CC BY
38
УДК 004.932.2
Д. В. Колесное, В. П. Фандеев
АЛГОРИТМ ОЦЕНИВАНИЯ ПРИЗНАКОВ ПНЕВМОНИИ НА ФЛЮОРОГРАММЕ ЛЕГКИХ
Аннотация. Рассматривается применение компьютерных технологий для количественной оценки диагностически значимых объектов на флюорограмме легких. Представлен алгоритм количественной оценки диагностически значимых признаков пневмонии.
Ключевые слова: флюорограмма, пневмония, обнаружение рентгенологических признаков, оценивание рентгенологических признаков, компьютерная технология, МаШ1_аЬ.
Актуальность
Одним из основных методов диагностики пневмонии является оценивание характерных для нее рентгенологических признаков на флюорограмме легких. Ранняя и достоверная диагностика пневмонии оказывает значительное влияние на лечение и исход заболевания, особенно при массовом обследовании, когда специалист может столкнуться как с типичной, так и с атипичной формой заболевания.
Традиционная методика визуального обнаружения (распознавания) и оценивания исследователем небольших малоконтрастных диагностически значимых объектов на флюорограмме требует его высокой квалификации, трудоемка и в условиях ограниченного времени на обследование пациента не исключает диагностических ошибок. Снижение трудоемкости и повышение достоверности диагностирования достигается внедрением информационных технологий, облегчающих процесс обнаружения и оценивания диагностических признаков пневмонии на флюорограмме. Известные информационные технологии обработки изображений либо не обеспечивают специалистов алгоритмами обнаружения и оценивания признаков заболеваний, либо, наряду с возможностью количественной оценки параметров найденных объектов, рассчитаны на глубокие познания специалиста в области цифровой обработки изображений.
Предлагается алгоритм оценивания диагностически значимых количественных рентгенологических признаков пневмонии на флюорограмме легких, позволяющий снижать трудоемкость и повышать достоверность оценивания признаков специалистами с ограниченной квалификацией в области цифровой обработки изображений.
Цели исследования
Исследование нацелено на разработку информационной технологии оценивания диагностически значимых признаков пневмонии на флюорограмме легких, позволяющей снизить трудоемкость, повысить достоверность постановки диагноза, ограничить требования к квалификации специалистов при обработке изображений.
Методы и материалы
Основной задачей специалиста при анализе рентгеновских снимков является поиск и оценка диагностически значимых признаков патологий легких. При выявлении и описании патологических синдромов специалист придерживается определенной последовательности действий. Сначала описывается теневая картина, т.е. определяется, чем является выбранный объект - затемнением или просветлением; затем определяется локализация (по долям и по сегментам); далее - размер объекта (в сантиметрах) и форма
(округлая, или овальная, или треугольная и т.д.). Также оцениваются контуры объектов (ровные или неровные, четкие или нечеткие), после чего - интенсивность (слабая, средняя, высокая) и структура тени (однородная или неоднородная) [1].
Согласно данным научной литературы, при анализе рентгеновских снимков пациентов с различными патологиями легких, в том числе и с пневмонией, чаще всего обнаруживается затемнение легочного поля в виде очаговой тени. Очаговая тень - термин, обозначающий округлые или неправильной формы теневые образования, размеры которых варьируются от 0,5 мм до 1 см. Условно принято считать очаги до 2 мм милиарными, размером 2-4 мм - мелкими, 4-8 мм - средними и 8-12 мм - крупными. Также замечено, что круглый одиночный очаг размером более 1 см относится к синдрому круглой тени в легочном поле [2].
Таким образом, процесс оценки объектов, обнаруженных на рентгеновском снимке, довольно трудоемкий и предъявляет к специалисту повышенные требования не только в плане его квалификации, но и в плане внимания к деталям (например, правильное оценивание размеров затемнения).
