Способ компьютерной диагностики деформаций суставов конечностей человека на цифровых медицинских рентгенографических изображениях

Изобретение относится к цифровой обработке медицинских рентгенографических изображений конечностей человека и предназначено для определения отклонений контуров суставов от анатомической нормы при диспансеризации и планировании реконструктивных операций при автоматической обработке без дополнительной настройки в случае изображений среднего качества. При обработке изображений используют индивидуальные значения интенсивности для двойной пороговой фильтрации при выделении границ контуров детектором Канни на цифровых рентгенографических изображениях, полученных от разных источников, устраняют влияние различной формы нижней части контура кости на точность нахождения координат левой и правой точек для построения суставной линии кости, вычисляют координаты точек интереса, расположенных в пределах контуров костей в соответствии с размером изображения, при фильтрации и вычислении стандартного отклонения интенсивности используют интегральное изображение и исключают зависимость размера связных областей, относящихся к границам кости, от размера исходного изображения. Изобретение обеспечивает уменьшение объема вычислений, сокращение времени обработки изображения до 0.2 с и повышение точности определения референтных углов плечевого и коленного суставов. 2 з.п. ф-лы, 18 ил., 3 табл.

 

Изобретение относится к цифровой обработке медицинских рентгенографических изображений конечностей человека и предназначено для автоматического определения отклонений контуров суставов от анатомической нормы при диспансеризации и планировании реконструктивных операций

Уровень техники

Среди диагностических приложений рентгенографии особое место занимает рентгенологическое исследование костей и суставов. Эффективность такого исследования обусловлена достаточно высокой оптической плотностью этих тканей в сравнении с окружающими мягкими тканями, обеспечивая приемлемые контрастность и четкость получаемого изображения без применения рентгеноконтрастных веществ.

С появлением на мировом рынке цифровых рентгенологических аппаратов типа «КРТ ОКО Электрон» и бурным развитием цифровых технологий обработки информации в последнее десятилетие стали активно разрабатываться и использоваться способы компьютерной диагностики конечностей человека на цифровых рентгенограммах.

Известен способ раннего распознавания заболеваний костей и суставов, таких как остеоартрит (US 2016302749, А61В 6/00 2016-10-20, А61В 6/00) [1], с помощью рентгенографического анализа, при котором выполняется цифровое рентгенографическое изображение кости в области головки сустава и/или суставной впадины и фрактальное измерение по крайней мере одного определяется зона изображения, и значение структуры кости вычисляется на основе фрактальной размерности по меньшей мере одной зоны изображения и раскрывается для оценки состояния здоровья сустава Во время записи изображения большеберцовая кость приводится в положение, параллельное рентгеновскому лучу, что приводит к помехам при определения уровней серого в выбранных областях изображения и снижению точности. Рентгеновский луч направлен в коленную ямку. Поскольку плато большеберцовой кости человека имеет наклон 0-20°, голень также наклоняется во время записи на регулируемый угол (обычно 10°). Кроме того, известный способ не является полностью автоматизированным.

В заявке (US 2014126800 (A1), А61В 6/00; G06T 7/00, 2014-05-08 [2] предложен способ автоматического анализа данных изображения структуры кости, включающий: предоставление данных изображения в форме трехмерного массива пикселей, выполнение сегментации массива вокселей для определения подмножества вокселей; выполнение выделения признаков, по меньшей мере, для конкретных вокселей поднабора вокселей для создания карты признаков, создание карты скалярных различий на основе карты признаков; выполнение классификации с помощью карты скалярных разностей; а также выявление структурной аномалии в данных изображения на основе результата классификации. Для реализации указанного способа необходимы дорогостоящие ресурсы (процессоры и заполняющее устройство) и что экономически не целесообразно.

