CC BY
15
В.П. ФРАЛЕНКО,
к.т.н., старший научный сотрудник, ИПС им. А.К. Айламазяна РАН, alarmod@pereslavl.ru М.В. ШУСТОВА,
инженер-исследователь, аспирант, ИПС им. А.К. Айламазяна РАН, Институт системного анализа ФИЦ ИУ РАН, m.v.shustova@gmail.com М.В. ХАЧУМОВ,
к.ф.-м.н., научный сотрудник, Институт системного анализа ФИЦ ИУ РАН, Российский университет дружбы народов, khmike@inbox.ru
МЕТОДЫ ИНТЕЛЛЕКТУАЛЬНОЙ ПОДДЕРЖКИ РАБОТЫ
ВРАЧА-ИССЛЕДОВАТЕЛЯ ПРИ ИЗУЧЕНИИ ЗОН ИШЕМИЧЕСКОГО ПОРАЖЕНИЯ ГОЛОВНОГО МОЗГА И ДВИЖЕНИЯ МЕЗЕНХИМАЛЬНЫХ СТВОЛОВЫХ КЛЕТОК
УДК 004.514:004.93
Фраленко В.П.1, Шустова М.В.'-2, Хачумов М.В.2,3 Методы интеллектуальной поддержки работы врача-исследователя при изучении зон ишемического поражения головного мозга и движения мезенхимальных стволовых клеток 'ИПС им. А.К. Айламазяна РАН; 2Институт системного анализа ФИЦ ИУ РАН; 3Российский университет дружбы народов)
Аннотация. В статье рассматриваются методы автоматического выделения и анализа зон ишемического поражения мозга лабораторного животного (крысы), а также методы анализа характеристик миграции трансплантированных мезенхимальных стволовых клеток. Исходной информацией для анализа служат данные магнитно-резонансной томографии. Разработанные методы предназначены для поддержки принятия решений врачей-исследователей.
Ключевые слова: магнитно-резонансная томография, объем ишемического поражения, мезенхимальны/е стволовые клетки, пути миграции, информативные параметры!.
UDC 004.514:004.93
Fralenko V.P.1, Shustova M.V.12, Khachumov M.V.2,3 Methods of intellectual support of physician-researcher's work in the study of the zones of ischemic brain injury and movement of mesenchymal stem cells fAilamazyan Program System Institute of RAS; 2Institute for Systems Analysis of RAS; 3Peoples' Friendship University of Russia)
Abstract. The article considers methods of automatic isolation and analysis of zones of ischemic brain injury of a laboratory animal (rat) and methods for analyzing the characteristics of transplanted mesenchymal stem cells migration. The initial information for the analysis is the data of magnetic resonance imaging. The developed methods are designed to support the decision-making of physician-researchers.
Keywords: magnetic resonance imaging, volume of ischemic injury, mesenchymal stem cells, migration paths, informative parameters.
>-
ВВЕДЕНИЕ
Врачи-исследователи, занимающиеся анализом данных магнитно-резонансной томографии (МРТ), решают важнейшие для здоровья человека задачи, связанные, в том числе, с изучением проблемы ишемического поражения мозга.
© В.П. Фраленко, М.В. Шустова, М.В. Хачумов, 2018 г.
■ ■■
F4H
Из анализа существующих инструментальных средств обработки и визуализации биомедицинских данных МРТ [1] следует, что в настоящее время не существует средств автоматического решения задач выделения зон поражения и расчета их геометрических характеристик, а также задач построения путей миграции мезенхимальных стволовых клеток (МСК) после их трансплантации в ишемизи-рованный мозг [2]. Автоматизация процессов обработки зон интереса врача-исследователя помогла бы повысить скорость и качество проводимых исследований за счет высокоточного поиска целевых областей в данных МРТ в интерактивном режиме работы с применением высокопроизводительных вычислителей.
