CC BY
44
УДК 004.932.2
С. С. Садыков, И. А. Сафиулова, М. И. Ткачук
ПОЛНАЯ АВТОМАТИЗИРОВАННАЯ ОБРАБОТКА ПОСЛЕДОВАТЕЛЬНОСТИ УЛЬТРАЗВУКОВЫХ СНИМКОВ СЕРДЦА
Рассматриваются особенности построения системы полной автоматизированной обработки и анализа ультразвуковых снимков. Структура системы построена по модульному принципу. Описаны функции каждого модуля и отмечены особенности, реализованных в них алгоритмов. Приведены результаты работы системы и их сравнительная оценка.
Ключевые слова: ультразвуковой аппарат, ультразвуковые снимки сердца, текстурная сегментация, секторная сегментация, левый желудочек сердца, граница левого желудочка.
Сердечно-сосудистые заболевания (ССБ) являются основной причиной смертности в России, в том числе, среди людей трудоспособного возраста [1]. Для своевременной и точной диагностики ССБ необходимо использовать комплексы аппаратных и программных средств. В последние годы широкое распространение получила стресс-эхокардиография — ультразвуковое (УЗ) обследование сердца, проводимое при различных уровнях нагрузки.
Постановка задачи. При проведении стресс-эхокардиографического обследования одного пациента регистрируются 50—250 снимков (кадров), из которых кардиолог анализирует лишь 2—3 кадра, что зачастую существенно влияет на результат диагностики. Поэтому не вызывает сомнений необходимость обработки и анализа всех регистрируемых кадров. Создание автоматизированной системы обработки и анализа УЗ-снимков сердца позволит покадро-во отслеживать изменение его параметров, снизить нагрузку на кардиолога, уменьшить время обследования, повысить точность и объективность диагноза.
Структура системы, функции отдельных подсистем и модулей. УЗ-аппарат, построенный на базе современного персонального компьютера, позволяет с помощью специального программного обеспечения для операционной системы проводить интерактивные обследования, вести архив данных и подготавливать отчеты. В УЗ-аппарате предусмотрен экспорт данных (последовательностей видеоизображений и отдельных кадров) по локальной сети с помощью специального формата DICOM (Digital Image and Communications in Medicine) и через видеоинтерфейс S-Video. Таким образом, можно построить внешнюю по отношению к УЗ-аппарату систему, которая взаимодействует с ним через интерфейс S-Video.
Структурная схема системы автоматизированной обработки и анализа УЗ-снимков сердца (программные и аппаратные средства) представлена на рис. 1.
УЗ-датчик формирует последовательность сигналов, на основе которой УЗ-аппарат визуализирует снимки сердца, передаваемые через S-Video-интерфейс по каналу связи на внешний компьютер (на вход платы захвата Pinnacle). Подсистема формирования и предварительной обработки последовательности УЗ-снимков (П1) обращается к драйверу Pinnacle, получая на входе видеосигнал, который разбивается на кадры. Кадры сохраняются в заданном каталоге. Подсистема основной обработки и анализа УЗ-снимков сердца (П2) обрабатывает полученные изображения сердца, рассчитывает основные для диагностики параметры, сохраняет их в базе данных (БД) и формирует отчет.
В подсистеме П1 реализованы следующие функции:
— скорость разбиения на кадры приближается к режиму реального времени;
— полученные кадры сохраняются как полутоновые 8-битовые изображения;
— моменты начала и окончания захвата кадров задаются пользователем; при захвате кадров подсистема сохраняет их в выбранном каталоге с именем Название_Номер .Ьтр, где Название задается пользователем, Номер соответствует порядковому номеру кадра последовательности;
— предусмотрена возможность просмотра видеоизображений в режиме захвата;
— частота захвата определяется количеством кадров и временем регистрации;
— предусмотрена возможность удаления лишних частей кадра (например, его границ);
— имеется интерфейс подключения модулей расширения;
— предусмотрена возможность обработки и постобработки изображений с использованием модулей расширений, в которых реализованы алгоритмы улучшения качества изображений (подавление помех, увеличение контраста и др.), а также функции удаления дублирующих снимков, отбора кадров по яркости, формирования полных циклов сокращения сердца;
— имеется файл конфигурации в формате xml.