Процесс обработки медицинских изображений (RU 2015136525(A1), WO 2014115065 A1 МПК G06F 19/00; G06T 7/00, 05.03.2019) [3] представлен устройством для обработки медицинских изображений, которое содержит приемник для приема изображения, представляющего характеристики части тела человека или животного. Изображение может, например, быть изображением магнитного резонанса или компьютерной томографии. Блок подписи определяет связанный с изображением набор подписей из первого изображения. Хранилище образцов содержит базу данных в форме набора образцов, где каждый образец содержит связанный с образцом набор подписей и медицинских данных. Блок согласования определяет набор совпадающих выборок из набора выборок в ответ на сравнение связанного с изображением набора сигнатур с ассоциированными с образцом наборами сигнатур набора выборок. Затем блок принятия решения определяет медицинские данные для изображения в ответ на медицинские данные, содержащиеся в выборках из набора совпадающих выборок. Так как база данных содержит большое количество выборок, операция совпадения может быть в вычислительном отношении очень интенсивной, поскольку требуется сравнение двух больших наборов сигнатур для каждой выборки, для такого большего количества вычислений необходимо дорогостоящие ресурсы (процессоры и запоминающее устройство) что экономически не целесообразно в повседневной практике врачей.

Известен способ прогнозирования заболевания костей или суставов у субъекта (US 2015178918 (А1), МПК G06T 7/00, 2015-06-25) [4], который включает компьютерные алгоритмы определения одного или нескольких микроструктурных параметров, одного или нескольких макроанатомических параметров или биомеханических параметров сустава у субъекта и объединение по меньшей мере двух параметров для прогнозирования риска развития костной ткани при суставном заболевании.

В заявке (US 2010303358 (А1), МПК G06K 9/46; G06T 15/00, 2010-12-02) [5] описан метод автоматического анализа данных изображения конструкции, по меньшей мере в одном варианте осуществления способ включает предоставление данных изображения в форме трехмерного массива вокселей, выполнение сегментации массива вокселей для определения подмножества вокселей, выполнение извлечения признаков, по меньшей мере, для конкретных вокселей подмножества вокселей. для создания карты признаков, создание скалярной карты различий на основе карты признаков, выполнение классификации с помощью карты различий и идентификация структурной аномалии в данных изображения на основе результата классификации.

Способ получения количественной информации о структуре кости из рентгеновского снимка зубов количественной информации (US 2007047794 (А1) G06K 9/00, 2007-03-01) [6] включает шаги:

(a) получение стоматологического рентгеновского изображения, при этом стоматологическое рентгеновское изображение включает по меньшей мере часть верхней или нижней челюсти и внешний стандарт для определения структуры кости;

(б) анализ изображения, полученного на этапе (а), для получения количественной информации о структуре кости.

(b) анализ изображения, полученного на этапе (а), с использованием одного или нескольких индексов, выбранных из группы, состоящей из преобразования Хафа, оператора скелета, морфологических операторов, средней интенсивности пикселей, дисперсии интенсивности пикселей, спектрального анализа Фурье, фрактальной размерности, морфологических параметров, и их комбинации, тем самым получая количественную информацию о структуре кости.

Известен способ диагностики остеоартроза коленного сустава (RU 2644541, МПК G06T 7/40, А61В 6/03, 20.12.2010) [7], согласно которому на полученном цифровом изображении рентгенограммы коленного сустава выбирают зону интереса в области субхондральной кости медиального большеберцового плато, по которой строят трехмерный график оттенков серого. Определяют значения показателей числа экстремумов пиков высокой интенсивности у основания контура оси Y (ЕМ), интенсивности максимального (МахР) и минимального (MinP) пиков, а также разницу между максимальными и минимальными пиками (D). Рассчитывают коэффициент ремоделирования по формуле: OArem=(-0,02×Ln(MaxP))+(0,42×Ln(MinP))+(-0,41×Ln(D))+(-0,41×Ln(EM)) и при получении значения более минус 1,3414 диагностируют остеоартроз коленного сустава. Полученные на цифровом рентгенологическом аппарате «КРТ ОКО Электрон» цифровые рентгенограммы подвергали анализу в режиме «pixel to pixel» с помощью программы ImageJ. На изображении выбирали область интереса в области медиального плата большеберцовой кости, включающую участок субхондральной кости размером 49×92 пиксела, строили трехмерный график, со значениями пиксельных оттенков серого в горизонтальном положении по оси X, пиксельные значения в вертикальной ориентации откладывали на оси Y, на оси Z отмечали полутоновое значение оттенков серого в диапазоне от 0 до 256. Получали следующие показатели: число экстремумов пиков высокой интенсивности у основания контура оси Y (ЕМ) - 12, интенсивность максимального пика (МахР) - 209, минимального (MinP) - 128, разница между ними (D) составила 81. Рассчитывали коэффициент ремоделирования (OArem), его значение определено как минус 1,18 (-1,18). Полученное предлагаемым способом значение свидетельствует о наличии остеоартроза коленного сустава пациентки.