В настоящей работе представлен комплекс алгоритмов для решения задач обнаружения, распознавания и расчета объема ишемическо-го поражения головного мозга крысы, а также обнаружения, распознавания и трекинга МСК. Для разработки и отладки алгоритмов и программного обеспечения используются данные
2018, № 1
в формате DICOM, полученные с МРТ-сканера в различных режимах работы.
Л. РАСЧЕТ ОБЪЕМА ЗОНЫ ИШЕМИЧЕСКОГО ПОРАЖЕНИЯ ГОЛОВНОГО МОЗГА
Задача выделения зоны ишемического поражения мозга решается на Т2-взвешенных изображениях МРТ. Разработанный алгоритм позволяет вычислить площадь ишемическо-го поражения на каждом срезе, построить 3D-модели мозга и зон интереса, рассчитать их характеристики.
Расчет объема и построение модели головного мозга требуют предварительного выделения области мозга на всех срезах снимка МРТ. На первом этапе обработки применяется алгоритм выделения области мозга, использующий в качестве входных данных результат работы утилиты BET (Brain Extraction Tool) [1, 3]. Пример выделения области мозга лабораторного животного представлен на рис. 1.
а) исходный кадр
в) исходный кадр
б) выделенная область
г) выделенная область
Рис. J. Выделение области мозга
>
а) исходный кадр
б) выделенная область
в) исходный кадр
Рис. 2. Выделение зоны
Следующий этап - выделение непосредственно зоны ишемического поражения на отдельных срезах снимка МРТ. Центральную часть составляют алгоритмы автоматического извлечения характерных признаков. Для выделения зоны ишемического поражения применяется метод, основанный на спектрографическом анализе текстурных признаков Харалика [4] и классификатор, использующий обобщенное расстояние Евклида-Махаланобиса [5]. Пример выделения приведен на рис. 2.
На рис. 2а и 2в показана экспертная разметка зоны ишемического поражения. В процессе выделения на срезах ишемического поражения и области мозга формируются соответствующие бинарные маски по следующему правилу:
Пх.у) > О /(х,у) = О'
где/(х,у) - яркость рассматриваемого пикселя исходного изображения, (х,у) - координаты рассматриваемого пикселя, g - значение пикселя результирующей бинарной маски.
г) выделенная область ишемического поражения
Будем в дальнейшем для простоты и удобства измерять «площадь» как количество пикселей, содержащихся в зоне интереса: п,ш
5= X д(Г(.х,уу),
х=1,у=1
где п - ширина изображения, т - высота изображения. Такой подход позволяет сохранять соотношения между площадями выделенных частей среза. Вычисленные площади отображаются в окне специального интерфейса (см. рис. 3).
На рис. 3 приведены расчетные данные, полученные при обработке изображений срезов, показанных на рис. 1б, 1г и рис. 2б, 2г (соответственно строки 17 и 21). Из них следует, что доля ишемического поражения на указанных срезах составляет 10,85% и 16,37% от площади среза мозга.
На основе этих данных можно вычислить относительные объемы выделенных областей интереса. Представим зоны интереса на отдельных срезах в виде многоугольников. Тогда объем модели, представленной набором
■ ■■
РЧН
2018, № 1
Добавить новое исследование иыбрать все
Графически й интерфейс врача-исследовэтелд Убрать выделение Удалитьсобранное Запустить обработку Изменить!встройки о программе
, Пннск ишнннчкекия повреждений
■¿о
Вц^рлрние оЬллгтн
, Поиск стволовых
Серия глнмкон №1 Серия снимкпи №?
