CC BY
44
Н. Ю. Ильясова, А. В. Устинов, А. Г. Храмов, Т.П. Дворянова
КОМПЬЮТЕРНАЯ СИСТЕМА АНАЛИЗА ДИАГНОСТИЧЕСКИХ КРИСТАЛЛОГРАММ
Введение
В последние годы применение компьютерных методов обработки медико-диагностических изображений стало одним из важнейших инструментов научных исследований и повышения эффективности ранней диагностики глазных заболеваний.
В данной работе описывается автоматизированная, система диагностики патологических изменений в органах зрения на основе анализа кристалло-грамм слезной жидкости (рис. 1.).
Рис. 1. Кристаллизация слезной жидкости в присутствии хлорной меди: (а) - изображение всего кристалла, (б)-увеличенные фрагменты
Слезная жидкость является индикатором нарушения обменных процессов при различной патологии органа зрения. С биохимической точки зрения слеза представляет собой многокомпонентную химическую систему. Биохимические исследования позволяют оценить только некоторые ее показатели.
Известные лабораторные тесты, требуют значительного количества исследуемой жидкости, дорогостоящего лабораторного оборудования и реактивов. В настоящее время невозможно провести одновременное тестирование слезы на наличие всех составляющих ее компонентов. Поэтому сейчас представляют интерес для клиницистов диагностические методики, позволяющие оценить структурные нарушения исследуемой биологической жидкости доступными способами. В основу наших иссле-
дований был взят кристаллографический метод, дающий представление о фундаментальной картине структуры веществ. Он рекомендован в широкую медицинскую практику как дополнительный тест для дифференцированной диагностики воспалительных, опухолевых и дистрофических заболеваний органа зрения.
Основные принципы кристаллографического метода были разработаны Т.Е. Ловицем в 1804 году. В офтальмологии он стал широко применяться в последнее десятилетие.
Существует несколько способов получения кристаллограмм. В одном из них в слезную жидкость до высушивания вводится кристаллообра-зующая жидкость (см. рис. 1). Метод кристаллизации слезы в присутствии хлорной меди был разработан О.Б. Ченцовой с соавторами в 1988 г. [1]. Данная методика считается значительно более чувствительной, чем другие и используется нами в системе анализа кристаллограмм. В другом варианте биологическая жидкость высушивается и далее проводится микроскопия сухого остатка (рис. 2).
(а) (б)
Рис, 2. Чисто высушенная слеза: (а) - норма, (б) - патология
В основу данной системы взята методика кристаллографического исследования слезы с использованием классификационных диагностических признаков.
Визуально очень сложно, а иногда и просто невозможно выделить ведущие патологические признаки. В связи с этим возникла задача применения компьютерных методов анализа изображений кристаллов слезной жидкости. Использование этих технологий открывает совершенно новые возможности. Автоматизированный анализ является более объективным и дает возможность получать не только качественную, но и количественную оценки структурных нарушений кристаллограмм.
Цель настоящих исследований - разработка методов автоматизированного анализа кристалло-грамм, исследование их диагностической ценности, разработка эффективных методов формализации
медико-диагностических признаков и формирования количественных вероятностных оценок патологии на основе разработанной системы признаков классификации кристаллограмм. Результатом работы системы диагностики является интегральная оценка вероятности патологии исследуемой кристалло-граммы, объединяющая все критерии классификации.
1. Критерии классификации изображений кристаллограмм
С помощью методики, разработанной сотрудниками кафедры офтальмологии Медицинской академии г. Волгограда, на основе анализа изображений кристаллограмм, априори разделенных врачом-офтальмологом на нормальные и имеющие патологии, были выделены глобальные диагностические признаки классификации кристаллограмм, используемые для экспертной оценки патологии глаза.
Согласно данной методике при отсутствии глазных заболеваний различного рода кристалл слезы
является прозрачным, содержит длинные, тонкие, преимущественно одного направления лучи, которые имеют четкие границы и исходят из единого центра, имеющегося на изображении или из невидимого, воображаемого центра. При патологии лучи отличаются неровными контурами, кристаллы непрозрачны, наблюдается много поломок, наростов, большой разброс направлений линий кристаллов, на изображении имеется множество центров, из которых исходят лучи. Отличительной особенностью патологии является также большая густота расположения кристаллов на единице площади (рис. 3).
