. В просмотренных 453 изображениях фаций сыворотки крови маркеры патологии желчного пузыря были выявлены у 145 чел. (32,1 %). Использование алгоритма компьютерного анализа подтвердило совпадение данных в 92,7 % случаев. Ложные обнаружения при визуальной диагностике составили 7,3 %.
Заключение. Таким образом, проведенные исследования, направленные на разработку алгоритма компьютерного обнаружения маркеров патологии желчного пузыря в фациях сыворотки крови, позволили получить четкие показатели многоступенчатого анализа выявленных изображений и подтвердить наличие характерного маркера. Предложенный алгоритм оказался достаточно эффективным и позволил в 92,7 % случаев подтвердить наличие выявленного визуально маркера. Более того, в 7,3 % случаев были подтверждены ложноположительные результаты выявления маркеров. Предложенный алгоритм реализован в виде программы, которая обрабатывает файлы изображений фации сыворотки крови и выдает сообщение об обнаружении или необнаружении маркеров, помечает маркеры на изображении фации условными знаками.
Данная программа может быть эффективно использована в практическом здравоохранении для ранней диагностики нарушения состояния и функции желчного пузыря. Использование алгоритма может быть особенно значимо при проведении профилактических осмотров населения.
1. Алгоритм обнаружения серповидных тре-
щин на изображениях фаций цервикальной слизи женщины / В. Р. Крашенинников [и др.] // Улья-
новский медико-биологический журн. - 2013. -№ 4. - С. 60-63.
2. Васильев К. К. Статистический анализ изображений / К. К. Васильев, В. Р. Крашенинников. - Ульяновск : Изд-во УлГТУ, 2014. - 216 с.
3. Крашенинников В. Р. Обнаружение воронкообразных структур на изображениях фаций сыворотки крови / В. Р. Крашенинников, А. С. Ко-пылова, А. В. Тарасова // Материалы VII Российской научно-практической конференции «Онкология сегодня: пациент, государство, медицинское сообщество». - Ульяновск : УлГУ, 2011. -С. 169-173.
4. Морфология биологических жидкостей в практике врача акушера / Л. И. Трубникова [и др.] // Материалы Х юбилейного Всероссийского научного форума «Мать и дитя». - М., 2009. -С. 219-220.
5. Трубникова Л. И. Морфология сыворотки крови в ранней диагностике заболеваний / Л. И. Трубникова, М. Л. Албутова // Материалы Всероссийской конференции с элементами научной школы для молодежи. - Ульяновск : УлГУ, 2009. - С. 221-225.
6. Шаболин В. Н. Морфология биологических жидкостей человека / В. Н. Шаболин, С. Н. Шатохина. - М. : Хризостом, 2001. - 304 с.
7. Шатохина С. Н. Атлас структур неклеточных тканей человека в норме и патологии : в 3 т. Т. II. Морфологические структуры сыворотки крови / С. Н. Шатохина, В. Н. Шабалин. - М. ; Тверь : ООО «Издательство «Триада», 2013. - 240 с.
8. Krasheninnikov V. R. Algorithms for Automated Processing Images Blood Serum Facies / V. R. Krasheninnikov, A. S. Kopylova // Pattern Recognition and Image Analysis. Pleiades Publishing, Ltd. - 2012. - Vol. 22, № 4. - P. 583-592.
9. Krasheninnikov V. R. Identification of LeafLike Structures in Images of Blood Serum Facies / V. R. Krasheninnikov, A. S. Kopylova // Proceedings of 8th Open German-Russian Workshop «Pattern Recognition and Image Understanding» 0GRW-8-2011. - Nizhny Novgorod, 2011. - P. 158161.
DETECTION ALGORITHM GALLBLADER DISEASE MARKERS IN THE IMAGE FACIES SERUM
V.R. Krasheninnikov1, L.I. Trubnikova2, M.L. Albutova2, A.S. Yashina3
1Ulyanovsk State Technical University, 2Ulyanovsk State University, 3Scientific Production Association «Mars»
Method pattern being serum used in the process of preventive examinations for the diagnosis of diseases of organs and systems, including gallbladder disease, in the early stages of development. Visually analyzed 453 serum facies, of which 32,1 % of the identified markers of cholestasis. The results confirm the effectiveness of computer Recognition markers for early diagnosis of gallbladder disease. In order to expedite the processing algorithm facies computer detection markers, which confirmed in 92,7 % the presence of the disease.
Keywords: computer medical diagnostics, grain, marker, the image fades serum cholestasis.