В состав подсистемы П2 входят:
— модуль обработки — выполняет автоматическое выделение камер сердца, рассчитывает их параметры и сравнивает с нормативными (хранящимися в справочниках БД), оценивает локальную сократимость левого желудочка (ЛЖ);
— модуль ввода информации о пациенте (регистрационных данных, результатов анализа и т. д.);
— модуль работы с БД — осуществляет выборку данных о пациенте и обследованиях и сохраняет информацию в базе данных;
— модуль подготовки отчетов — формирует отчет о проведенном обследовании.
Модуль обработки является базовой частью системы и реализует следующие функции:
— первичный анализ снимка, с помощью которого производится определение позиции (позиция — проекция сердца, полученная при установке УЗ-датчика в определенное положение (позицию) на грудной клетке пациента);
— определение границ камер сердца, аорты и состояния клапанов в основных позициях;
— расчет характеристик сердца и сравнение их с нормой;
— анализ сократимости ЛЖ (в том числе, с использованием методики стресс-эхокардиографии);
— построение трехмерной модели сердца.
УЗ-датчик Внешний компьютер П1. Подсистема формирования и предварительной обработки последовательности кадров ^
УЗ-аппарат с внутренним компьютером Плата Pinnacle с драйвером
Каталог кадров
Плата с S-Video- *-'
интерфейсом 12. Подсистема основной обработки и анализа УЗ-снимков сердца
Принтер 4—
Локальная сеть больницы «—1 —» Сетевой интерфейс <4-► База данных
Рис. 1
Алгоритмы обработки и анализа УЗ-снимков сердца. Существуют различные виды снимков, которые можно получить, меняя положение УЗ-датчика. Основными для диагностики ССБ являются следующие позиции: по длинной и короткой осям проекции ЛЖ, двух- и четырехкамерные апикальные [2]. Сначала обработка снимков осуществляется с ипользова-нием функций модулей расширений, где удаляются помехи, подавляется шум. Наиболее значимой помехой, влияющей на результат, является полоса М-режима, процесс подавления ко-
торой описан в работе [3]. Затем выделяется полезная (информативная) область снимка (треугольник), внутри которой осуществляется обработка.
Обработка снимков в апикальных позициях (рис. 2). Алгоритм обработки изображений в данных позициях состоит из следующих шагов:
— сегментация изображения на основе текстурных признаков — получение бинарного изображения, (обозначим его через В); данное изображение используется для поиска точек границ ЛЖ;
— получение бинарного изображения на основе контурных преобразований (обозначим его через Вк); данное изображение используется для построения прямоугольника, в который вписан ЛЖ;
— построение описанного вокруг ЛЖ прямоугольника на изображении Вк;
— выделение ЛЖ;
— вычисление параметров ЛЖ.
Сегментация. В системе при сегментации УЗ-снимков используются семь двумерных и три одномерных текстурных признака изображений [4]. Определение текстурных признаков рг осуществляется на исходном изображении (обозначим его через А). Каждый признак нормируется в пределах от 0 до 1. Затем подсчитывается число N — сумма модулей отклонений между признаками и точками. Каждая область изображения образуется точками, для которых N минимально или равно нулю:
10
Nр (/, к)-рг(/, т)|,
г=0
где рг(/, к) — текстурный признак точки с координатами (', к); рг(/, т) — текстурный признак точки с координатами (/, т).
После объединения точек в области происходит бинаризация, результатом которой является бинарное изображение В, описываемое функцией Ъ(х, у).
