обнаружение воронкообразных структур на изображениях

ОБНАРУЖЕНИЕ ВОРОНКООБРАЗНЫХ СТРУКТУР НА ИЗОБРАЖЕНИЯХ ФАЦИЙ
СЫВОРОТКИ КРОВИ
Крашенинников В.Р., Копылова А.С., Тарасова А.В.
ГОУ ВПО Ульяновский государственный технический университет, г. Ульяновск, Россия
Огромное значение для лечения и профилактики различных заболеваний имеет их
ранняя диагностика. Одним из методов ранней диагностики является метод, предложенный
академиком РАМН, директором Российского НИИ геронтологии Минздрава России В.Н.
Шабалиным и профессором С.Н. Шатохиной [1]. Этот метод основан на исследовании
биологических жидкостей человека (сыворотки крови, лимфы и т.д.). Авторами метода
доказано, что даже самые незначительные расстройства организма отражаются на этих
жидкостях, что позволяет определить многие заболевания в стадии предболезни.
Исследование биологических жидкостей осуществляется следующим образом.
Маленькая капля наносится на предметное стекло и медленно высушивается, остается тонкая
сухая плёнка (фация). Особенности состояния организма сказываются на процессе
кристаллизации жидкости, поэтому на изображении фации возникают характерные
структуры (маркёры). Проведенные наблюдения показали, что по имеющимся маркёрам и их
расположению можно с большой уверенностью судить о состоянии организма. Например, на
рис. 1 показано изображение фации сыворотки крови, на котором имеются воронкообразные
структуры (ВС), представляющие собой однородные светлые области. Эти структуры
свидетельствуют о высоком напряжении функциональных систем и защитных механизмов.
Рис.1 Воронкообразные структуры.
При
массовых
профилактических
обследованиях
населения
этим
методом
приходится просматривать очень большое количество изображений, глаза быстро
утомляются, поэтому возможны пропуски пациентов, нуждающихся в медицинской помощи.
Выходом из этой ситуации может быть автоматизированная обработка изображений,
введённых в компьютер. Задачей является отсев изображений, на которых явно отсутствуют
маркёры из определённого множества. Оставшаяся часть подозрительных изображений
(например, 10-20%) может быть относительно легко просмотрена медицинским персоналом.
Для этого нужно разработать алгоритмы обнаружения и распознавания маркёров. Под
руководством профессоров В.Р. Крашенинникова (УлГТУ) и Л.И. Трубниковой (УлГУ) такая
работа ведётся, созданы алгоритмы распознавания нескольких маркёров (гребешки, жгуты и
некоторые другие) [2-4].
В данной работе решается задача обнаружения ВС на изображениях фаций
сыворотки крови, оцифрованных и введённых в компьютер.
Визуальный анализ большого количества изображений показал, что ВС имеют
следующие особенности.
1) Область внутри ВС однородна и светлее окружающего фона.
2) На границе ВС имеется небольшой перепад яркости.
3) Граница ВС близка к эллипсу, у которого большая полуось заметно больше малой
полуоси.
4) ВС расположены между трещинами фации, не пересекая их.
На основе обнаружения этих признаков и будем строить алгоритм обнаружения ВС.
Для определения однородных областей с яркостью выше окружающего фона
изображение обрабатывается скользящим круглым окном. В каждом положении окна
вычисляется выборочная дисперсия. Если она оказывается выше некоторого порога (то есть
изображение здесь неоднородно), то происходит переход к следующему положению окна.
Если же дисперсия ниже порога (изображение достаточно однородно), то строится
гистограмма распределения значений яркостей в окне, и отмечаются все точки, яркость
которых выше 75%-процентной квантили распределения. В результате на изображении
будут выделены светлые однородные области. Далее находятся границы этих областей,
рассматриваются только замкнутые, что определяется методом обхода контура [5]. Учитывая
фактические размеры ВС на исходных изображениях, не будем рассматривать те области,
количество пикселей в которых имеет очень малое или очень большое значение. На рис.2
представлен результат применения описанной процедуры к исходному изображению на
рис.1. Отмеченные области показаны ярким тоном.
