CC BY
312
тела (ЦД) с использованием обратной связи у больных с болезнью Паркинсона.
Для данного исследования было отобрано 33 больных с болезнью Паркинсона в 1 - 3 стадии развития заболевания по шкале Hoen & Yahr и 13 здоровых испытуемых. Особенности произвольной и непроизвольной позной регуляции исследовались с помощью компьютерного стабилоанализатора «Стабилан-01» со зрительной обратной связью, разработанного ЗАО ОКБ «Ритм» (г. Таганрог).
Непроизвольные колебания ЦД оценивались с помощью классических стабилометрических параметров при спокойном стоянии с открытыми глазами в течение 30 секунд. Произвольное управление ЦД оценивалось в трех пробах: «Мишень»; «на
устойчивость»; стабилографической игре «Кубики». Анализировались выполнение трех проб в первый день и динамика средних результатов игры «Кубики» в течение 10 дней.
На основании результатов исследования был сделан ряд выводов. У больных с болезнью Паркинсона нарушается произвольная регуляция позы как в статических, так и динамических условиях. Нарушения произвольной динамической регуляции позы обусловлены искажением программы позного контроля на этапе его реализации, тогда как сам процесс формирования программы не поражается у больных с болезнью Паркинсона. Функциональные и анатомические повреждения вертикальной позы у больных с болезнью Паркинсона не влияют на нарушения непроизвольной позной регуляции.
Работа поддержана грантами РГНФ №00-06-00242 и РФФИ №01-04-49296.
УДК 681.142.2
КОМПЬЮТЕРНАЯ ОБРАБОТКА МЕДИЦИНСКИХ ИЗОБРАЖЕНИЙ В СИСТЕМЕ MATLAB В. Н. Ананченко, А. И. Ананченко, А. В. Литвин, А. А. Литвин
Донской государственный технический университет, 344010, Ростов-на-Дону, пл. Гагарина 1, тел. (8632) 381518, e-mail vananchenko@dstu.edu.ru
Изображение может быть описано как набор графических примитивов, из которых оно формируется. Такое изображение называют векторным. Если изображение описывается двумерным массивом, каждый элемент которого представляет собой некоторое описание цвета, то такое изображение называют растровым. Элементом растрового изображения является пиксель (от pixel, picture element - элемент изображения). Растровое изображение можно представлять как прямоугольную матрицу точек различного
цвета. Цифровая обработка имеет дело именно с растровыми изображениями. Любой двумерный массив может рассматриваться, как изображение и к нему могут применяться функции из пакета IPT системы MATLAB.
Обычно выделяют следующие типы изображений, каждый из которых предназначен для решения определенного круга задач: бинарные; полутоновые; палитровые; полноцветные.
В настоящее время наиболее широкое применение имеют полутоновые изображения с глубиной цвета 8 бит/пиксель. Они могут хранить 256 значений яркости (от 0 до 255). Реже используются полутоновые изображения, имеющие глубину цвета от 2 до 16 бит/пиксель. Бинарное изображение можно рассматривать, как полутоновое с глубиной цвета 1 бит/пиксель.
В отличие от полутоновых изображений, в которых значение пикселя непосредственно соответствует его яркости, в палитровых (indexed) изображениях значения пикселей являются ссылками на ячейки карты цветов (colormap), которые и содержат описания цвета пикселя в некоторой цветовой системе. Подобную карту цветов называют палитрой (palette).
В настоящее время чаще других для описания цветов цифровых изображений используется цветовая система RGB, так что столбцы палитры представляют собой интенсивности красной, зеленой и синей составляющих. Бинарные и полутоновые изображения могут быть представлены в виде палитровых без потери информации.
Полноцветными (True color) или истинно цветными называют изображения, пиксели которого непосредственно хранят информацию об интенсивностях цветовых составляющих. Эти изображения хранят полную информацию о цвете, но требуют значительного объема памяти. Бинарные, полутоновые и палитровые изображения могут быть представлены без потери информации в виде полноцветных, но такое описание не является эффективным для большинства реальных задач обработки изображений.
Большинство медицинских изображений может быть представлено в растровом виде, что позволяет обрабатывать их в системе MATLAB средствами пакета Image processing toolbox (IPT)
[1].
Пакет программ IPT системы MATLAB, предназначен для создания программ обработки изображений. Он включает более 100 функций, реализующих наиболее распространенные методы и алгоритмы обработки изображений. Исходные изображения для многих функций пакета IPT могут быть представлены как в формате double, так и в формате uint8. Для массивов данных в формате uint8 система MATLAB поддерживает основные операции работы с массивами.
Пакет IPT поддерживает работу со следующими графическими форматами файлов: bmp, tif, jpg, pxc, hdf, xwd. Чтение информации об изображении и способе его хранения выполняется функцией imfinfo.
