СЕГМЕНТАЦИЯ ТОМОГРАФИЧЕСКИХ ИЗОБРАЖЕНИЙ ГРУДНОЙ КЛЕТКИ ЧЕЛОВЕКА ДЛЯ АВТОМАТИЗИРОВАННОГО ВЫДЕЛЕНИЯ И ВИЗУАЛИЗАЦИИ ТРОМБОВ

СЕГМЕНТАЦИЯ ТОМОГРАФИЧЕСКИХ ИЗОБРАЖЕНИЙ ГРУДНОЙ
КЛЕТКИ ЧЕЛОВЕКА ДЛЯ АВТОМАТИЗИРОВАННОГО
ВЫДЕЛЕНИЯ И ВИЗУАЛИЗАЦИИ ТРОМБОВ
В ЛЕГОЧНОЙ АРТЕРИИ
Д.В.Лазарев, П.В.Мельников1, И.А.Пестунов1
Новосибирский государственный университет
1
Институт вычислительных технологий СО РАН
E-mail: [email protected]
Тромбоэмболия легочной артерии (ТЭЛА) – это закупоривание легочной
артерии или ее ветвей тромбами (сгустками крови). Это относительно
распространенная сердечно-сосудистая патология, она часто приводит к
летальному исходу: примерно один случай на тысячу населения в год [1]. Без
лечения смертность при ТЭЛА составляет около 30%; постановка диагноза с
проведением эффективной терапии снижает смертность до 2-8% [2].
Основным средством диагностики ТЭЛА является компьютерная
томографическая ангиография: внутривенное введение контрастного
вещества с последующей процедурой компьютерной томографии.
Результатом этой процедуры является упорядоченный набор изображений
(так называемых «срезов»). Вследствие наличия контрастирующего
вещества, артерии выделяются на «срезах» ярко-белым цветом, а тромбы –
серым (рис. 1). Данный метод позволяет получить детальную модель
кровотока с точностью до 0.5 мм.
Рис. 1. Пример томографического снимка (слева) и фрагмент тромба, обведенный
красным цветом (справа).
Тромб обладает двумя ключевыми характеристиками – занимаемым
объемом и типом артерии, в которой он расположен (главная, долевая,
сегментарная и др.). По ним эксперты могут сделать выводы о ходе
заболевания. В настоящее время автоматизированные методы оценки этих
параметров отсутствуют; медицинскому персоналу приходится вручную
анализировать томографические снимки и определять необходимые
характеристики «на глаз».
В докладе представлен метод и комплекс программ для
автоматизированной локализации и оценки объема тромбов в легочных
артериях на основе данных компьютерной томографической ангиографии.
Программный комплекс позволяет построить трехмерную визуализацию
выделенных тромбов.
Для автоматического выделения тромбов на изображении используется
метод наращивания областей [3,4], модифицированный для обработки
трехмерных изображений, каковыми, по сути, являются результаты
томографической ангиографии. В методе используется «обучающая
выборка» – выделенные экспертом области, предположительно относящиеся
к тромбам. Алгоритм заключается в последовательном наращивании
обучающих областей за счет соседних с ними пикселей. Критерием для
добавления пикселя к выделенной области является значение некоторой
меры схожести (например, модуль разности между яркостью пикселя и
усредненной яркостью области).
Исследования показали, что области на изображении, соответствующие
тромбам, не являются однородными по яркости и обладают выраженной
текстурой. Поэтому простые пороговые методы сегментации, не
учитывающие
локальные
особенности
пикселей,
приводят
к
неудовлетворительным результатам. В данной работе, наряду с яркостью
пикселя, используется информация о распределении яркостей в некоторой
его окрестности. Для этого вычисляются гистограммы заданной окрестности
классифицируемого пикселя и обучающей выборки. В качестве критерия
близости между пикселем и обучающей выборкой используется расстояние
между полученными гистограммами. Экспериментальные исследования
показали, что среди распространенных функций близости гистограмм
(абсолютный угол, евклидова метрика, модуль разности мод, критериальная
функция Колмогорова, модуль разности выборочных средних и др.)
наилучший результат обеспечивает манхеттенская метрика. Для построения
трехмерной визуализации результатов используется метод трассировки лучей
[5]. Этот метод обеспечивает высокую степень фотореалистичности
изображения, его вычислительная сложность слабо зависит от сложности
сцены, он допускает возможность распараллеливания вычислений.
На базе описанных алгоритмов разработан программный комплекс с
графическим интерфейсом. Комплекс предназначен для автоматизированной
локализации и оценки объема тромбов в легочных артериях по результатам
компьютерной томографической ангиографии. Кроме двумерной проекции,
пользователю доступна интерактивная трехмерная проекция. Построение
трехмерного изображения осуществляется методом трассировки лучей. В
процессе исследования были также рассмотрены другие способы построения
изображения, в частности, метод марширующих кубов [6].
Разработанный программный комплекс использовался для анализа
изображений, полученных с помощью аппарата Toshiba MEC CT3 [7]
(рис. 2). Автоматизация процесса обработки томографических изображений
позволяет существенно упростить диагностику ТЭЛА и повысить качество
результатов.
а
б
в
Рис. 2. Результат выделения тромба (а) и трехмерная визуализация области с
тромбом (б) и без него (в).
Работа выполнена при финансовой поддержке РФФИ (гранты № 14-0731320-мол_а).
Библиографический список
1.
2.
3.
4.
5.
6.
7.
Geerts W.H., Code K.I., Jay R.M., Chen E., Szalai J.P. A prospective study of venous
thromboembolism after major trauma // The New England J. of Medicine. 1994. Vol. 331
(24). P. 1601-1606.
Kroegel C., Reissig A. Principle mechanisms underlying venous thromboembolism:
epidemiology, risk factors, pathophysiology and pathogenesis // Respiration. 2003. Vol. 70,
N 1. P. 7-30.
Гонсалес Р., Вудс М. Цифровая обработка изображений. Техносфера, 2006. С. 812.
Стругайло В.В. Обзор методов фильтрации и сегментации цифровых изображений //
Электронное
научное
издание
«Наука
и
образование».
2012.
DOI:
10.7463/0512.0411847- http://thchnomag.edu.ru/411847.html.
Roth S.D. Ray Casting for Modeling Solids // Computer Graphics and Image Processing.
1982. Vol. 18, Is. 2. P. 109-144.
William E.L., Harvey E.C. Marching Cubes: A high resolution 3D surface construction
algorithm // Computer Graphics. 1987. Vol. 21, N 4. P. 163-169.
Manual: DICOM conformance statement for Toshiba whole-body X-ray CT scanner. Tokyo:
Toshiba Medical Systems Corporation, 2006. 144 p.
Сведения авторов
Лазарев Денис Викторович – магистрант, дата рождения: 08.01.1992 г.
Мельников Павел Владимирович – аспирант, дата рождения: 26.12.1988 г.
Пестунов Игорь Алексеевич – зав. лабораторией, к.ф.-м.н., доцент, дата
рождения: 26.03.1955 г.
Вид доклада: устный.