Построение описанного вокруг ЛЖ прямоугольника. После получения бинарного изображения В необходимо определить местоположение ЛЖ на УЗ-снимке, которое задается описанным вокруг ЛЖ прямоугольником. По функции яркости _Дх, у) исходного изображения А вычисляется модуль вектора градиента G(x, у) [5]. Для его получения необходимо поочередно выполнить свертку функции _Дх, у) с функциями-масками ^(х, у), ёу(х, у), значения
которых рассчитываются следующим образом:
2.2 2.2 х +у х +у
dx (x, y) = —e 2o' ; dy (x, y) = —e 2o' , o V2n o yJ2n
где o — СКО.
На основе полученного модуля градиента G(x, y) формируется бинарное изображение Вк. Пороговое значение вычисляется как удвоенное среднее модуля градиента.
Правая координата прямоугольника определяется следующим образом: производится суммирование по каждому столбцу бинарного изображения Вк, столбец с максимальным значением суммы, расположенный справа от центра изображения, принимается за правую границу ЛЖ. Остальные координаты определяются экспериментально.
Выделение ЛЖ. На изображении В строится прямоугольник по полученным на предыдущем шаге координатам и определяется его центр тяжести (Хт, Ут). Из центра тяжести (ЦТ) проводятся отрезки под углом а е [0, 359°]. Координаты концевой точки отрезка определяются как
X = Хт - k cos а;| yt = Ут -k sin а, \
где к — длина отрезка, которая устанавливается начиная со значения 1 и увеличивается до тех пор, пока не будет выполнено условие Ь(хи уг) = 1.
В результате получается совокупность точек (х0,у0), (х1,у1), ..., (хм, Ум) (Мустанавливается экспериментально), которые соединяются путем построения выпуклой оболочки, формируя границы ЛЖ.
Вычисление параметров ЛЖ. Основными параметрами ЛЖ являются площадь 8, координаты центра тяжести Хт, Ут, длина Ь, ширина Н и объем V. Длина Ь — самый длинный отрезок, проведенный через ЦТ под углом в (угол наклона отрезка Ь к оси ОХ), ширина Н — отрезок, перпендикулярный отрезку Ь [6].
Для определения объема существуют метод дисков МД) по взаимно-перпендикулярным позициям и метод площадь—длина (МПД) [2]:
20
Умд = Ь£а2п/80; УМПД = 0,8582/Ь,
г=1
где аг — диаметр /-го диска.
Далее определяются кадр, где ЛЖ имеет минимальный объем (систолу), кадр, где ЛЖ имеет максимальный объем (диастолу), фракция выброса (ФВ) крови и полный цикл сокращения ЛЖ [2]. Полный цикл сокращения ЛЖ регистрируется последовательностью из 20—25 кадров, которая начинается и заканчивается диастолой. ФВ, являющаяся одной из важных характеристик для оценки состояния сердца, вычисляется по следующей формуле:
ФВ = Удо Уе° Ш0%,
УДО
где УдО и УСО — диастолический и систолический объем ЛЖ соответственно.
Аналогичным образом определяются характеристики правого желудочка (ПЖ), левого и правого предсердий (ЛП и ПП).
Пример обработки снимков в апикальных позициях представлен на рис. 2, где а — кадр, соответствующий систоле, б — диастоле; на рисунках выделен ЛЖ, разделенный на 20 дисков, и построены его оси.
а) г б)
Рис. 2
Обработка снимков в позиции по длинной оси. Алгоритм обработки изображений в позиции по длинной оси, подробно описанный в работе [7], состоит из следующих шагов:
— секторная сегментация;
— выделение сегментов;
— вычисление максимально широкой области в сегменте:
— поиск главных осей и выделение стенок камер сердца и аорты.
Пример обработки снимков в позиции по длинной оси приведен на рис. 3: представлены сегменты (а), в которых располагаются камеры сердца (левый желудочек, правый желудочек, левое предсердие) и аорта (А); на рис. 3, б построены их оси. График изменения длины (I) оси ЛЖ сердца в позиции по длинной оси показан на рис. 4: как видно, длина оси изменяется равномерно (здесь п — номер кадра).