Дней после повреждения: О Путь: зддпн
I Н11 Ызрс|[><ПЫК<№ЫЫХ
данных; Т2-снимки Дннназон: 11 74
Дней после повреждения: О Пум.: задан I ип ЫфгзЕшьвыемых данных: Т2-спнмки Дигшн.шн:
Путь: задан Тип обрабатываемой: данных: ЫМ-сикмки Диапазон;
ДО 0ВСДС11НЯ
Пун»: зддон I ип обрабатываемых данных: I ннмки Диапазон: "М - 2Ъ
Дней после
вяущнии: 3 Путь: задам
I ип о6ра(>лтыв1"бен1.и
данный: 5Ш1-аммки
Днлпп.чпн: ?Л 74
Статистические да иные (серия снимков №2)
Кадр 11лощадь мозга, рх Мломшль '<гчнн, ру Доли повреждения,.
11 0 0%
12 10712 УМ 3.21%
13 ИНВЗ 563 5.15 ЧЬ
11 1111$ 1166 1Л.4Й %
15 10У54 1353 12-35*
16 111011 1106 9.46*
1? 105ВЬ 1149 Ш.В5 %
18 0970 1353 16%
19 ЧТО) 1053 20.01 %
20 №41 1933 22 0
21 /ЪСО 1226 1^.3?*
22 6421 11® Шь%
23 зм 6.53 %
21 415В 0 0%
| ПК
Рис. 3. Отображение статистических данных
усеченных пирамид, определяемых множеством упорядоченных срезов, измеряется по формуле
П_11
У = + л/ад+1 + Ян)'
1=1
здесь п — количество срезов в рассматриваемом снимке МРТ, к - расстояние между срезами, - площадь области интереса (мозга или ишемического поражения) на .-ом срезе. Предложенная модель применяется для вычисления объема как головного мозга, так и ишемического поражения.
Для анализа выделенной зоны поражения врачом-исследователем средствами графического интерфейса визуализируется ее 3D-модель (см. рис. 4).
Рис. 4.
Построенная 3D-модель
>
■■■
РЧН
Графический интерфейс врача-исследователя
Добавить новое исследование Пыбрать нее Убрать выделен ие Удалить выбранное Лапустить обработку Изменить наггройки О программе А
Серия снимкин №1 Серии снимков РЧ
. л Ппига ИШРМИЧРГКИХ ПООрСКДСННИ Jimiii iiuuie попрякдишя: ft Путь: задан Тип лЬрабатынаемиог длннм*: Т?-снимки Лиапатм: - Дней i t::.1 К: понргеьгдення: ft Путь: задан Тип ijhpafiaThiRaeMhK данных: Т?-гнимки Диапа.тн: 1 ! - ?4
121 Вьиепсние области С MU2EUM Путь: задан Тип обрабатыоасмьк доккьк: 12 lh>i'ik,i Днйиил>н:
1 j nntifiK пиппппьн IUIOTÖH До "".г.г. |.м Путь: задам Тип о&рабатыоасмьк UJHHLiix: bWi LH и мки Днйнизин; 2Ъ Дней i'jL'ie янедекия:Л Путь: яадлк Тип ohpafiaThiRaeMhK дашськ: bWI-ciiuMiru Диапазон: 23 - 1Л
Статипичрские данные (серия снимков М1?)
Герия Обърм мпяга, рх ОЬъем ишемии, |]>: Дллл гххрхждппш. о n
7. 11ЧМПЯ.71 1361 Oft .4 11.45 <№
Куцр П/ющидь нш| <1 ||/. Пшшшль ишемии, рх Дилн 1ИШ|Д1ЖД<111ИН, '"
11 9914 « 0%
12 10/12 344 3.21 %
13 10933 5S3 i.lï %
14 1115S 1166 Ш.4Ь %
IS 10Î54 13S3 12.3S №
It) 111UB 111J& У.ЗЬ Та
1? мвве 1И9 lU.tö 'Ki
Iii 99/(1 16 %
19 9Zt>9 1ВЬЬ ¿U.Ol 'Ri
20 Й441 isaî as %
21 /SOO HAS 16.3/ №
22 6421 1166 18.16%
23 3ÎSS
21 ■1158 0 0%
V
Рис. 5. Отображение статистических данных
соединения соответствующих центров обо-
На рис. 5 приведена статистическая информация, отображаемая в окне интерфейса после всех проведенных вычислений.
