CC BY
23
ISSN 1026-2237 BULLETIN OF HIGHER EDUCATIONAL INSTITUTIONS. NORTH CAUCASUS REGION. NATURAL SCIENCE. 2023. No. 2
Научная статья УДК 004.932.2
doi: 10.18522/1026-2237-2023-2-15-20
РАЗРАБОТКА АЛГОРИТМА ПОСТРОЕНИЯ РЕФЕРЕНТНЫХ ЛИНИЙ И УГЛОВ ДЛЯ КОЛЕННЫХ СУСТАВОВ НА РЕНТГЕНОВСКИХ СНИМКАХ
Али Сажи МаннааГалина Викторовна Муратова
12 Южный федеральный университет, Ростов-на-Дону, Россия ' mannaa@sfedu.ru 2 т ига to va @sfedu. ru
Аннотация. Представлены результаты разработки алгоритма построения референтных линий и углов для обработки рентгеновских снимков. Проблема улучшения качества рентгеновских снимков является актуальной прикладной и научной задачей, так как количество операций по замене суставов с каждым годом возрастает из-за общей тенденции старения населения. Перед врачами стоит задача сохранения органов пациенту и обеспечения качества жизнедеятельности. Поэтому данная проблематика является актуальной как для медиков, так и для инженеров.
Разработка программного обеспечения, реализующего улучшенный метод построения референтных линий и углов, позволит улучшить качество рентгеновских снимков при проведении медицинских обследований.
В качестве практического применения рассмотрен случай области коленного сустава. Предлагаемый алгоритм состоит из набора шагов по улучшению изображения на рентгенограммах (модифицированный детектор границ Кэнни, алгоритм сегментации, расширение, идентификация опорной линии и т.д.). Результаты проведенных исследований показывают, что программная реализация алгоритма дает эффект повышения качества диагностики и выработки корректных методов лечения пораженных участков кости.
Ключевые слова: референтные линии, рентгеновские снимки, алгоритм Кэнни, алгоритм водораздела
Для цитирования: Маннаа А.С., Муратова Г.В. Разработка алгоритма построения референтных линий и углов для коленных суставов на рентгеновских снимках // Изв. вузов. Сев.-Кавк. регион. Естеств. науки. 2023. №2. С. 15-20.
Статья опубликована на условиях лицензии Creative Commons Attribution 4.0 International (CC-BY 4.0).
Original article
DEVELOPMENT AN ALGORITHM FOR CONSTRUCTING REFERENCE LINES AND ANGLES FOR KNEE JOINTS ON X-RAY IMAGES
Alt' S. Mannaa Galina V. Muratova 2B
12 Southern Federal University, Rostov-on-Don, Russia ' mannaa@sfedu.ru 2 m ura to va @sfedu. ru
Abstract. This article is devoted to presenting the results of using the algorithm for constructing reference lines and angles for processing X-ray images. The problem of improving the quality of X-ray images is an urgent applied and scientific task, since the number of joint replacement operations increases every year due to the general trend of aging of the population. Doctors are faced with the task ofpreserving the patient's organs and ensuring the quality of life. Therefore, this issue is relevant for both physicians and engineers.
The development of software implementing an improved method of constructing reference lines and angles will improve the quality of X-ray images during medical examinations.
As a practical application, the case of the area of the knee joint is considered. The proposed algorithm consists of a set of steps to improve the image on the radiographs (modified Canny bounds detector, segmentation
О Маннаа A.C., Муратова Г.В., 2023
ISSN 1026-2237 BUIIETIN OF HIGHER EDUCATIONS INSTITUTIONS. NORTH CAUCASUS REGION. NATUR4L SCIENCE. 2023. No. 2
algorithm, expansion, reference line identification, etc.). The research results show that the software implementation of the algorithm has the effect of improving the quality of diagnosis and the development of correct methods of treatment of the affected bone areas.
Keywords: reference lines, X-ray images, Canny algorithm, watershed algorithm
For citation: Mannaa A.S., Muratova G.V. Development an Algorithm for Constructing Reference Lines and Angles for Knee Joints on X-ray Images. Bulletin of Higher Educational Institutions. North Caucasus Region. Natural Science. 2023;(2):15-20. (InRuss.).