В известном способе ранней диагностики остеопороза коленного сустава (RU 2406442, МПК А61В 6/00, опубл. 20.12.2010) [8] проводят двухэнергетическую рентгеновскую абсорбциометрию всего тела пациента, при этом используют элемент укладки трапециевидной формы для фиксации стопы. Получают денситограмму, на которой локально определяют минеральную плотность костной ткани в проекции мыщелков коленного сустава, рассчитывают коэффициент соотношения минеральной плотности латерального мыщелка бедренной кости к латеральному мыщелку большеберцовой кости, латерального мыщелка большеберцовой кости к ее медиальному мыщелку, латерального мыщелка бедренной кости к медиальному мыщелку большеберцовой кости для определения ранних проявлений остеоартроза коленного сустава. Для более четкого определения границ выделенную область проекции мыщелков ограничивают прямоугольником.

Известен способ автоматической сегментации полутоновых сложно структуированных растровых изображений (RU 2580074, МПК G06K 9/34 (2006.01), опубл. 10.04.2016) [9], в котором посредством обработки локальным масочным оператором исходного изображения получают новое изображение, вычисляют его градиентное изображение и посредством пороговой обработки получают сегментированное бинарное изображение, отличающийся тем, что локальная обработка исходного изображения масочным оператором состоит в вычислении «центров тяжести» гистограмм в «пустом» окне по формуле. Первый шаг осуществляется поиском на исходном изображении границ, применяя детектор Канни (Гонсалес Р., Вудс Р., Эддинс С. Цифровая обработка изображений в среде MATLAB. - М.: Техносфера, 2006. - 616 с) [10]. Данный метод детектирования границ основан на последовательном выполнении операции сглаживания изображения с целью увеличения отношения сигнал/шум путем нахождения градиента изображения с целью подсветки области с высоким пространственным разрешением, подавления всех пикселей, которые не в максимуме и уменьшения градиентного массива путем использования гистерезиса с целью отслеживания оставшихся пикселей, которые не были подавлены. Результатом фильтрации является определение пространственной функции изображения объекта с использованием оптимального по Канни оператора - гауссиана. Для сегментации тестового изображения использована флюорограмма грудной клетки у больного пневмонией.

В указанных выше патентных документах [1], [2], [3], [4], [7], [8], [9] не использована общепринятая официальная методика определения референтных линий и углов при пересечении анатомической и суставной линии кости для анализа цифровых рентгенографических изображений.

Для диагностики состояния длинных костей человека медицинскими экспертами разработан метод референтных линий и углов на медицинских изображениях коленного и локтевого суставов (Определение референтных линий и углов длинных трубчатых костей: пособие для врачей. (СПб.: РНИИТО им. P.P. Вредена. - 46 с. Санкт Петербург, 2010 [11], который является нормативным документом и используется практикующими врачами в медицинских учреждениях России и за рубежом.

В основе метода лежат геометрические характеристики - механическая и анатомическая оси. Механическая ось кости определяется как прямая линия, соединяющая центральные точки соединения проксимального и дистального суставов (фиг. 1). Линия анатомической оси может быть прямой во фронтальной плоскости, но изогнутой в сагиттальной (перпендикулярной фронтальной) плоскости. В норме референтные линии должны пересекаться между собой в определенных точках и под определенными углами. При наличии показателей, отличных от принятых за норму, судят о наличии той или иной деформации. В случае некачественного получаемого рентгенографического изображения визуальный анализ позволяет исправить места точек для определения границ контуров костей. Недостатком в этом случае являются значительные затраты времени врача на исправление места точек изображения, а также индивидуальные ошибки врача при определении отклонений контуров суставов от анатомической нормы при диспансеризации и планировании реконструктивных операций, что создает угрозу для успешного лечения пациентов. Указанный метод определения референтных линий и углов на медицинских изображениях коленного и локтевого суставов [11] принят за прототип заявляемого изобретения.

Задачей настоящего изобретения является полная автоматизация известного метода определения референтных линий и углов на медицинских цифровых изображениях коленного и локтевого суставов, что позволяет практикующим врачам сократить временные затраты на построение референтных линий и углов, а также исключить индивидуальные ошибки при определении отклонений контуров суставов от анатомической нормы и за счет этого повысить достоверность диагностики деформаций суставов конечностей человека.

