CC BY
6
Зайцева Т.А. ассистент
кафедра «Машиноведенье и инженерная графика» Казанский национальный технический университет - КАИ
Шигапова Ф.А. студент 4 курса Институт математики и механики Казанский федеральный университет
Россия, г. Казань АВТОМАТИЗАЦИЯ ОБРАБОТКИ ГРАФИЧЕСКИХ ДАННЫХ КОМПЬЮТЕРНОЙ ТОМОГРАФИИ
В статье рассматривается применение автоматизации анализа данных полученных компьютерной томографией. Приведены результаты такой автоматизации измерений, полученных на основе обработки данных томограмм при исследование биологических объектов, приведены задачи биомеханики в которых актуальны полученные измерения.
Компьютерная томография, биомеханика, структура, биомеханические параметры, обработка изображений.
В настоящее время при моделировании биомеханических процессов актуальной остается задача построения механических моделей поведения биологических материалов и методов определения характеристик для них[1,5]. Особо остро это проблема стоит в клинической биомеханики, где необходимо определять характеристики пациента в индивидуальном порядке [2, 9]. Получение и анализ изображений является ключевым моментом в биологических научных исследованиях и диагностике. Существует два типа аппаратно-компьютерных комплексов для получения медицинских изображений [1].
К первому типу относятся, в первую очередь, рентгенодиагностические аппараты с цифровым терминалом. В них изображение оцифровывается и поступает в рабочую станцию для дальнейшего анализа. Рентгенограммы - один из ведущих способов диагностики пациентов. Также к этому типу следует отнести ультразвуковые аппаратно-компьютерные комплексы. Второй тип основан на восстановлении по изначально цифровым изображениям трехмерной модели органов. Сюда относят компьютерный томограф (КТ) и магнитно-резонансный томограф (МРТ). Первый получает послойные снимки
внутренних органов человека при движении рентгеновской трубки вокруг тела пациента. При этом технология сканирования такова, что позволяет моментально большое количество срезов с шагом 1-5 мм. МРТ основан на исследовании магнитного резонанса ядер протонов человека, помещенного в сильное магнитное поле.
Прогнозирование механических характеристик с использованием современных методов неразрушающего контроля связано в основном с оценкой косвенной статистической взаимосвязи физических параметров, измеренных на одних и тех же образцах. После установления эмпирических корреляций на образцах, определяют физические параметры биомеханической структуры, по которым оценивают материал [6]. Коэффициенты корреляции и точность оценки существенно повышаются при использовании нескольких физических параметров. Для качественного определения статистических характеристик, связывающих графические данные, полученные в результате лучевой диагностики, необходимо обработать большой массив данных. Ручная обработка в этом случае достаточно трудоемка, а значит содержит в себе достаточно высокий процент ошибки оператора. Конечно, описанные решения имеют программную реализацию, но все равно при обработке данных, в конечном итоге всегда присутствует оператор, который из выбранной палитры решений выбирает необходимый и применяет к изображению. Автоматизация работы в этом случае остаются на уровне реализации выбранного математического аппарата, рутинная работа по обработке и получению данных остается по-прежнему в руках оператора.
В работе рассмотрен программный комплекс для ускорения процесса обработки изображений. Автоматизация процесса анализа графических изображений позволяет оптимизировать научные исследования, минимизировать затрату труда на рутинную обработку данных, а так же повысить качество получаемой информации, повысить точность результатов [3,4,7]. Что является актуальной задачей при выявления статистических закономерностей. Апробация работы производилась в рамках анализа структуры костной ткани. Была сформулирована задача определения пористости и построения тензора структуры [8, 10] костной ткани по данным компьютерной томографии (необходимо было обработать порядка 2000 микроснимков компьютерного томографа).
На рисунке схематично приведен алгоритм исследования. Образец кости (бедренная кость) подвергается сканированию на компьютерном томографе в трех областях: диафиз, метафиз, эпифиз. Из полученных данных сканирования выделяются кубические образцы в различных частях данных. Эти, извлеченные образцы подвергаются анализу - определяется пористость, тензор структуры. Таким образом мы получаем картину распределения пористости и характеристику структуры костной ткани в диафизе, метафизе, эпифизе в зависимости от пространственного положения. В программном комплексе были реализованы алгоритмы удаления шумов и бинаризации изображения, а также алгоритм выделения подмножеств изображения. На основе этих процедур была запрограммирована обработка всех изображений. При применении, разработанного программного комплекса, на обработку порядка 2000 изображений ушло менее 10 минут, при этом программа вывела отчет о проделанной работе и представила выходные параметры в доступной и удобной форме.