This is an open access article distributed under the terms of Creative Commons Attribution 4.0 International License (CC-BY4.0).
Проблема улучшения качества рентгеновских снимков является актуальной научно-практической задачей, так как количество медицинских операций по замене суставов с каждым годом возрастает из-за общей тенденции старения населения. Вследствие этого будет возрастать потребность в проведении медицинских операций по замене тазобедренных и коленных суставов. Перед врачами стоит задача сохранения органов пациенту и обеспечения качества жизнедеятельности. Поэтому данная проблематика является актуальной как для исследователей, так и для врачей-практиков.
Исследование существующих программных продуктов показало, что на рынке программного обеспечения существуют подобные системы, но они не настолько просты в эксплуатации, как предлагаемый программный продукт.
Применение разработанного программного обеспечения, реализующего улучшенный метод построения референтных линий и углов, позволит улучшить качество рентгеновских снимков при проведении медицинских обследований.
Существует метод референтных линий и углов для определения отклонения от анатомической нормы и планирования реконструктивных операций. Для большей точности при выявлении деформаций нижних конечностей используются референтные линии и углы, которые разделяются на анатомические и механические [1].
В нормальном состоянии референтные линии пересекаются между собой. Пересечение происходит в определенных точках и под определенным углом. Если есть показатели, которые отличаются от принятых за норму, то следует констатировать наличие той или иной деформации [2]. На рис. 1 представлены референтные линии и углы. У практически здоровых молодых людей угол составляет 85,5 ± 2,9° по сравнению с аналогичными данными мужчин старшего возраста, у которых он составляет 87,5 ± 2,6°.
Введение
(85-90*)
Рис. 1. Углы коленного сустава у здоровых молодых людей (слева) и у мужчин старшего возраста (справа) / Fig. 1. The angles of the knee joint in healthy young people (on the left) and the angles in older men (on the right)
ISSN 1026-2237 BUILETINOFHIGHEREDUCATI0N4L INSTITUTIONS. NORTHCAUC4SUSREGION. NATUR4L SCIENCE. 2023. No. 2
Постановка задачи
Задача состоит в том, чтобы разработать алгоритм анализа рентгенографических изображений коленного сустава, а также точного и быстрого нахождения (анатомических) опорных линий и углов, что принципиально поможет врачам в принятии соответствующего решения о проведении операции пациенту.
Алгоритм
Сравнивая предложенный алгоритм с обсуждаемым в работе [3], мы обнаруживаем, что данный алгоритм работает быстрее, потому что в алгоритме Кэнни улучшен фильтр Гаусса без необходимости добавления внешнего фильтра [4], что, в свою очередь, увеличивает время выполнения программы. Кроме того, использование предложенного алгоритма способствовало получению лучшей точности и результатов в случае изображений радианов с высоким уровнем шума.
Алгоритм построения референтных линий и углов на рентгеновских снимках работает следующим образом. На первом этапе используется улучшенный гауссовый фильтр в алгоритме Кэнни для рентгеновских снимков [1, 4, 5]. Для выбора правильного значения а (стандартное отклонение) используется среднее отклонение в статистическом методе адаптивного гауссов-ского фильтра. Для этого мы сравниваем абсолютное значение точки пикселя серого цвета
|х(/,у')| с |л-(/,у')|х|л-(/,у')-//|. Если |х(/,7')| <|л-(/,7')|х|л-(/,7')-//|, то сг = 1, т.е. точка считается менее затронутой шумом. В противном случае сг = 1.6, т.е. шум в данной точке будет значительным [2, 6]. После этого для автоматического определения Т1, Т2 для детектора границ Кэнни мы вычисляем интегральную таблицу для изображения и среднюю интенсивность пикселей, чтобы получить стандартное отклонение. Далее мы применяем метод Оцу [7], чтобы получить Т1, Т2. Экспериментально мы получили, что Л = 0,1 хot.su.х Г2 = 0,5 хо£ж ). Результат показан на рис. 2.