Техническим результатом настоящего изобретения является повышение достоверности диагностики деформаций суставов конечностей человека на цифровых медицинских рентгенографических изображениях и исключение временных затрат врача, связанных с анализом рентгенографических изображений, за счет полной автоматизации процесса определения референтных линий и углов при пересечении анатомической и суставной линии кости, выполняемого за 0,2 с последующей распечаткой результата на принтере.

Дополнительным техническим результатом является использование персонального компьютера и принтера, вместо дорогостоящие процессоров и запоминающих устройств, связанных с необходимостью обработки больших массивов информации в патентах США.

Указанный технический результат достигается последовательностью и условиями проведения поэтапных преобразований цифровых рентгенографических изображений для определения референтных линий и углов при пересечении анатомической и суставной линии кости в соответствии с официально принятой методикой [11].

Сущность заявляемого способа компьютерной диагностики деформаций суставов конечностей человека на цифровых медицинских рентгенографических изображениях заключается в том, что для определения референтных углов при пересечении анатомической и суставной линии кости выделяют границы в изображении детектором Канни с двойной пороговой фильтрацией, выделяют связные области путем выполнения морфологической операции дилатации, выполняют инверсию изображения и выделяют связные области алгоритмом Border Following, удаляют из полученных связных областей малые области, вычисляют центр масс каждой из остальных связных областей и маркируют каждую область цветом, осуществляют сегментацию полученного изображения алгоритмом водораздела и выделяют области, содержащие точку интереса, которая расположена на контуре кости, затем выделяют границы контура кости детектором Канни с двойной пороговой фильтрацией при постоянных значениях интенсивности, исключают мелкие дырки и крупные разрывы контуров путем морфологических операций закрытия и дилатации, приводят инверсию изображения к исходному виду, устраняют разрывы и отделения контуров друг от друга путем выполнения морфологических операций эрозии, дилатации и открытия, разделяют контур кости по вертикали на два фрагмента и вычисляют центр масс каждого фрагмента для построения суставной линии по двум точкам анатомической линии, затем на полученном изображении находят координаты точек интереса, расположенных в пределах контуров костей в соответствии с размером изображения, вычисляют интегральное изображение и стандартное отклонение значения интенсивности пикселей в исходном изображении, осуществляют фильтрацию исходного изображения методом свертки с использованием интегрального изображения, вычисляют индивидуальные пороги значений интенсивности пикселей изображения, которые задают в виде выражения (m±σ)k, где m - среднее значение отфильтрованного изображения, σ - соответствующее стандартное отклонение, k - коэффициент, найденный экспериментально, и выделяют границы в изображении детектором Канни при предварительно вычисленных индивидуальных значениях порогов интенсивности для каждого изображения, определяют минимальный размер связных областей и находят координаты левой и правой крайних точек на нижней части кости для построения суставной линии кости и при пересечении анатомической и суставной линии кости получают величину референтного угла, при этом полученные значения референтных углов 81° и 87° соответствуют норме для коленного сустава и значение референтного угла 81° соответствует норме для локтевого сустава, в результате отклонение от допустимых пределов нормы значений референтных углов свидетельствует о наличии деформации суставов.

В частных случаях выполнения способа:

- для получения суставной линии бедренной или плечевой кости определяют крайние две точки на контуре нижней части, контур кости делят на две равные части, в каждой из этих частей находят нижнюю точку контура и в зависимости от взаимного расположения этих точек строят прямую, ограничивающую контур кости снизу и касающуюся этой кости.

- для построения суставной линии берцовой кости выбирают в изображении в левой и правой части отрезки максимальной длины, мало отличающиеся от контура кости, правый конец левого промежутка и левый конец правого промежутка являются искомыми точками, по которым строится суставная линия.

Перечень фигур графического изображения.

Заявляемый способ компьютерной диагностики деформаций суставов конечностей человека на цифровых медицинских рентгенографических изображениях иллюстрируется фигурами чертежей и таблицами.

Фиг. 1 - Схема построения референтных линий и углов для коленного сустава (А), где 81° и 87° - значения референтных углов в норме и для локтевого сустава (Б), где 81° - значение референтного угла в норме.

Фиг. 2 - Блок-схема оборудования для выполнения заявляемого способа.

Фиг. 3 - Блок-схема алгоритма заявляемого способа.