Из приведенных данных следует, что доля ишемического поражения относительно объема мозга составляет 11,42%.
2. РАСЧЕТ ИНФОРМАТИВНЫХ ПАРАМЕТРОВ СКОПЛЕНИЙ МСК
Для выделения скоплений МСК на МРТ-снимках используются эвристические критерии выделения стволовых клеток на сложном фоне, содержащем множество мелких сосудов головного мозга. По набору DICOM-снимков, сделанных в разные моменты, удается находить и распознавать большую часть стволовых клеток, а также отслеживать их движение. Алгоритм трекинга базируется на выделении стволовых клеток [6], построении выпуклых оболочек множеств МСК, вычислении центров тяжести полученных оболочек и на формировании траектории движения МСК путем
лочек с помощью специальной интерполирующей кривой Безье. Предложенные методы и алгоритмы служат основой для последующих измерений направлений, длин путей и скоростей перемещения МСК.
Специальная параметрическая кривая Безье, проходящая через три точки центров скоплений МСК Р0, Р Р2 с координатами (х0 ,у0), (х1 ,у1), (х2,у2) рассчитывается следующим образом:
Рх(0 = *о(1 - О2 + - г) + х2гг, руЮ = Уо(1 - О2 + У1*2с(1 - О + у2е,
где --' У1_ 2^(1-« ;
есть координаты дополнительной точки Р1, определяющей вид требуемой кривой.
Здесь t-L = , где dx и d2 - расстоя
ния
с*1+<*2' ""1 " 2
между точками Р ,Р , и Р1,Р2 соответственно.
На рис. 6 показан результат выделения стволовых клеток на одном срезе в хронологическом
2018, № 1
а) сразу после введения
б) через 3 дня
в) через 7 дней
Рис. 6. Выделение стволовых клеток на последовательности снимков
а) сразу после введения б) через 3 дня в) через 7 дней
Рис. 7. Построение оболочек множеств МСК
порядке (сразу после введения стволовых клеток, через 3 дня и через 7 дней).
На рис. 7 показан результат построения оболочек, а на рис. 8 - траектория движения скоплений МСК.
Одновременно с построением траектории вычисляется ее длина и относительная скорость движения МСК. По аналогии с измерением площадей будем измерять расстояния и длины отрезков в количестве пикселей. Для расчета скорости движения МСК за условную единицу была взята ширина изображения, которая составила 256 пикселей, длина траектории движения - 17 пикселей. Таким образом, отношение длины траектории к длине условной единицы составило 6,64%. Время, прошедшее с момента введения стволовых клеток, составляет 7 дней, следовательно скопления МСК двигались со скоростью 0,95% от условной единицы в день.
Вычисление направления передвижения скоплений МСК проводилось с помощью
Рис. 8. Построение траектории движения МСК с помощью специальной кривой Безье
метода наименьших квадратов (МНК), который дает усредненное представление о тренде скоплений стволовых клеток. На рис. 9 представлены примеры построения направления
>
■■■
РЧН
>
Рис. 9. Построение тренда перемещения МСК с помощью МНК
движения скоплений МСК с помощью метода наименьших квадратов.
Разрабатываемый программный комплекс автоматического поиска, выделения и 3D-визуализации зон интереса предоставляет возможности для углубленного изучения свойств МСК за счет вычисления информативных параметров, таких как распределение, скорость перемещения МСК и процентное отношение ишемического поражения к объему мозга. Программный комплекс также позволяет отслеживать пути миграции скоплений МСК с помощью специальных параметрических кривых, что создает условия для составления карт миграции стволовых клеток с учетом анатомических особенностей мозга крысы.