На втором этапе используется алгоритм водораздела для разделения различных объектов на изображении [8]. Результат показан на рис. 3.
На третьем этапе вычисляем центр масс значений массива в метках.
После выбора точки интереса с использованием алгоритма водораздела контуры рисуются на выбранных метках точек интереса [9].
Для построения опорных линий были рассчитаны крайние точки по контуру выбранной метки области кости. Выбираем точки интереса с использованием алгоритма водораздела. Вычисляем центр масс значений массива в метках.
Рис. 2. Результат работы алгоритма Кэнни с улучшенным гауссовским фильтром / Fig. 2. The result of the Canny algorithm with an improved Gaussian filter
ISSN 1026-2237 BULLETIN OF HIGHER EDUCATI0N4L INSTITUTIONS. NORTH CAUCASUS REGION. NATURAL SCIENCE. 2023. No. 2
Рис. 3. Результат работы алгоритма водораздела / Fig. 3. The result of the watershed algorithm
Мы можем найти центр капли, используя моменты. Но прежде всего, мы должны знать, что именно представляет собой момент изображения. Момент изображения - конкретное средневзвешенное значение интенсивности пикселей изображения, с помощью которого мы можем найти некоторые специфические свойства изображения, такие как радиус, площадь, центроид и т.д. Чтобы найти центр тяжести изображения, мы обычно преобразуем его в двоичный формат, а затем находим его центр. После получения крайних точек со всех четырех сторон мы возьмем среднюю точку верхней части верхней кости и среднюю точку нижней части области нижней кости и проведем линию через центр масс: а = (1,0х(у2 - Vj^-h^Ox^-л1)),
b = -ах+ yl, = }>i -Ь +а, х2 = у2 ~b+а .
Здесь была использована формула нахождения угла между тремя точками двух прямых: а, Ъ, с - три точки координат обеих прямых. Две крайние точки обеих линий и одна точка - общая точка, где обе линии соединены друг с другом. Результаты показаны на рис. 4.
Рис. 4. Результаты работы по улучшению метода построения референтных линий и углов на рентгеновских снимках / Fig. 4. Results of the work improving the method of constructing reference lines and angles on X-ray images
ISSN 1026-2237 ИЗВЕСТИЯ ВУЗОВ. СЕВЕРО-КАВКАЗСКИЙ РЕГИОН. ЕСТЕСТВЕННЫЕ НАУКИ._2023. №2
ISSN 1026-2237 BUILETIN OF HIGHER EDUCATIONAL INSTITUTIONS. NORTH CAUCASUS REGION. NATURAL SCIENCE. 2023. No. 2
Заключение
Приведены результаты исследований, связанных с алгоритмом построения референтных линий и углов для обработки рентгеновских снимков коленного сустава. Предлагаемый алгоритм включает этапы по улучшению изображения на рентгенограммах, в том числе модифицированный детектор границ Кэнни, алгоритм сегментации, расширение, идентификацию опорной линии и др.
Результаты проведенных вычислительных экспериментов показывают, что использование алгоритма дает эффект повышения качества диагностики и выработки методов лечения пораженных участков кости.
Данная работа является продолжением проведённого ранее исследования разработок в области определения референтных линий на рентгеновских снимках [2].
Список источников
1. Кулеш П.Н., Соломин JI.H. Коррекция формы ног по эстетическим показаниям (обзор литературы) // Гений ортопедии. 2013. № 2. С. 117-123.
2. Маннаа А.С., Муратова Г.В. Улучшенный гауссовый фильтр в алгоритме Кэнни для рентгеновских снимков // Инженерный вестн. Дона. 2021. № 10. URL: http://ivdon.ru/ru/magazine /archive/nl0y2021/7227 (дата обращения: 17.10.2021).
3. Аль Темими А.М.С., Пилиди B.C. Автоматизация процесса определения референтных линий на рентгенографических медицинских изображениях // Инженерный вестн. Дона. 2017. № 1. URL: http://ivdon.ru/ru/magazine/archive/nly2017/4007 (дата обращения: 27.02.2017).