Фиг. 4 - Блок-схема алгоритма построения интегрального изображения и фильтрация изображения методом свертки.

Фиг. 5 - Блок-схема алгоритма для вычисления индивидуальных порогов значения интенсивности пикселей изображения.

Фиг. 6 - Блок-схема алгоритма распознавания контура кости.

Фиг. 7 - Блок-схема алгоритма для детектирования границ контуров костей.

Фиг. 8 - Блок-схема определения референтных линий и углов для коленного и плечевого суставов.

Фиг. 9 - Изображение плчевого сустава после выполнения детектора Канни, где А - при фиксированных значениях порогов интенсивности, Б - при индивидуальных значениях порогов интенсивности, используемых в заявляемом способе.

Фиг. 10 - Изображение коленного сустава после выполнения детектора Канни, где А - при фиксированных значениях порогов интенсивности, Б - при индивидуальных значениях порогов интенсивности, используемых в заявляемом способе.

Фиг. 11 - Изображение коленного сустава, полученное после инверсии.

Фиг. 12 - Изображение связных областей, полученных при выполнении алгоритма Border Following с удаленными малыми фрагментами.

Фиг. 13 - Изображение маркированных областей с выделением точек интереса.

Фиг. 14 - Изображение, полученное при накладывании маски на исходное изображение с выделением крупных областей, содержащих точки интереса.

Фиг. 15 - Схема построения референтных линий для верхней части коленного сустава.

Фиг. 16. Схема построения референтных линий для нижней части коленного сустава.

Фиг. 17 - Экранное изображение для локтевого сустава в пределах нормы значений рефератного угла 81,97° для плечевой кости, полученное заявляемым способом.

Фиг. 18 - Экранное изображение коленного сустава в пределах нормы значений рефератных углов 79,62° для бедренной кости и 85,22° для берцовой кости, полученные заявляемым способом.

Таблица 1. Зависимость размера маски, в пикселях, от времени фильтрации изображения методом свертки, в мс.

Таблица 2. Сравнение количества пикселей, полученных способом-прототипом и количества пикселей, полученных заявляемым способом при использовании индивидуальных порогов значений интенсивности на 20-ти рентгенографических изображениях коленного сустава.

Таблица 3. Результаты компьютерной диагностики деформации коленных суставов, полученные заявляемым способом на 25-и цифровых рентгенографических изображениях, протестированных на рентгеновском устройстве IDC.PHILIPS.

Осуществление изобретения

На фиг. 2 приведена блок-схема оборудования для выполнения заявляемого способа, которая содержит цифровое оборудование рентгена 1, носитель информации 2, персональный компьютер 3 (ноутбук с операционной системой windows os), принтер 4. Исходное цифровое рентгенографическое изображение плечевого и коленного суставов запоминают на любом носителе. В персональный компьютер вводят программное обеспечение, соответствующее алгоритму заявляемого способа. В меню на экране компьютера оператор выбирает команду, соответствующую рентгенографическому изображению коленного или плечевого суставов.

Обработка цифрового рентгенографического изображения по заявляемому способу (фиг. 3) представлена следующими шагами:

1. Определение точек интереса.

Стандартное серое изображение f(x,y) представляет собой массив элементов размером m,n, в котором значения уровня интенсивности изменяются в пределах 0-255. При этом координаты точки интереса для бедренной кости определяются соотношениями, где , а координаты точки интереса для берцовой кости определяются соотношениями . Координаты точки интереса для плечевой кости определяется по формуле для определения координаты точки интереса бедренной кости.

2. Вычисление интегрального изображения

(Т(х,у) и вычисление количества появлений каждого значения интенсивности St, вычисление суммы квадрата интенсивности и фильтрация методом свертки по маске выполняется в соответствии с блок-схемой алгоритма, приведенной на фиг. 4.

Для вычисления интегрального изображения задается массив тех же размеров, что и само изображение и интегральное изображение T(х,у) определяется по формуле:

где I(х,у) - интенсивность изображения в точке (х,у) и суммирование ведется по всем значениям аргументов, удовлетворяющим условиям х'≤х, у'≤у, где m, n являются размерами изображения.

3. Усреднение интенсивности пикселей изображения А(х,у) с помощью интегрального изображения Т(х,у).

Подбирается маска фильтра с матрицей В размеров k×k, где k - нечетное число, примененная к изображению, задаваемому функцией f.