а)
б)
ЛЖ А
' ЛП ■.
J W
■ V.
Рис. 3
l, мм 120 100 80 60 40 20
Ось ЛЖ
1 3
9 11
13 15 Рис. 4
17
19 21 23
Обработка снимков в позиции по короткой оси. В позиции по короткой оси ЛЖ аппроксимируется окружностью, для его выделения применяется интегральное преобразование по окружности:
P Q
h(r, Х0, У0) = ZZ b(х, У )ô [г cos ф (х, У )+х - х0 ] [г sin ф (х, У)+У - У0 ],
х=0 У=0
где h(r, х0, У0) — функция параметрического пространства, описывающая окружность радиусом r с координатами центра (х0, У0); Ф(х, у) — функция направления вектора градиента; 5 — дельта-функция; P, Q — ширина и высота изображения соответственно.
Параметры (r, х0, y0), при которых функция h принимает максимальное значение, соответствуют радиусу r и координатам центра (х0, y0) внутреннего контура ЛЖ [6].
Оценка полученных результатов. Результаты автоматической обработки последовательности УЗ-снимков ЛЖ сердца для апикальной четырехкамерной позиции (см. рис. 2) представлены в таблице. Полученные значения параметров ЛЖ сравниваются с результатами их расчета при тщательной ручной обработке, которые используются как тестовые для
0
5
n
определения отклонений (принятые в таблице сокращения РТ и АТ соответствуют ручной и автоматической технологии обработки; отклонение результатов обозначено символом А).
Номер кадрап L, мм H, мм V, мл
РТ АТ Д, % РТ АТ Д, % РТ АТ Д, %
1 70,65 68,4 -3,1847 44,1 41,85 -5,3020 87,54558 88,103 0,6368
2 71,55 66,6 -6,9182 41,85 40,15 -4,0621 75,786 71,732 -5,3497
3 70,2 68,25 -2,7778 40,95 39,35 -3,9072 70,30157 68,735 -2,2283
654 76,05 72 -6,9182 41,4 40,95 -1,087 75,12589 72,0727 -4,0641
Как показал сравнительный анализ результатов, при автоматической обработке отклонения от результатов, полученных ручным способом, который взят за основу, незначительны: отклонения по длине и ширине составляют в среднем 3,5 %, по объему — 5,2 %, что считается допустимым. При расчете других характеристик (площади, периметра ЛЖ, толщины, массы миокарда и др.), произведенном при обследовании многих пациентов, также было выявлено незначительное отклонение результатов автоматической обработки от ручной, которое в среднем составило от 3 до 6,5 %.
Заключение. Разработанные программные средства позволяют формировать, автоматически обрабатывать и анализировать последовательности УЗ-снимков сердца на компьютере. Система построена по модульному принципу: основным является модуль обработки, в котором реализованы описанные выше алгоритмы; алгоритмы улучшения качества изображения реализованы в виде модулей расширения, что дает возможность создания новых библиотек без переработки всей системы. В системе предусмотрена возможность построения трехмерной модели сердца, что позволяет оценить сокращения камер сердца как визуально, так и по рассчитанным параметрам. Исследования показали достаточно высокую точность системы, отклонение результатов автоматического анализа от ручной технологии в среднем составляет 3,2—4,5 %.
Использование данной системы в отделенческой больнице г. Муром ОАО „Российские железные дороги" показало, что время обработки 100 кадров составляет от 2 до 5 мин, тогда как при ручной технологии анализ такого объема занимает 2—2,5 ч.
Разработанная система и стандартные программы обработки данных электрокардиограмм могут служить основой для создания автоматизированного рабочего места врача-кардиолога.
СПИСОК ЛИТЕРАТУРЫ
1. Кардиологические центры в России и СНГ [Электронный ресурс]: <URL: http://www.cardiosite.ru/cardio-russian>.