На основе экспертных оценок выделены несколько формальных признаков, позволяющих произвести классификацию кристаллограмм:
• однонаправленность лучей кристалла (К1);
• относительная площадь участков с качественными лучами кристалла (К2);
• густота лучей (К3);
• прозрачность кристалла (К4).
Кристаллограмма слезы в норме
Кристаллограммы с патологией
Рис. 3. Характерные изображения кристаллограмм слёзной жидкости в норме и при патологических изменениях органа зрения
2. Математическое описание диагностических признаков
Большинство из рассматриваемых в данной работе признаков классификации кристаллограмм базируются на понятии поля направлений. Поэтому рассмотрим основные определения и методы, используемые для построения и анализа полей направлений.
2.1. Метод поля направлений Рассмотрим функцию яркости изображения, которую будем считать гладкой. Рассмотрим множество кривых на плоскости, соответствующих константным значениям функции яркости изображения. Множество направлений касательных к этим кривым образует поле направлений:
д1 (х, у)/ дх „ tgх,у) =-„... , , 0 (х,у) <п. д1 (х, у)/ ду
Очевидной является связь поля направлений с градиентом функции интенсивности: угол х, у) задает направление, перпендикулярное вектору градиента (д1 (х,у)/дх,д1 (х,у)/ду).
Характерным отличием поля направлений от поля углов вектора градиента является область значений: [0,п) в отличие от [0,2п) что сказывается на
арифметических свойствах поля направлений и приводит к тому, что традиционные методы обработки изображений (линейная обработка окном, нелинейная фильтрация, и т.п.) не могут быть непосредственно применены к полям направлений. Для по-
строения алгоритмов сглаживания поля направлений и выделения «контуров» на поле направлений предлагается ввести понятие комплексного поля направлений:
Ц(х, у) = м>(х, у) exp(/2ц(х,у)), 0 < w(х,у) < 1.
Весовая функция ^(х,у) имеет физический смысл достоверности (выраженности, надежности определения) поля направлений в данной точке. Она должна принимать максимальное значение, равное 1, на участках изображения с отчетливо выраженным направлением периодической структуры. Такими участками являются области с резкими перепадами яркости (контуры). Минимального значения, равного нулю, весовая функция должна достигать на участках с постоянной яркостью. Поэтому весовую
функцию можно определить на основе градиента функции яркости следующим образом:
w( х, у) = ■
(д/ (х, у)/ дх)2 + (д1 (х, у)/ ду )2
(1)
I + (д/(х, у) / дх)2 + (д/(х, у) / ду)2'
С использованием комплексного поля направлений легко записать алгоритм линейной фильтрации (сглаживания) поля направлений на основе усреднения по скользящему окну:
цЦ(х, у) = р^Цц/(х - и, у - и)ёиёу.
Различные методы построения поля направлений подробно изложены в [2]. Иллюстрация поля направлений кристаллограммы приведена на рисунке 4.
Кристаллограмма слезы в норме
Исходное изображение
Фильтрованное поле направлений
Кристаллограмма слезы при патологии
Контурный препарат поля направлений
Исходное изображение
Фильтрованное поле направлений
Контурный препарат поля направлений
Рис. 4. Иллюстрация критерия однонаправленности Для обнаружения скачков поля направления (контуров) целесообразно использовать квадрат модуля градиента комплексного поля направлений:
У( х, у) = |ЛЦ ( х, у)|2
При единичной весовой функции w(x,y)=1 получаем
У( х, у) =
д sin х, у)
дх
+ (д sin ц( х, у)
ду
д cos х, у)
дх
+ (д cos ц( х, у)
ду
(2)
2.2. Критерий однонаправленности лучей кристалла слезы
Кристаллограммы слезной жидкости при отсутствии патологических изменений в органах зрения
характеризуются явно выраженной однонаправленность лучей кристалла, то есть имеют небольшой разброс направлений лучей (см. рис. 3а). В формализованном виде данный критерий классификации выразим коэффициентом однонаправленности лучей. Эта величина вычисляется на основе анализа фильтрованного поля направлений изображения кристаллов.