В результате серии экспериментов было обнаружено, что четкость выделения краев контуров костей детектором Канни для цифровых рентгенографических изображений обусловлена значениями k в пределах от 5 до 9. Зависимость размера маски, в пикселях от времени выполнения усреднения интенсивности пикселя изображения, в мс приведена в таблице 1.

Затем, накладывается маска В на массив изображения и вычисляется сумма интенсивности I(х,у) в выделенной области массива изображения по формуле:

где , при выходе аргументов функции f за допустимые пределы ее значение полагается равными нулю, при этом центр маски соответствует данному пикселю. Используется усреднение с постоянными элементами, равными и формула принимает вид:

с теми же предположениями относительно аргументов функции f.

Как следует из таблицы 1 время выполнения усреднения интенсивности пикселя изображения увеличивается с увеличением размера маски.

С помощью интегрального изображения Т(х,у) можно найти сумму интенсивностей S в любом прямоугольнике исходного изображения Действительно, рассмотрим прямоугольник, координаты которого задаются неравенствами а≤х≤А, b≤у≤В. Тогда сумма S интенсивностей в этом прямоугольнике выражена через элементы массива Т по формуле:

Максимальное время выполнения усреднения интенсивности пикселя изображения составляет 78 мс и не зависит от размера маски. Следовательно, скорость выполнения усреднения интенсивности пикселя изображения увеличивается в 3-5 раза по сравнению с прототипом.

4. Вычисление стандартного отклонения σ определяется по формуле:

где: W - среднее значение квадратов интенсивностей;

, где значение t (1≤t≤255) появляется St раз;

М2 - квадрат суммы интенсивности.

Для получения суммы интенсивности пикселей М исходного изображения выбирается значение последнего элемента Т(m,n) из массива интегрального изображения Т(х,у), где m, n, как и выше, являются размерами рассматриваемого изображения.

5. Формирование индивидуальных порогов значений интенсивности для детектора Канни.

Пороги значений интенсивности для детектора Канни вычисляются по формуле (m±σ)k (6), где m - среднее значение интенсивности пикселя исходного изображения, σ - соответствующее стандартное отклонение, k - коэффициент определяемый экспериментально, равный 0.25. При этом минимальный порог равен (m-σ)/k, а максимальный порог равен (m+σ)k. Блок-схема алгоритма для вычисления индивидуальных порогов значений интенсивности пикселей для каждого исходного изображения представлен на фиг. 5.

6. Выполнение детектора Канни проводят с использованием индивидуальных значений порогов интенсивности пикселей, полученных в предыдущем шаге.

7. Далее выполняют морфологическую операцию «дилатация» с размером структурного элемента 19×19 пикселей для получения связных областей. Блок-схема алгоритма распознавания контура кости представлена на фиг. 6, на фиг. 7 - блок-схема алгоритма для детектирования границ контуров костей, на фиг. 8 - блок-схема определения референтных линий и углов для коленного и плечевого суставов.

На фиг. 9 приведено изображение плечевого сустава после выполнения детектора Канни, где А - при фиксированных значениях порогов интенсивности, Б - при индивидуальных значениях порогов интенсивности, используемых в заявляемом способе.

Фиг. 10 показано изображение коленного сустава после выполнения детектора Канни, где А - при фиксированных значениях порогов интенсивности, Б - при индивидуальных значениях порогов интенсивности, используемых в заявляемом способе.

Для выделения искомых областей (черный цвет) выполняется инверсия изображения, т.е. искомые области станут белого цвета, что позволяет выделить их контуры алгоритмом Border Following (фиг. 11).

Затем для определения контура кости определяют минимальный размер значении пикселей для малых фрагментов размером , где m, n являются размерами исходного изображения. Граница контура кости в изображении составляет, по меньшее мере, 1/90 пикселя от общего количества пикселей в изображении, что получено экспериментально.

Для удаления малых фрагментов выбираются только крупные контуры размером более пикселей. Как следует из изображения связных областей, полученных при выполнении алгоритма Border Following с удаленными малыми фрагментами (фиг. 12) в изображении остаются только крупные связные области.

Вычисление центра масс каждой из остальных связных областей и маркировка каждой области цветом, сегментация полученного изображения алгоритмом водораздела и выделение области, содержащей точки интереса, которые расположены на контурах костей выполняют алгоритмом фиг. 7. Для выделения искомых областей (черный цвет) выполняется инверсия изображения - искомые области станут белого цвета, что позволяет выделить их контуры алгоритмом Border Following (фиг. 11).