Рис.2 Области с малой дисперсией, яркость которых выше окружающего фона.
Форма ВС близка к эллиптической, поэтому границы найденных областей
аппроксимируются эллипсами [6]. На рис.3 показаны эллипсы, аппроксимирующие
однородные области, обозначенные на рис. 2.
Рис.3 Эллипсы, аппроксимирующие границы
имеющих форму, однородных областей
Рис.4 Отсеивание эллипсов,
близкую к круглой
ВС имеют вытянутую форму, поэтому определяется отношение большой полуоси
этого эллипса к его малой оси (коэффициент сжатия эллипса). В случае, когда этот
коэффициент меньше порогового значения 1.5, принимается решение об отсутствии ВС и
такие области удаляются из рассмотрения. На рис.4 представлен результат отсеивания
областей имеющих округлую форму (коэффициент сжатия эллипса меньше 1.5).
Признаком ВС также является отсутствие пересечения с трещинами фации. Для
выявления этого признака сначала выделим скелет фации. С этой целью обработаем
изображение скользящим кругом, в каждом его положении вычислим дисперсию значений
яркости и отметим области, в которых дисперсия превышает некоторый порог. Так как на
границе трещин имеется резкий перепад значения яркости, порог должен иметь большое
значение. Из полученного изображения удаляются малые несвязные области, искажающие
скелет. На рис.5 представлен результат применения этой операции к исходному
изображению на рис.1. На этом же рисунке показаны области, отмеченные на рис.4. Все эти
области оказались расположенными между трещинами, поэтому принято решение, о том, что
все они являются ВС.
Рис.5 Скелет фации, обнаруженные воронкообразные структуры.
Алгоритм реализован в виде программы. На вход программы поступает изображение
фации, программа обрабатывает данное изображение и выдает сообщение о наличии или
отсутствии маркёров ВС, в случае обнаружения ВС они отмечаются условными знаками
(крестиками), как на рис. 5.
В описанном алгоритме содержится несколько параметров – радиусы скользящих
круглых окон и пороги. Предварительно была произведена оптимизация по этим параметрам
так, чтобы не было пропусков ВС на имеющихся в распоряжении изображениях.
Испытания были произведены на 74 изображениях, на 25 из которых имелись ВС. В
результате обработки все изображения с ВС были программой отмечены. Кроме того, были
отмечены 3 изображения, на которых ВС не было (это ложные тревоги).
Таким
образом,
предложенный
алгоритм
позволяет
достаточно
уверенно
обнаруживать ВС на изображениях фаций сыворотки крови.
Литература
1. Шабалин В.Н., Шатохина С.Н. Морфология биологических жидкостей человека. –М.:
Хризостом, 2001. – 304 с.
2. Крашенинников В.Р., Крашенинников И.В., Копылова А.С. Обнаружение жгутовидных
структур на изображениях фаций сыворотки крови. Труды Российского научно-технического
общества радиотехники, электроники и связи им. А.С.Попова. Серия: Научная сессия,
посвященная Дню радио. Выпуск LXIV. – Москва, 2009.–С. 313-315.
3. Копылова А.С. Обнаружение бляшек на изображениях фаций сыворотки крови. Труды
Российского научно-технического общества радиотехники, электроники и связи им.
А.С.Попова. Серия: Цифровая обработка сигналов и ее применение. Выпуск XII. – Москва,
2010.–С. 192-194.
4. Krasheninnikov V.R., Kopylova A.S. Identification of Pectinate Structures in Images of Blood
Serum facia. Pattern Recognition and Image Analysis (ВАК).
5. Фурман, Я.А. Введение в контурный анализ; приложения к обработке изображений и
сигналов / Я.А.Фурман, А.В.Кревецкий, А.К.Передреев, А.А.Роженцов и др.; под ред. Я.А.
Фурмана. – М.: Физматлит, 2003. – 592 с.
6. Крашенинников В.Р., Копылова А.С. Определение границы изображения фации
биологической жидкости. Труды шестой Всероссийской научно-практической конференции
«Современные проблемы создания и эксплуатации радиотехнических систем». – Ульяновск,
2009. – С. 129-133.