2. Шиллер Н. Б., Осипов М. А. Клиническая эхокардиография. М.: Практика, 2005. 344 с.
3. Ткачук М. И. Определение полосы М-режима на эхокардиографических изображениях // Материалы Междунар. науч.-практ. конф. „Новейшие научные достижения — 2009". Днепропетровск: Наука и образование, 2009. С. 40—45.
4. HaralickR. M. Textural features for image classification // IEEE Trans. 1973. Vol. SMC-3. P. 610.
5. Canny J. A. Computational approach to edge detection // IEEE Trans. Pattern Analysis and Machine Intelligence. 1986. N 8. P. 679—714.
6. Садыков С. С., Ткачук М. И. Анализ сократимости левого желудочка сердца на эхокардиографических снимках // Системы и методы обработки и анализа данных: Сб. науч. статей молодых исследователей. Владимир, 2009. Вып. 1. С. 73—77.
7. Ткачук М. И., Сафиулова И. А. Обработка и анализ эхокардиографических снимков в позиции по длинной оси // Информационные технологии моделирования и управления. 2009. № 5 (57). С. 645—651.
Султан Садыкович Садыков Ирина Анатольевна Сафиулова Максим Игоревич Ткачук
Рекомендована кафедрой информационных систем Муромского института
УДК 680.5.01:621.384
М. И. Труфанов, С. В. Прилуцкий СПОСОБ
ОБНАРУЖЕНИЯ ПРЕПЯТСТВИЙ ПЕРЕД ТРАНСПОРТНЫМ СРЕДСТВОМ
С ИСПОЛЬЗОВАНИЕМ БИНОКУЛЯРНОЙ СИСТЕМЫ ТЕХНИЧЕСКОГО ЗРЕНИЯ
Представлен способ обнаружения препятствий перед движущимся транспортным средством путем анализа изображений, формируемых бинокулярной системой технического зрения. Способ характеризуется большим диапазоном обнаружения препятствий и высокой точностью оценки их координат.
Ключевые слова: предупреждение столкновений, техническое зрение, транспортное средство, траектория движения, обнаружение препятствий.
Важнейшей задачей в условиях постоянного роста количества транспортных средств является обеспечение безопасности дорожного движения. Существенную долю риска среди прочих факторов составляют столкновения транспортного средства (ТС) с неподвижными препятствиями и встречными автомобилями [1]. В этой связи особую значимость приобретает создание автоматических средств достоверной оценки расстояния между ТС и препятствием в процессе движения для своевременного предупреждения водителя о возможном столкновении.
Серийно выпускаемые технические средства обеспечивают лишь частичное решение указанной задачи и характеризуются ограниченными функциональными возможностями. Так, известны ультразвуковые радары и системы предупреждения столкновений, применяемые для оценки расстояния до препятствия при парковке. Недостаток таких средств заключается в возможности обнаружения только объемных препятствий и низкой селективности. Известны также системы технического зрения для предупреждения столкновений, функционирующие лишь в условиях хорошей освещенности и не обеспечивающие своевременного обнаружения встречного подвижного объекта при высокой скорости движения.
Значительное внимание системам предотвращения столкновений уделено зарубежными разработчиками [2—6].
В частности, в работе [2] представлена интеллектуальная система помощи водителю, основанная на анализе показаний радара, установленного в переднем бампере. Кроме того, предусмотрена возможность получения данных от бортовой системы глобальной системы навигации для предупреждения о поворотах и перекрестках. Недостатками системы являются
Сведения об авторах д-р техн. наук, профессор; Муромский институт (филиал) Владимирского государственного университета, кафедра информационных систем; E-mail: [email protected]
канд. мед. наук; Отделенческая больница на станции Муром ОАО „Российские железные дороги", врач-кардиолог; E-mail: [email protected]
аспирант; Муромский институт (филиал) Владимирского государственного университета, кафедра информационных систем; E-mail: [email protected]
Поступила в редакцию 14.04.10 г.
