CC BY
104
ВрЭЧ :::: ИТ и диагностика
™ и информационные
технологии
%
>
В.Л. КОВАЛЕНКО,
д.м.н., профессор, главный врач Хабаровского краевого клинического центра онкологии, г. Хабаровск, Россия, kkco@mail.ru
Н.Э. КОСЫХ,
д.м.н., профессор, главный научный сотрудник лаборатории медицинской информатики Вычислительного центра ДВО РАН, г. Хабаровск, Россия, kosyh.n@bk.ru С.З. САВИН,
к.т.н., заведующий лабораторией медицинской информатики Вычислительного центра ДВО РАН, г. Хабаровск, Россия, savin.sergei@mail.ru
В.В. ГОСТЮШКИН,
ведущий инженер лаборатории медицинской информатики Вычислительного центра ДВО РАН, г. Хабаровск, Россия, gostusvv@mail.ru
МЕТОДЫ ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ КОМПЬЮТЕРНЫХ АВТОМАТИЗИРОВАННЫХ ТЕХНОЛОГИЙ В ЗАДАЧАХ РАДИОНУКЛИДНОЙ ДИАГНОСТИКИ
УДК 004.9:61:007
Коваленко В.Л., Косых Н.Э., Савин С.З., Госгюшкин В.В. Методы повышения эффективности компьютерных автоматизированных технологий в задачах радионуклидной диагностики (ФГБУН Вычислигельный ценгр ДВО РАН, г. Хабаровск, Россия)
Аннотация: Статья посвящена методам повышения эффективности систем компьютерного автоматизированного анализа в задачах диагностики костных метастазов по данным планарной остеосцинтиграфии. В рамках этой системы на основе обучающей выборки изображений очагов гиперфиксации (ОГФ) радиофармпрепарата (РФП) с использованием метода опорных векторов сформирована классифицирующая функция. Эта функция применяется для автоматического распознавания новых изображений с целью определения патологических и непатологических ОГФ РФП. Последующее изучение параметров гистограмм изображений ОГФ в разных анатомических зонах скелета у пациентов без костных метастазов показало, что отдельные зоны скелета существенно отличаются друг от друга по средним значениям показателей средней яркости, средней контрастности и относительной гладкости яркости изображений. Использование в модифицированной КАД-системе набора классифицирующих функций, созданных на основе обучающих выборок изображений ОГФ отдельных анатомических зон, существенно повышает эффективность выявления онкопатологии на планарных остеосцинтиграммах.
Ключевые слова: компьюгерный авгомагизированный анализ, КАД-сисгема, парамегры гисгограммы, сцингиграфия скелега.
UDC004.9:61:007
ч*
Kovalenko V.L., Kosykh N.E, Savin S.Z., Gostyushkin V.V. The Modification of the System of Automatic Recognition of Bone Metastases Based on the Results of Histogram Analyses of Planar Skeleton Scintigraphy (Computer Center of FEB RAS, Khabarovsk, Russia)
Abstract: The study deals with the improvement of CAD system for the diagnosis of skeletal metastases on the basis of planar scintigraphy data that has previously been developed. As part of this system, a classifying function was made by the method of support vectors on the basis of a training set of the images of HZ (hyperfixation zone) of RPP (radiopharmaceutical preparation). This function was applied for the automatic recognition of new images in order to identify pathological and non-pathological RPP hyperfixation zones. The subsequent study of the histogram parameters of HZ images in different anatomic areas of the skeleton in patients without bone metastases showed that certain areas of the skeleton differ significantly from each other in average brightness, average contrast, and the relative smoothness of the image brightness. The use of classifying functions in the new CAD-system based on the training sets of HZ images of individual anatomical zones significantly increased the efficiency of identifying pathology on the planar osteoscintigramms. Keywords: automated computer analysis, CAD-system, histogram parameters, bone scintigraphy.
© В.Л. Коваленко, Н.Э. Косых, С.З. Савин, В.В. Гостюшкин, 2013 г.