Для ввода изображений в среду MATLAB используется функция imread, позволяющая читать все типы изображений из файлов различных графических форматов.
Ряд задач по обработке медицинских изображений требуют построения для изображения линий уровня. Функция imcontur рассматривает полутоновое изображение как трехмерную
поверхность, строит для поверхности линии уровня и выводит их на экран. Линии уровня образуются в результате пересечения плоскостей, перпендикулярных оси яркости и рассматриваемой поверхности. Линии уровня, соответствующие различным яркостям (лежащие в различных плоскостях), обозначаются разными цветами.
В пакете 1РТ имеются функции, позволяющие улучшить изображение. Улучшить контраст изображения можно с помощью функций Ь^ед, тафш!. Функция histeq преобразует значения пикселей исходного изображения таким образом, чтобы гистограмма яркостей пикселей результирующего изображения приблизительно соответствовала некоторой предопределенной гистограмме. Данная функция предназначена для преобразования полутоновых изображений или палитр изображений. Функция imadjust позволяет изменять контраст изображения с гамма-коррекцией. Гамма-коррекция определяет форму кривой характеристики передачи уровней яркости исходного и результирующего изображений.
Процедуры фильтрации изображений включают функции свертки изображений и К-мерных сигналов (сопу2, сопуп), вычисления матрицы свертки (сопуш1х2), двумерной линейной фильтрации (йкег2), двумерной АЧХ (&ед22), задания различных масок фильтра ^рес1а1, fsamp2,:ftrans2, Гшп^, ^^2), обобщенного нелинейного фильтра (пШкег), оптимизированной операции фильтрации (соШЬ), ранговой, медианной и винеровской фильтрации (оМ6Ь2, medfl1t2, -тепег2) и др.
На рисунке, в качестве примера обработки средствами пакета 1РТ медицинского изображение, приведены исходный рентгеновский снимок (а) и результирующий (б) после обработки по нижеприведенной программе.
а) б)
Рис. 1
Компьютерная обработка рентгеновского изображения средствами пакета 1РТ системы МАТЬАБ.
Программа обработки рентгеновского изображения: info=imfinfo('flu1.tif); d=imread('flu1.tif); imshow (d); figure, imhist(d); d=histeq(d,80); figure, imshow(d); figure, imhist(d); d=im2double(d); h=fspecial('unsharp',0.5); imsharp=conv2(d,h);
imsharp=im2uint8(imsharp);
subplot(1,2,1), subimage(d); subplot(1,2,2), subimage(imsharp); figure, imcontour(d); imshow (d); d=im2double(d); imshow (d); f=inline('mean2(x)'); fon=blkproc(d,[25 25],f); fon=imresize(fon,size(d),'bicubic');
figure,imshow(fon); d=d-fon+0.5; d=imadjust(d,[0.2 0.7],[],1); figure, imshow(d);
ЛИТЕРАТУРА
1. Рудаков П.И., Сафонов И.В. Обработка сигналов и изображений. MATLAB 5x- М.: ДИАЛОГ-МИФИ, 2000.
УДК 681.3
ОПЫТ ВНЕДРЕНИЯ ГОСПИТАЛЬНЫХ СИСТЕМ В ДНЕПРОПЕТРОВСКОМ РЕГИОНЕ Ю.А. Прокопчук, В.В. Костра
ИТМНАН Украины, 49600, г. Днепропетровск, ул. Лешко-Попеля 15, yury@rdc.dp.ua
Более 10 лет авторы принимают участие в разработке госпитальных информационных систем (ГИС) на территории Днепропетровского региона. К функционирующим ГИС относятся: участковая поликлиника (ГБ N2) [1], Медсанчасть Никопольского завода ферросплавов (60 WS или 100% рабочих мест, СУБД Oracle)
[2], Днепропетровский областной диагностический центр (120 WS или 74% рабочих мест, СУБД MS SQL Server) [3]. В настоящее время внедряются ГИС: Областной детской больницы, Больницы УМВД, УкрГосНИИ медико-социальных проблем инвалидности [4] и др.
Авторами разработана технология построения открытых ГИС, когда все шаблоны документов, стандартная лексика, алгоритмы обработки являются частью метаданных, т.е. настраиваемыми самим пользователем [5-6]. В основе данной технологии лежит модульный принцип построения ГИС. К числу основных модулей относятся:
1. Конструктор предметной области. Позволяет создавать шаблоны, описывающие различные объекты и процессы предметной области. Конструктор выполняет три основные функции: создание шаблона; создание документа на основе шаблона; визуализация документа, хранящегося в архиве.
2. Лексический процессор. Использует заготовки словоформ естественного (профессионального) языка для создания