За коэффициент однонаправленности кристаллограммы К/ будем принимать среднее по изображению значение величины (2). Контурная характеристика поля направлений показана на рис. 4.
2.3. Критерий относительной площади участков с четкими линиями На рис. 3 видно, что изображение кристалло-грамм слезной жидкости неоднородно: существуют участки с нечеткими размытыми линиями, иногда имеются крупные однородные пятна.
При патологических изменениях наблюдается увеличение относительной площади этих участков.
Весовая функция комплексного поля направлений (1) принимает большие значения в областях изображения, где линии выражены отчетливо (см. п.2.1). Поэтому введем критерий оценки областей с качественными линиями по относительной площади участков с наибольшим весом. Из экспериментальных исследований установлено пороговое значение веса, разделяющее области с
Кристаллограмма
явно выраженной четкостью линий от «плохих» участков.
Алгоритм расчета критерия заключается в пороговой обработке изображения «весов» (рис. 5). Количественным показателем критерия является коэффициент четких линий:
Кг = Бр / 5,
где 5 - площадь всего изображения; Бр - суммарная площадь участков, на которых значение веса не меньше порогового значения .
слезы в норме
Исходное изображение
Исходное изображение
«вес» поля направлении Кристаллограмма слезы при патологии
' ¡'ух
«вес» поля направлений
«вес» поля направлений после пороговой обработки
Ж
. » — * •
«вес» поля направлений после пороговой обработки
Рис. 5. Иллюстрация критерия относительной площади участков с четкими линиями
2.4. Критерий густоты лучей кристалла
В ходе экспериментальных исследований на натурных изображениях в офтальмологии было отмечено повышение вероятности заболевания при значительном увеличении плотности лучей кристалла. На основании этого был сформулирован признак плотности линий на изображении кристалла.
Его количественное значение можно определить, исходя из частотных свойств функции яркости изображения. В качестве критерия классификации принимается среднее значение густоты лучей кристалла. Усреднение должно проводиться по областям изображения с большим значением весовой функции поля направлений, на которых значение пространственной частоты является достоверным.
Функцию яркости изображения кристаллограм-мы будем считать локально периодической, допускающей следующую аппроксимацию:
1(х,у)=А8ш(юх х + юуу+ф)+В, где юх, ю - искомые пространственные частоты.
Коэффициент густоты линий определим как среднее значение квадрата пространственной частоты функции яркости кристаллограммы:
К3 =Т1 Ую2,
3
где ю2 = ю2 + ю2
D - область четких линий.
2.5. Критерий прозрачности кристаллограммы
Вероятность наличия у человека заболевания глазного дна увеличивается с уменьшением прозрачности кристаллограммы слезы. Введем критерий прозрачности кристалла.
Прозрачность кристаллограммы будем определять, используя вероятностное распределение функции яркости. «Прозрачная» кристаллограмма характеризуется положительным смещением среднего значения яркости I относительно срединного наче-
ния Ic = (Im „ + Im ш)/2, т.е. 1 > Ic . Для «непр°зрач-
ной» кристаллограммы I < Ic (рис.6).
(а) (б)
Рис. 6. Распределение яркости для прозрачного (а) и непрозрачного (б) кристалла
Количественным выражением данного критерия является коэффициент:
К = (7 - /с)/1
Гистограмма функции яркости вычисляется по областям четких линий. Для уменьшения влияния шумов минимальная и максимальная яркость вычисляются через квантили распределения.
1Ш „: Р(I > 1Ш „) = Ро /2
1ш1л : Р(/ < 1ш1л) = Ро /2 '
Где р0 = 0,02 ^ 0,1.
Изображение кристаллограммы характеризуется неравномерной яркостью по полю. С другой стороны, изображения различных кристаллов обладают неодинаковой яркостью фона из-за невозможности обеспечения одинакового равномерного освещения слезной жидкости при фотосъемке и вводе изображения в ПК. Поэтому проводится выравнивание яркости, при котором сохраняется контраст между линиями кристалла и фоном в их окрестности. Все вышеупомянутые вычисления производятся по изображениям с выравненной яркостью.