4. Canny J.A. Computational Approach to Edge Detection IEEE // Transactions on pattern analysis and machine intelligence. 1986. URL: https://www.researchgate.net/publication/224377985_A_Computational _Approach_ ToEdgeDetection (дата обращения: 20.02.2017).
5. Jassam Kh.I. Removal of Random Noise from Conventional Digital X-Ray Images. University of Maine Orono, 1992. 114 p.
6. Li Junshan, Ma Ying, Zhao Fangzhou [et al.J. Improved Canny Image Edge Detection Algorithm // Acta Photonica Sinica. 2011. Vol. 40(sl). P. 50-54.
7. Gonzalez R.C., Woods R.E. Digital image processing. 2nd ed. New Jersey: Prentice Hall, 2002. 813 p.
8. Гонсалес P., Вудс P. Цифровая обработка изображений. M.: Техносфера, 2005. 1072 с.
9. Meyer F. Color image segmentation // IEE International Conference on Image Processing and its Applications. Maastricht, Netherlands, 1995. P. 303-306.
References
1. Kulesh P.N., Solomin L.N. Correction of leg shape according to aesthetic indications (literature review). Genii ortopedii = Orthopaedic Genius. 2013;(2):117-123. (InRuss.).
2. Mannaa A.S., Muratova G.V. Improved Gaussian filter in the Canny algorithm for X-ray images. Inzhenernyi vestn. Dona = Engineering Journal of Don. 2021;(10). Available from: http://ivdon.ru/ru/magazine /archive/nl0y2021/7227 [Accessed 17th October 2021]. (In Russ.).
3. A1 Temimi A.M.S., Pilidi V.S. Automation of the process of determining reference lines on radiographic medical images. Inzhenernyi vestn. Dona = Engineering Journal of Don. 2017;(1). Available from: http://ivdon.ru/ru/magazine/archive/nly2017/4007 [Accessed 27th February 2017]. (In Russ.).
4. Canny J.A. Computational Approach to Edge Detection IEEE. Transactions on pattern analysis and machine intelligence. 1986. Available from: https://www.researchgate.net/publication/224377985_A_Computational _Approach_To_Edge_Detection [Accessed 20th February 2017].
5. Jassam Kh.I. Removal of Random Noise from Conventional Digital X-Ray Images. University of Maine Orono Press; 1992. 114 p.
6. Li Junshan, Ma Ying, Zhao Fangzhou et al. Improved Canny Image Edge Detection Algorithm. Acta Photonica Sinica. 201 l;40(sl):50-54.
7. Gonzalez R.C., Woods R.E. Digital image processing. 2nd ed. New Jersey: Prentice Hall Publ.; 2002. 813 p.
8. Gonzalez R., Woods R. Digital image processing. Moscow: Tekhnosfera Publ.; 2005. 1072 p. (In Russ.).
9. Meyer F. Color image segmentation. IEE International Conference on Image Processing and its Applications. Maastricht, Netherlands, 1995:303-306.
ISSN 1026-2237 BULLETIN OF HIGHER EDUCATIONAL INSTITUTIONS. NORTH CAUCASUS REGION. NATURAL SCIENCE. 2023. No. 2
Информация об авторах
А. С. Маннаа - аспирант, кафедра информатики и вычислительного эксперимента, Институт математики, механики и компьютерных наук им. И.И. Воровича.
Г.В. Муратова - доктор физико-математических наук, профессор, кафедра информатики и вычислительного эксперимента, Институт математики, механики и компьютерных наук им. И.И. Воровича.
Information about the authors
A.S. Mannaa - Postgraduate Student, Department of Informatics and Computational Experiment, Vorovich Institute of Mathematics, Mechanics and Computer Sciences.
G. V. Muratova - Doctor of Science (Physics and Matematics), Professor, Department of Informatics and Computational Experiment, Vorovich Institute of Mathematics, Mechanics and Computer Sciences.
Статья поступила в редакцию 02.02.2023; одобрена после рецензирования 28.02.2023; принята к публикации 19.05.2023. The article was submitted 02.02.2023; approved after reviewing 28.02.2023; accepted for publication 19.05.2023.