HI
■I
I/IT и диагностика
www.idmz.ru
гол з, №6
■■■■
ГШ
Введение
Прогресс в области развития цифровых методов, развитие компьютерных систем и телекоммуникационных сетей задают облик настоящих и будущих высоких медицинских технологий и всей медицины в целом. Бурное развитие современных систем медицинской диагностики приводит к постоянному увеличению количества цифровых изображений, получаемых в различных медицинских учреждениях. Для эффективного использования в диагностическом процессе эти изображения должны быть оперативно проанализированы, количественно оценены и интерпретированы. В последнее время за рубежом по аналогии с системами CAD/CAM (computer aided design/computer aided manufacturing) для технических приложений активно разрабатываются и успешно внедряются в практику здравоохранения и в учебный процесс компьютерные системы диагностики — CAD (computer-aided diagnosis — компьютерная диагностика) или системы КАД-анализа [5, 10]. Созданы обучающие КАД-системы, предназначенные как для начинающих специалистов, так и помогающие КАД-системы для поддержки принятия решений в трудных диагностических ситуациях для практикующих врачей и распознающие образы или детекторные КАД-системы, использующиеся в скрининговых программах. Некоторые из них уже успешно функционируют, но до сих пор такие системы являются всего лишь помощниками врача-диаг-носта, принимающего решение, что существенно снижает эффективность их использования [7, 9]. Примеры практического использования методов радионуклидной диагностики демонстрируют также сохраняющуюся информационную недостаточность алгоритмов и программ, обеспечивающих визуализацию и анализ медицинских изображений. Это особенно заметно при использовании радионуклидов, не отличающихся высокой специфичностью накопления в патологических очагах, к таковым относится и метод остеосцинтиграфии
[4, 7]. Несмотря на то, что остеосцинтиграфия является эффективным методом выбора в ранней диагностике скелетных метастазов опухолей, склонных к поражению скелета, интерпретация сканограмм у онкологических больных представляет значительные сложности. Ранняя диагностика метастатического поражения скелета оказывает весьма существенное влияние на выбор тактики лечения больных со злокачественными новообразованиями. В связи с этим актуален поиск подходов к оптимизации анализа результатов сцинтиграфии. Применение КАД-анализа могло бы существенно повысить специфичность остеосцинтграфии, в то же время в РФ работы по применению КАД-сис-тем в сцинтиграфии скелета единичны и выполняются только за рубежом [8, 10].
Методология исследований
Разрабатываются принципы повышения эффективности математического анализа планарной сцинтиграфии на основе изучения гистограмм цветовых характеристик очагов накопления РФП и применения принципов виртуального информационного моделирования. Программа, предназначенная для анализа планарной (двухмерной) сцинтиграфии, имеет возможности изучения гистограмм всей поверхности тела, определения среднего значения цветового кода, соответствующего изучаемому органу, а также значения цветового кода, соответствующего одной, двум и трем сигмам [2]. В функции программы входит выделения цветового диапазона, который принимается за патологическое накопление РФП. Применяется особая функция, выделяющая все очаги соответствующие данному диапазону. Для каждого очага патологического накопления определяется гистограмма. Анализ гистограмм позволяет определить, какой процент площади выделенного очага соответствует максимальному накоплению РФП. Для классификации очагов повышенного накопления РФП в компьютерной программе применен метод кластерного анализа
■ ■ ■ ■ ■ ■■ ■ ■ ■ ■■■ ■ ■ ■ ■■ ■ ■ ■■■ ■ ■ ■ ■ 43 ■
ВрЭЧ :::: ИТ и диагностика
™ и информационные
технологии
Цг
Рис. 1. Функциональная схема КАД-анализа радионуклидных изображений
с расчетом центроидов каждого кластера. Для каждого кластера выстраивается так называемая «обобщенная» гистограмма. Функциональные блоки программы включают ввод изображения, сохранение изображения в архиве, сегментацию изображения с сохранением в архиве, определение диагностических признаков сегментированных изображений, формирование обучающей выборки и сохранение ее в архиве, формирование классификатора, классификацию новых сегментированных участков изображения (рис. 1).
В качестве алгоритма распознавания — классификации очагов гиперфиксации радиофармпрепарата на метастатические и неметастатические — использован метод опорных векторов [2,4]. Это метод положен в
основу формирования эффективного классификатора — классифицирующей функции, которая разделяет объекты обучающей выборки на два класса — метастазы и неметастазы. При этом классификатор создан отдельно для объектов передних и задних сканограмм и для отдельных анатомических зон скелета.