3. Классификация кристаллограмм на основе объединения диагностических признаков
Окончательная оценка вероятности наличия патологии Р зависит от значений вероятностей патологии по каждому отдельно взятому критерию:
Р= Р(Р1, Р2, Р3, Р) где Рг = Р(К) - вероятность нормы при классификации только по г-тому критерию, Кг - величина критерия. Вероятность нормы отдельного образца при классификации, проводимой только по г-тому критерию может быть вычислена следующим образом:
1, к > кН
К - КП
P =
KH - КП
, кп < К, < KH
(3)
о, к,. < кП
где КП - порог патологии, К^ - порог нормы, К-значение коэффициента, численно выражающего г-тый критерий классификации.
Для конкретного признака классификации пороги К/, К/ выбираются из условия мини-
мальной ошибки классификации по данному критерию.
Простым способом учета многомерности признакового пространства при классификации является использование взвешенной комбинации значений вероятностей нормы по отдельным критериям:
Р = Р^1 + Р2 у2 + Р3у3 + РА \4 (4)
где уг - весовые коэффициенты, ^ = 1.
г
Экспериментальные исследования, проводимые по указанной методике показывают, что рассмотренные выше признаки имеют различную значимость при диагностике кристаллограммы.
Некоторые кристаллограммы априорно отнесены к патологическим из-за явно выраженного патологического характера только по одному критерию классификации, достаточно важного для диагностики, несмотря на высокие значения вероятностей отсутствия патологии по другим признакам.
На рис. 3 приведены примеры изображений кристаллов слезной жидкости в норме и с патологией. Очевидно, что на одном из изображений кристалло-грамм с априорной нормой густота лучей значительно выше, чем на другом. Это приведет к тому, что коэффициент густоты будет достаточно большим, и изображение может быть отнесено к патологии, несмотря на оценку врача, который дал кри-сталлограмме класс нормы по сильно выраженному признаку однонаправленности лучей кристалла. Таким образом, возрастет вероятность ошибки классификации. Аналогичная ситуация может возникнуть и при исследовании изображений с патологией.
Поэтому введем понятия весового коэффициента вероятности, учитывающего важность (значимость) данного критерия и используем его при объединении критериев классификации. Весовые коэффициенты для каждого критерия берутся пропорционально качеству классификации по данному критерию (частоте совпадений полученных оценок с априорными оценками), причем их сумма равна единице:
v, = n< /
(5)
где nt - количество правильной классификации по i-му критерию.
Рассмотрим задачу оптимального объединения сформированной системы признаков является построение решающей функции классификации по обучающей выборке кристаллограмм
R = Ю0 + PjQJ + P2 ю2 + Р3ю3 + P4 ю4
из условия минимума среднеквадратической ошибки аппроксимации функции априорной оценки:
N
I = ^(ю0 +rajР. +ю2Р2 +ю3Р. +ю4Р4' - f )2 min,
,=1
где Р - априорная оценка (1 - норма, 0 -патология), N - объём выборки.
Для применения полученной решающей функции в качестве вероятности нормы образцов проводим нормализацию к диапазону [0;1] следующим образом:
р Р1ю1 + Р2ю2 + Р3ю3 + Р4ю4
4. Экспериментальное исследование разработанных алгоритмов анализа кристаллограмм
Для нахождения параметров системы диагностики (границ нормы и патологии в (3), весовых коэффициентов решающей функции (4)) проводились исследования по обучающей выборке, состоящей из 20 натурных изображений (10 - норма, 10 - патология). Результаты выборочной классификации показаны в таблице 1. Здесь тип соответствует априорной оценке офтальмолога данного изображения (Н -норма, П - патология); Рь - Р4 - вероятности нормы по соответствующим критериям классификации; Я! Я2 - результирующая оценка вероятности нормы, полученная разными способами объединения критериев классификации (Я2 - при оптимальном); С1-С2 -соответствие результата классификации априорной оценке при пороге 0,6.