ЗАКЛЮЧЕНИЕ
Для автоматизации работы врачей-исследователей разработан специализированный графический интерфейс, облегчающий работу с экспериментальными данными и вычислительными ресурсами. Для сопоставления
исходных данных и результатов обработки доступна функция когнитивной визуализации, в соответствии с которой врач-исследователь имеет возможность наблюдать выделенные зоны ишемического поражения и стволовые клетки в отдельных срезах головного мозга. Когнитивная визуализация доступна как в 2D-, так и в 3D-формате, что дает возможность точнее оценивать текущее состояние головного мозга. Функционал интерфейса позволяет выполнять расчеты, необходимые для анализа выделенных зон интереса. Последнее является крайне важным для понимания механизмов перемещения МСК при ишемическом поражении головного мозга, что подтверждает актуальность проводимых исследований.
Авторы выражают благодарность к.м.н. Губскому Илье Леонидовичу (ГБОУ ВПО РНИ-МУ им. Н.И. Пирогова Минздрава России) за предоставление экспериментальных данных.
Работа выполнена при частичной финансовой поддержке проектов РФФИ № 16-29-07116-офи_м, 17-37-50001-мол_нр и 17-29-07002-офи_м.
ЛИТЕРАТУРА
1. Фраленко В.П., Хачумов М.В., Шустова М.В. Анализ инструментальных средств обработки и визуализации биомедицинских данных магнитно-резонансной томографии (обзор литературы). - Вестник новых медицинских технологий. - 2016. - № 4. - С. 307-315.
Система поддержки принятия решений idmz ru
' ' -
2018, № 1
2. Иванов Д.В., Хадарцев А.А., Хадарцев В.А., Седова О.А., Митюшкина О.А. Клиническое использование стволовых клеток. - Вестник новых медицинских технологий. - 2009. -№ 4. - С. 31-33.
3. Brain Extraction Tool. URL: https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/BET (Дата обращения: 23.11.2017).
4. Фраленко В.П., Хачумов М.В., Шустова М.В. Инструментальные средства автоматического поиска и визуализации зон интереса в данных МРТ для поддержки принятия решений врачей-исследователей. - Искусственный интеллект и принятие решений. - 2016. - № 4. -С. 27-37.
5. Амелькин С.А., Захаров А.В., Хачумов В.М. Обобщенное расстояние Евклида-Маха-ланобиса и его свойства. - Информационные технологии и вычислительные системы. -2006. - № 4. - С. 40-44.
6. Фраленко В.П., Хачумов М.В., Шустова М.В. Выделение и когнитивная визуализация трансплантированных мезенхимальных стволовых клеток на снимках магнитно-резонансной томографии. - Искусственный интеллект и принятие решений. - 2017. - № 3. - С. 10-20.
Органайзер
-f-
КОНФЕРЕНЦИЯ
«ИТ В ЗДРАВООХРАНЕНИИ: РАЗВИТИЕ ПРОДОЛЖАЕТСЯ»
Дата и место проведения: 15 марта 2018 г., г. Москва
Организатор: CNews
Подать заявку можно на сайте -
http://events.cnews.ru/events/it_v_zdravoohranenii_razvitie_prodol¡aetsya.shtlTll
Вопросы к обсуждению:
- Место медицины в цифровой экономике
- Как развиваются облачные сервисы для медучреждений и пациентов?
- Что будет с телемедициной после принятия проекта?
- Инновации мирового рынка e-Health.
- Защита медицинских данных
- На какой стадии находится развитие ЕГИСЗ и ее компонентов, региональных и федеральных (ИЭМК, ФЭР и т.д.)?
- Насколько эффективно создание личного кабинета пациента «Моё здоровье»?
- Перспективны ли коммерческие сервисы в онлайн и дистанционной медицине?
- Электронные больничные и онлайн аптеки: какова технологическая и организационная готовность?
- Какие технологии помогут сделать медицинскую помощь доступной?
- Как будет развиваться e-медицина в 2018 г.?