Разработанное нами алгоритмическое и программное обеспечение КАД-анализа медицинских изображений включает сегментацию изображения, выделение объектов интереса («масс»), их анализ, параметрическое описание выделенных объектов, их классификацию [2, 3]. Классификация объектов интереса проводится, кроме метода опорных векторов, также средствами инструментария нейронных сетей, дискриминантного анализа и др. [4].
I/IT и диагностика
www.idmz.ru
гол з, №6
ГШ
Исходными материалами нашего исследования являются стандартные планарные сцин-тиграммы и эмиссионные компьютерные томограммы здоровых людей и больных с метастатическим поражением скелета. Оригинальность и значимость идеи, лежащей в основе разработки — возможность оценки пространственного расположения и формы очага гиперфиксации ФП по данным ЭЭ-изображе-ния скелета, полученного при однофотонноэмиссионной компьютерной томографии (ОФЭКТ). Автоматизированный компьютерный анализ остеосцинтиграфии (ОС) включает сегментацию очагов гиперфиксации ФП, расчет гистограммы распределения ФП в очаге, расчет текстурных параметров (коэффициентов гетерогенности, округлости, четкости). При этом широко используется в задачах диагностики метастатического поражения скелета планарная сцинтиграфия всего тела с фосфатными комплексами, меченными 99mTc. Связываясь с кристаллами гидроаппатита, фосфатные комплексы выявляют опухолеассоциированный остеонеогенез и позволяют выявить метастатическое поражение скелета задолго до появления выраженной локальной деминерализации и костной деструкции, которые регистрируются при рентгенологическом обследовании [5, 7]. Необходимо учитывать, что различные патологические процессы в скелете, как и искомые метастазы, проявляются полиморфными очагами гиперфиксации (ОГФ) радиофармпрепарата (РФП).
Разработка программ осуществлена на примере образцов планарных сцинтиграмм и компьютерных томограмм скелета, полученных от 250 пациентов и 50 здоровых лиц. Исследования выполнены с помощью двухдетекторной гамма-камеры «Infnia-Hawkeye» производства фирмы General Eletrics с применением ФП пирфотех-99тТ.
Оригинальный подход позволяет получить дополнительную возможность оценки пространственного расположения и формы очага гиперфиксации ФП по данным ЭЭ-изображе-
ния скелета: установить зависимость между степенью накопления ФП в метастатических очагах и текстурными параметрами очагов; определить влияние глубины залегания метастатического очага и его нормы на картину распределения ФП.
Назначение разработанных алгоритмов и комплекса программ состоит в получении математических характеристик опухолевого процесса в костях, выявляемых на планарных (двухмерных) ОС у больных с онкологической патологией. Созданный программный комплекс позволяет расширить диагностические возможности метода сцинтиграфии при исследовании метастатического поражения скелета в условиях специализированного клинического центра.
Числовые характеристики текстурных параметров, являющихся маркерами очагов гиперфиксации ФП на планарных сцинти-граммах, позволяют идентифицировать пространственные очаги метастатической природы. С учетом пространственных закономерностей строения скелета разрабатывается экспертная система распознавания характера очагов гиперфиксации ФП. КАД-системы существенно увеличивают эффективность методов лучевой диагностики.