8. Определение минимального значения числа пикселей для малых фрагментов размера малых фрагментов, равного , где m, n - размеры исходного изображения. Границы контура кости в изображении составляет по меньшей мере 1/90 доли пикселей от общего количества пикселей в изображении, что определено экспериментально.

9. Для удаления малых фрагментов выбираются только крупные контуры размером более пикселей. Как следует из изображения связных областей, полученных при выполнении алгоритма Border Following с удаленными малыми фрагментами (фиг. 12) в изображении остаются только крупные связные области.

10. Вычисление центра масс каждой из остальных связных областей и маркировка каждой области цветом.

11. Сегментация полученного изображения алгоритмом водораздела и выделение области, содержащие точки интереса, которые расположены на контурах костей. Как видно из изображения маркированных областей (фиг. 13) точки интереса находятся в выделенных цветами областях внутри контуров костей. Далее, создается маска из выделенных крупных областей, которые содержат точки интереса в изображении, которая накладывается на исходное изображение и соответствует контурам костей. Как видно из изображения на фиг. 14 выделены контуры бедренной кости и берцовой кости без лишних фрагментов.

12. Затем на изображении, полученном в предыдущем шаге, выполняется алгоритм смещенного среднего для получения однородной области с гладкими краями.

13. Выделение границ контура кости детектором Канни с двойной пороговой фильтрацией при фиксированных значениях интенсивности, определяемых экспериментально и равных 65 и 185.

14. Исключение мелких дырок и крупных разрывов контура путем морфологических операций закрытия и дилатации.

15. Инверсия (возвращение) изображения к исходному виду.

16. Устранение разрывов и большего отделения контуров друг от друга путем выполнения морфологических операций эрозии, дилатации.

17. Разделение контура кости по вертикали на два фрагмента и вычисление центра масс каждого фрагмента для построения по двум точкам анатомической линии.

18. Для построения суставной линии бедренной или плечевой кости выбираются положительные числа δ и Δk. Число δ определяет из максимально допустимое отклонение точек контура от найденных алгоритма прямых, число Δk - приращение углового коэффициента искомой прямой в ходе алгоритма. Находят точки контура с максимальной (х11) и минимальной (х22) ординатой. Вертикальная прямая , обозначаемая далее через I, делит изображение приблизительно пополам. Вводится переменная величина k=0 - угловой коэффициент искомой прямой. Выбирается точка контура с максимальной абсциссой xmax. Если таких точек несколько и среди них есть точки, лежащие как слева, так и справа от прямой l, то прямая х=xmax есть искомая, работа алгоритма завершена. Если все точки лежат с одной стороны от прямой l, берется точка, которая находится ближе всех к этой прямой. Рассматривается проходящая через точку А прямая с угловым коэффициентом k=k+Δk (k=k-Δk), если эта точка лежит слева (справа) от прямой l. (фиг. 16). Возможны следующие случаи. Нет точек контура, отличных от точки А, и отклоняющихся от прямой l менее, чем на величину δ. Рассматривается проходящая через точку А прямая L с угловым коэффициентом k=k+Δk (k=k-Δk), если эта точка лежит слева (справа) от прямой l.

На прямой L есть точки контура, лежащие со стороны, противоположной точке А. Тогда l есть искомая прямая, и работа алгоритма завершена.

19. По пересечению суставной линии кости с ее анатомической линией вычисляют рефератный угол для данной кости.

Для получения суставной линии бедренной или плечевой кости определяют крайние две точки на контуре нижней части, контур кости делят на две равные части, в каждой из этих частей находят нижнюю точку контура и в зависимости от взаимного расположения этих точек строят прямую, ограничивающую контур кости снизу и касающуюся этой кости.

Для построения суставной линии берцовой кости выбирают на рентгенографическом изображении в левой и правой части отрезки максимальной длины, мало отличающиеся от контура кости, правый конец левого промежутка и левый конец правого промежутка являются искомыми точками, по которым строится суставная линия.

Как видно из сравнения изображения после выполнения детектора Канни с фиксированными порогами интенсивности (фиг. 9А, 10A) имеется множество лишних фрагментов, которые не являются контурами кости. При выполнение детектора Канни с индивидуальными порогами интенсивности (фиг. 9Б, 10Б количество лишних деталей уменьшается. Снижение лишних деталей проводит к повышению точности определения границ контуров кости.