Разработанный программный комплекс позволяет автоматизировать обработку графических изображений. Так, например, при обработке данных для построения тензора структуры вручную затрачивалось 30 мин. на 3 изображения, при применении нашего программного комплекса 2000 изображений были обработаны за 10 мин. Более того в этом случае снижается вероятность возникновения ошибки из-за человеческого фактора. Универсальность программного комплекса позволяет использовать его для решения других типов задач, что является огромным плюсом в проведении различного рода экспериментов, либо в повседневной медицинской практике.
Использованные источники:
1. Медицинская информатика: Учебник/И.П. Королюк. - 2 изд., перераб. и доп. - Самара: ООО "Офорт": ГБОУ ВПО "СамГМУ". 2012. - 244 с; ил.
2. Андреев П.С., Коноплев Ю.Г., Саченков О.А., Хасанов Р.Ф., Яшина И.В. Математическое моделирование ротационной флексионной остеотомии // Научно-технический вестник Поволжья. 2014. № 5. С. 18-21.
3. Гайсин Р.Р., Закиров Р.Х., Зарипов Р.А., Никифорова А.В., Саченков О.А. Трехмерная реконструкция внутренних органов с одним характерным
размером на основе компьютерной томографии // Практическая медицина. 2013. № 1-2-1 (69). С. 22-24.
4. Гайсин Р.Р., Никифорова А.В., Кугуракова В.В., Саченков О.А. Трехмерная платформонезависящая визуализация данных томографии // Научно-технический вестник Поволжья. 2013. № 4. С. 137-139.
5. Закиров Р.Х., Зарипов Р.А., Коноплев Ю.Г., Митряйкин В.И., Саченков О.А. Диагностика асептического некроза головки бедренной кости с использованием спиральной компьютерной и магнитно-резонансной томографии и применение математического моделирования при планировании операции по эндопротезированию тазобедренного сустава // Практическая медицина. 2012. № 8-2 (64). С. 63-68.
6. Коноплев Ю.Г., Мазуренко А.В., Митряйкин В.И., Саченков О.А., Тихилов Р.М. Экспериментальное исследование влияния степени недопокрытия вертлужного компонента на несущую способность эндопротеза // Российский журнал биомеханики. 2014. Т. 18. № 3. С. 333-344.
7. Курейчик В. М., Глушань В. М., Щербаков Л. И. Комбинаторные аппаратные модели и алгоритмы в САПР. М.: Радио и связь, 1990. 216 с.
8. Cowin S.C. An evolutionary Wolff's law for trabecular architecture // J. Biomech. Engineering. - 1992. - Vol. 114. - P. 129-136.
9. Хасанов Р.Ф., Андреев А.П., Скворцов А.П., Саченков О.А., Яшина И.В. Биомеханическое обоснование хирургического лечения болезни Легг -Кальве - Пертеса // Практическая медицина. 2015. № 4-1. С. 200-203.
10.Harrigan T. P., Mann R. W. Characterization of microstructural anisotropy in orthotropic materials using a second rank tensor // J. Biomech. Engineering. -1984. - Vol. 19. - P. 761-767.
Ильясова И.Р. студент
Япарова-Абдулхаликова Г.И.
ст. преподователь БашГУ, ИНЭФБ
АНАЛИЗ И ПРОГНОЗ ВВП РФ
Одним из наиболее важных показателей, результатов экономической деятельности государства, является валовой внутренний продукт (ВВП). ВВП отражаетрыночную стоимостьвсех конечных товаров и услуг (то есть предназначенных для непосредственного употребления), произведённых за год во всех отраслях экономики на территории, вне зависимости от национальной принадлежности производственных единиц [1].
ВВП является одним из важнейших показателей системы национальных счетов, который характеризует конечный результат производственной деятельности в экономике, он также дает представление о материальном благосостоянии страны и об уровне развития экономики.
Для оценки перспективы России необходимо прогнозировать ВВП, так как он является наиболее исчерпывающим измерителем экономического