При массовом обследовании пациентов на специалиста, помимо указанных выше требований, ложится еще и большая физическая нагрузка, которая может привести к возникновению диагностических ошибок. Поэтому задачи, связанные со снижением трудоемкости и повышением достоверности при оценке диагностически значимых рентгенологических признаков пневмонии, являются актуальными. Решить их можно с помощью программирования в среде Matlhab. Функции пакета IPT данной среды предоставляют довольно широкие возможности обработки медицинских изображений с целью выявления и оценки интересующих пользователя объектов. В наибольшей степени для решения данной задачи подходят такие функции, как bwarea и regionprops. Однако в существующих алгоритмах представленные функции или не используются (как правило, такие алгоритмы больше ориентированы на поиск объектов и определение их границ -например, [3]), или функциональные возможности описанных функций раскрыты не полностью [4], что, в свою очередь, не позволяет полностью решить проблему распознавания и проблему оценки объектов интереса. В связи с этим возникает потребность в разработке такого алгоритма, который позволял бы количественно оценить найденные объекты, а также решить вопрос о наличии (или отсутствии) ошибки в выборе объекта.
Данный алгоритм предполагает наличие многоэтапной проверки соответствия выбранного объекта диагностически значимому признаку пневмонии с помощью количественной оценки (рис. 1). Количественная оценка объектов интереса начинается с выделения границ этих объектов, происходящего в несколько этапов:
1) бинаризация изображения с помощью функции im2bw (функция бинаризации, входящая в состав пакета IPT программы Mathlab);
2) поиск strel объектов больше 0,3-0,5 мм и выделение с помощью функции edge (метод Canny) границ выбранного объекта;
3) заполнение цветом (белым) объектов на изображении, полученных после первых двух этапов, с использованием функции imfill.
После того, как границы выбранного специалистом объекта выделены, производится его количественная оценка. Под ней подразумевается площадь, которую занимает выбранный объект на исследуемом изображении и которую можно рассчитать с помощью функции bwarea. Площадь является более информативной оценкой размера объекта, чем его радиус. При расчете площади учитывается именно то пространство на изображении, которое занимает объект, а расчет радиуса происходит за счет измерения расстояния между наиболее отстраненной точкой объекта и его центром. Эта особенность создает предпосылки для неправильного измерения размера при отсутствии у объекта правильной геометрической формы. Также к количественной оценке можно отнести вычисление
оптической плотности объекта по суммарной яркости его пикселей. В данном случае используется возможность функции regionprops ограничивать объекты интереса путем создания ограничивающего их прямоугольника и получать его пространственные координаты, что создает возможность находить подобные области в противоположном легком с последующим расчетом их плотности и сравнением с плотностью искомой области.
Рис. 1. Схема алгоритма оценивания количественных признаков пневмонии
на флюорограмме легких
Алгоритмом предполагается наличие определенной последовательности в оценке объектов интереса. Сначала оценивается размер объекта, и если он соответствует ранее определенному диапазону значений, то осуществляется переход к следующему этапу. Далее объект, прошедший первый этап, помещается в прямоугольник, границы которого вычисляются с помощью функции regionprops. Затем для объекта, удовлетворяющего первым двум условиям, производится расчет оптической плот-ности.
На заключительном этапе с помощью данных, полученных при вычислении координат прямоугольника, ограничивающего выбранный объект, производится поиск похожей области в другой части снимка (на другом легком). И после того, как такая область будет найдена, вычисляется ее оптическая плотность, которая сравнивается с ранее рассчитанной. Если оптическая плотность выбранного специалистом объекта меньше оптической плотности альтернативной области, то принимается решение о том, что выбранный объект является затемнением. Однако есть методики, предлагающие вместо сравнения между собой частей одного снимка сравнивать разные снимки (например, предполагаемую патологию и норму). Но процесс сравнения двух изображений связан с рядом трудностей, а именно:
1) процесс получения рентгеновских снимков состоит из большого числа этапов, и на каждом из них возможны трудности, что в свою очередь не позволяет получить два (или более) совершенно одинаковых снимка. Поэтому при сравнивании изображений между собой появляется трудность, связанная с априорным отличием этих изображений;
2) для того, чтобы сравнить изображения между собой, необходимо либо наличие базы данных, которая содержит все изображения пациента, либо использование в качестве «нормы» изображений из научной литературы. В связи с этим появляются дополнительные трудности в плане долгосрочного хранения информации о каждом пациенте, обеспечения доступа к хранимой информации, считывания хранимой информации с целью сравнения ее с вновь полученной. Во втором случае также имеются сложности, связанные с трудоемким процессом подбора такого изображения из соответствующей литературы (например, атласа), которое подойдет обследуемому в данный момент пациенту.