Результаты исследований
Разработанное программное обеспечение обладает функциями экспертного анализа и основано на реализации принципов распознавания изображений [2, Э, 4]. Это весьма важно при анализе сканограмм скелета, где выраженный полиморфизм очагов гиперфиксации РФП создает значительные трудности в правильной визуальной оценке данных, получаемых при сцинтиграфии скелета. В разрабатываемой программе представления эксперта о визуальных признаках метастатического очага выражены в числовых значениях гистограммных, текстурных и морфометрических параметров, что является основой объективной классификации анализируемых изо-
■ ■ ■ ■ ■ ■■ ■ ■ ■ ■■■ ■ ■ ■ ■■ ■ ■ ■■■ ■ ■ ■ ■ 45 ■
ESSS ИТ и диагностика
1 и информационные
технологии
%
>
Рис. 2. Методы повышения эффективности КАД-систем
брожений. Принципиальное отличие нашей системы от наиболее известной CAD-системы, предложенной Sadik M. для оценки сканограмм скелета [11], заключается в расчете значений показателя ожидаемой латентной изменчивости классификатора (PLVC) для очагов гиперфиксации РФП, выявленных на сканограмме. Тем самым из группы очагов гиперфиксации РФП можно выделить не только те, которые безусловно относятся к патологическим (в данном случае — к метастатическим), но и те, уточнение природы которых требует дополнительных исследований и динамического наблюдения. Расчет PLVC может иметь важное значение в клиническом использовании КАД-системы. Предполагается размещение программы в сети Интернет, при этом сформированная телемедицинская сеть будет представлять собой центральный сервер, соединенная с отдельными пользователями. Широкое применение возможностей Интернета и
облачных вычислений является одним из ключевых методов повышения эффективности КАД-систем (рис. 2). В качестве круга пользователей выступают лечебные учреждения, имеющие отделения радиоизотопной диагностика, оснащенные двухдетекторными гамма-камерами Infinia-Hawkeye.
Получаемые от пользователей данные (изображения в формате DICOM), оформленные в специальные протоколы, передаются на центральный сервер сети, откуда они далее будут передаваться на аналитический программный комплекс (АПК) для предварительной подготовки и для анализа изображений [1,6]. Аналитическая группа (эксперты-операторы сети) определяют алгоритм обработки данных. Из АПК обработанные изображения передаются в базу обработанных изображений, при этом часть из них включается в обучающую выборку. Распознанные и классифицированные изображения в виде специаль-
I/IT и диагностика
www.idmz.ru
гол з, №6
ГШ
ных протоколов передаются пользователям — врачам-радиологам и онкологам. Возможно также проведение компьютерного анализа ОС больных и здоровых людей; выполнение кластерного и дискриминантного анализа числовой информации об очагах гиперфиксации по каждому случаю клинического наблюдения. Нами создана система автоматизированной компьютерной диагностики скелетных метастазов по данным планарной сцинтигра-фии, основанная на принципах распознавания изображений и обладающая функциями экспертного анализа. Система включает сегментацию изображения скелета, расчет текстурных, гистограммных и морфометрических параметров, создание обучающей выборки. В основу формирования классифицирующей функции положен метод опорных векторов, а надежность классифицирующей функции определяется с помощью показателя ожидаемой латентной изменчивости классификатора. Показано, что качество классификатора CAD-системы оценки планарных остеосцинти-грамм существенно возрастает при построении классификационной функции по данным, полученным при параллельном использовании текстурного анализа по методу Харалика и локальной бинарной текстуры [2, 4], а также гистограммного и морфометрического анализа [3, 4, 11]. Решению задачи анализа совмещенных изображений может способствовать, с одной стороны, дальнейшая разработка принципов КАД-анализа, а с другой стороны, применение нового информационного метода — виртуального информационного моделирования [1, 3]. Объединение двух изображений (ОФЭКТ и РКТ) в единую матрицу создает условия для оптимизации применения математического анализа совмещенных изображений и в перспективе может быть положено в основу разрабатываемых специализированных КАД-систем [3, 6]. На основе компьютерного анализа яркостной, градиентной и текстурной информации изображения с использованием алгоритмов бинаризация по
порогу, морфологической фильтрации, наращивания областей, создания активных контуров и деформированных шаблонов разработано программное обеспечение автоматической сегментации изображения, одновременно представленного на ОФЭКТ И РКТ. Определена диагностическая значимость гистограммных, морфометрических, а также текстурных статистических характеристик в 3D-сегментированных участках скелета. Изучены математические характеристики основных вариантов патологических изменений в скелете, регистрируемых ОФЭКТ и РКТ. Создана база данных обработанных изображений, разработана система сравнительного анализа числовых характеристик 3D сегментированных участков скелета по данным ОФЭКТ и РКТ. Создана виртуальная информационная модель отдельных частей скелета на основе данных рентгеновской компьютерной томографии, разработаны принципы включения в эту модель данных, получаемых при сцинти-графии в режиме ОФЭКТ. Изучены возможности использования методов многомерной статистики в анализе совмещенных изображений ОФЭКТ и рентгеновской компьютерной томографии скелета. Разработана интегральная обобщенная виртуальная модель скелета и с ее помощью выполнено математическое описание вариантов развития метастатического поражения скелета. Изучены возможности использования созданной ВИМ скелета для динамического наблюдения за онкологическими больными в процессе лечения на основе принципов облачных вычислений. Создана математическая модель телемедицинской сети, предназначенной для анализа медицинских изображений с моделированием различных сценариев ее работы с расчетом ее надежности и экономической эффективности. Конечной целью разработок является создание постоянно обновляемой общенациональной базы данных медицинских изображений, обработанных методами математической морфологии и ВИМ.