Исходя из условия минимума ошибочной классификации, получено пороговое значение вероятности, отделяющее норму от патологии (Р0 =0,60). При объединении критериев первым способом (5) ошибочная классификация составляла 10% (в двух случаях априорной патологии наблюдалась норма). При оптимальном объединении ошибок не наблюдается.
Для исследования качества диагностики системы были проведены испытания на проверочной выборке, состоящей из 105 изображений (34 -нормы, 71 -патология). Используя найденные параметры системы оптимального объединения и оптимальное пороговое значение (Р0 =0,5845), на двух образцах кри-сталлограмм, имеющие априорную норму на выходе системы получена патология и на 18 образцах с априорной патологией получена норма. Мы предполагаем, что одной из причина ошибочной классификации может являться тот факт, что качество ввода изображения проверочной выборки в ходе эксперимента был выше, чем обучающей, что привело к неоднородности объединенной выборке.
В ходе экспериментальных исследований в сотрудничестве с офтальмологами была найдена вторая причина достаточно большого процента ошибочной классификации на серии кристаллограмм слезной жидкости с априорной патологией. Она состоит в том, что часть признаков, немаловажных для диагностики глазных заболеваний, оказалась за пределом анализа. Они не были обнаружены и формализованы вследствие отсутствия их в обучающей выборке, а также вследствие частичной потери их в процессе ввода изображений (недостаточно высокое
разрешение ввода, потеря информации из-за различного рода шумов). Этими признаками являются более мелкие характеристики лучей кристалла (локальные признаки) (рис. 7):
1. отсутствие центра кристаллизации (рис. 7а);
2. кристаллизация на посторонних включениях (рис. 7 б);
Мелкие дефекты кристаллов:
а) множественные дополнительные включения - природные шумы кристалла (признак воспаления и опухоли) (рис. 7в, г);
б) обильные наросты на лучах кристалла (рис. 7д);
в) неровные контуры луча (утолщения на концах, выемки на протяжения луча) (рис. 7е).
(д) (е)
Рис. 7. Примеры кристаллограмм, содержащих локальные признаки патологий
Цель дальнейших наших исследований в данной области - изучение этих признаков диагностики, попытка их формализации.
Заключение
Компьютерная система анализа диагностических кристаллограмм реализована в операционной системе Windows 3.1 в программной среде Borland С++ 4.5 с использованием объектно-ориентированной библиотеки ObjectWindows2.0.
Таблица 1
Результаты классификации по обучающей выборке
Изображение
Поле направлений
Тип
Р1
Рз
Р4
Ri
Ci
R2
С2
Н
0,634
0,4
0,964
0,72
0,736
П
0,466
0,4
0,896
0,294
0,47
0,587
Н
0,846
0,816
0,924
0,86
Н
0,44
0,294
0,72
0,783
П
0,15
0,319
Н
0,863
0,476
0,824
0,83
0,751
П
0,614
0,525
0,456
0,67
0,576
1
+
+
+
1
1
+
+
1
1
+
+
0
0
1
0
+
+
1
+
1
+
Глобальная диагностика, взятая в основу данной системы, позволила выделить из множества кристаллограмм группы нормы и патологии, определить количественное выражение того или иного глобального признака классификации кристаллограммы. Более детальная обработка на основе дополнительной серии признаков позволит в дальнейшем перейти к дифференциальной диагностике, т.е. выявлять отдельные группы заболеваний: опухоли, дистрофические и воспалительные заболевания.
Литература
1. Ченцова О.Б., Прокофьева Г.Л. Кристаллографический метод обследования при некоторых заболеваниях глаз // Методические рекомендации. М.: 1988г.
2. Ильясова Н.Ю., Устинов А.В., Храмов А.Г. Методы анализа дактилоскопических изображений на основе поля направлений // Научное приборостроение, т.З, стр 89-101, Санкт-Петербург: 1993г.
3. Khonina S.N., Kotlyar V.V., Soifer V.A., Dvory-anova Т.Р. Optical-digital method for detecting distortions of microcrystal structure on a tear crystal-logram // Proceedings SPIE, vol. 2363. pp. 249-255.