Учитывая все сказанное в первом и втором пунктах, можно утверждать, что процесс сравнения изображений между собой весьма трудоемкий, имеет некоторые труднопреодолимые сложности (например, долгосрочное хранение информации) и к тому же дает заведомо недостоверный результат в силу априорного различия изображений.
Таким образом, в результате работы предлагаемого алгоритма специалист получает полную информацию о соответствии выбранного им объекта диагностически значимому признаку пневмонии.
Результаты и их обсуждение
Таким образом, предложенный алгоритм позволяет решить вышеупомянутые проблемы. Подытожим, что:
1. Снижение трудоемкости достигается за счет использования:
а) многоэтапной оценки выбранных специалистом объектов интереса;
б) программного метода расчета количественных характеристик.
Передача процесса количественной оценки программе, а также использование нескольких последовательных этапов оценивания позволяют снизить нагрузку на специалиста.
2. Повышение достоверности достигается использованием программы для проведения количественной оценки объектов интереса, что в свою очередь уменьшает вероятность возникновения диагностической ошибки из-за ограниченного опыта специалиста.
3. Использование предлагаемого алгоритма для оценки количественных признаков и многоэтапная проверка соответствия объектов интереса диагностически значимым признакам пневмонии позволяет снизить требования к квалификации специалиста в об-
ласти компьютерной обработки изображений за счет ограничения его участия в процессе количественной оценки.
Заключение
Снизить трудоемкость процесса обнаружения и оценивания диагностически значимых рентгенологических признаков пневмонии можно с помощью информационной технологии оценивания, в основу которой положен алгоритм, предложенный в статье. Достигается это за счет многоэтапной оценки объектов интереса и передачи расчета количественных характеристик программе.
Достоверность диагностирования можно повысить, применяя предложенный в статье алгоритм. Достигается это снижением нагрузки на специалиста за счет ограничения его участия в количественной оценке объектов интереса, а также использования компьютера для оценивания количественных характеристик объектов интереса.
Особенностью предлагаемого алгоритма является ограничение участия специалиста в проведении количественной оценки объектов интереса, что в свою очередь снижает требования к квалификации специалиста в области компьютерной обработки изображений.
Библиографический список
1. Илясова, Е. Б. Лучевая диагностика / Е. Б. Илясова, М. Л. Чехонацкая, В. Н. Приезжева. - М. : ГЭОТАР-Медиа, 2013. - 275 с.
2. Линденбратен, Л. Д. Медицинская рентгенология / Л. Д. Линденбратен, Л. Б. Наумов. -М. : БИНОМ, 2015. - 496 с.
3. Masters.donntu.org. - URL: http://www.masters.d0nntu.org/2012/fknt/tit0va/library/article.htm
4. Habrahabr.ru. - URL: https://www.habrahabr.ru/p0st/114335/
Колеснов Дмитрий Валентинович, студент, Пензенский государственный университет. E-mail: dmitriikolesnov@mail.ru
Фандеев Владимир Петрович, доктор технических наук, профессор, кафедра «Медицинская кибернетика и информатика», Пензенский государственный университет. E-mail: lyudmilarotmanova@yandex.ru
УДК 004.932.2 Колеснов, Д. В.
Алгоритм оценивания признаков пневмонии на флюорограмме легких / Д. В. Колеснов, В. П. Фандеев // Вестник Пензенского государственного университета. - 2017. - № 3 (17). - С. 84-88.