■ ■ ■ ■ ■ ■■ ■ ■ ■ ■■■ ■ ■ ■ ■■ ■ ■ ■■■ ■ ■ ■ ■ 47 ■
ВрЭЧ :::: ИТ и диагностика
™ и информационные
технологии
Заключение
Для решения актуальных проблем мониторинга здоровья населения уже недостаточно традиционного использования локальных информационных систем на базе стандартного программного обеспечения и типовых рабочих станций. Разработаны подходы к созданию самообучающейся программы для распознавания метастатического поражения скелета по данным совмещенных изображений ОФЭКТ и РКТ. При этом использованы методы лучевой диагностики: сцинтиграфия скелета в ОФЭКТ-режиме, совмещенная с РКТ, и автоматизированный компьютерный анализ сцинтиграмм. Ключевая задача проекта создания модернизированного КАД-анализа — разработка,
сопровождение и повышение эффективности применения интегрированных специализированных ресурсов высокопроизводительных комплексов, развитие и совершенствование магистральной инфраструктуры телекоммуникационной среды для связи вычислительных мультипроцессорных высокопроизводительных систем кластерного типа в режиме удаленного доступа при решении задач диагностики и клинической визуализации на основе многомерной компьютерной графики и медицинской компьютерной томографии. Результаты могут быть использованы в других областях лучевой диагностики для раннего выявления патологических процессов (кардиология, неврология, пульмонология, стоматология и т.п.).
ЛИТЕРАТУРА
1. Бурков С.М., Житникова Л.М., Посвалюк Н.Э., Савин С.З. Моделирование региональных инфокоммуникационных систем. — Владивосток: Дальнаука, 2009. — 272 с.
2. Гонсалес Р., Вудс Р., Эддинс С. Цифровая обработка изображений в среде MATLAB. — М.: Техносфера, 2006. — 616 с.
3. КосыхН.Э., Савин С.З. Введение в биоинформационные системы//В кн. Проблемы создания виртуальных информационных моделей. — Владивосток: Дальнаука, 2006. — С. 7-22.
4. Косых Н.Э., Смагин С.И., Гостюшкин В.В., Савин С.З., Литвинов К.А. Система автоматизированного компьютерного анализа медицинских изображений//Инфор-мационные технологии и вычислительные системы. — 2011. — №3. — С. 51-60.
5. Паша С.П., Терновой С.К. Радионуклидная диагностика. — М.: ГЭОТАР-медиа, 2008. — 204 с.
6. ПосвалюкН .Э ., Ступак В.С., Казеннов В.Е., Деменев В.А., Косых Н.Э ., Савин С.З . Социально-экономические аспекты развития телемедицинских сетей на Дальнем Востоке. — Хабаровск: ДВГМУ, 2010. — 211 с.
7. РудасМ.С., Насникова И.Ю., Матякин Г.Г. Позитронно-электронная томография в клинической практике. [Электронный ресурс]. URL: http://www.kkco.khv.ru/index.php2op-tion=com_content&view=аrticle&id=254&Itemid=77(Дата обращения: 13.08.2013).
8. DICOM. The official Dicom website. [Электронный ресурс]. URL: http://medical.ne-ma.org/dicom/2006.html. (Дата обращения: 12.08.2013).
9. Health Informatics; ANSI Health Level Seven (HL7) [Электронный ресурс]. URL: http //www.hl7.org (Дата обращения: 13.08.2013).
10. NorrisA.C. Essentails of Telemedicine and Telemcare. — N.Y.: John Willey & Sons. Ltd. 2002. — 187 p.
11. Sadik M. Bone scintigraphy. A new approach to improve diagnostic accuracy. — University of Gothenburg, 2009. — 44 p.