Как видно из изображения маркированных областей (фиг. 13) точки интереса находятся в выделенных цветами областях внутри контуров костей. Далее, создется маска из выделенных крупных областей, которые содержат точки интереса в изображении, которая накладывается на исходное изображение и соответствует контурам костей. Как видно из изображения на фиг. 14 выделены контуры бедренной кости и берцовой кости без лишних фрагментов.

Выделение границ контура кости детектором Канни с двойной пороговой фильтрацией при фиксированных значениях интенсивности, определяемых экспериментально и равных 65 и 185, исключение мелких дырок и крупных разрывов контура путем морфологических операций закрытия и дилатации, инверсия (возвращение) изображения к исходному виду, устранение разрывов и большего отделения контуров костей друг от друга путем выполнения морфологических операций эрозии, дилатации осуществляют в соответствии с алгоритмом (фиг. 7).

Затем проводят разделение контура кости по вертикали на два фрагмента и вычисляют центр масс каждого фрагмента для построения по двум точкам анатомической линии.

Для построения суставной линии бедренной или плечевой кости выбирают полученные экспериментально положительные числа δ и Δk, где δ=5 - максимально допустимое отклонение от прямой, Δk=3° - приращение угла наклона искомой прямой. Затем находят точки контура с координатами (x11) и (x22), соответственно, с минимальной у1 и максимальной у2 ординатами, при этом ось Ох направлена вертикально вниз, ось Оу - слева направо, начало координат - верхняя левая точка изображения.

Вертикальная прямая , обозначаемая далее l, разделяет контур кости приблизительно пополам (фиг. 15).

Выбирается точка контура с максимальной абсциссой xmax. Если таких точек несколько и среди них есть точки, лежащие как слева от прямой l (их ординаты удовлетворяют условию ), так и справа от прямой l (их ординаты удовлетворяют неравенству ), то прямая х=xmax есть искомая, работа алгоритма завершена. Если такая точка одна, она далее обозначается через А. Если таких точек несколько, через А обозначается та их них, которая находится ближе к прямой l (для ординаты у этой точки величина принимает наименьшее значение). Вводится переменная величина k=0 - угловой коэффициент искомой прямой и вычисляется значение k=k+Δk, если точка А лежит слева от прямой l, то есть выполняется неравенство и k=k-Δk, если точка А лежит справа от прямой l, то есть выполняется неравенство . Рассматривается проходящая через точку А(хАА) прямая l с угловым коэффициентом k, определяемая уравнением у-уА=k(х-xA). Возможны следующие случаи.

Нет точек контура, отличных от точки А, и отклоняющихся от прямой l менее, чем на величину δ. Тогда используется значение k=k±Δk, где знак определяется по указанному выше правилу, и снова анализируется взаимное расположение прямой и контура.

На прямой l есть только точки контура, лежащие с той же стороны, что и точка А. Тогда точка А заменяется той из них, которая лежит ближе всех к прямой I (то есть, как и выше, для ординаты у этой точки величина принимает наименьшее значение) и снова проводится изменение значения к по указанному выше правилу.

На прямой l есть точки контура, лежащие со стороны, противоположной точке А, тогда прямая l есть искомая прямая, и работа алгоритма завершена.

При диагностике коленного сустава и вычисления суставной линии для берцовой кости используется наименьшая из абсцисс точек контура (ось абсцисс направлена сверху вниз), пусть она равна xmin. Задается значение Δх>0 (рекомендуемое значение 2-3 пикселя) и находят количество точек контура, удовлетворяющих неравенствам:

xmin+kΔх≤х<xmin+(k+l)Δх, k=0,1,2,…

Рассматриваются значения k, начиная с которых число точек резко возрастает (примерно в 10-15 раз) вплоть до тех, после которых оно резко убывает. Точки, определяющие суставную линию, целиком находится среди точек, удовлетворяющих этим неравенствам с найденным значением k. Рассматриваются ординаты этих точек и выделяются промежутки наибольшей длины, целиком лежащие в наборе этих ординат. Правый конец левого промежутка и левый конец правого промежутка являются искомыми точками, по которым строится суставная линия берцовой кости. Для каждой кости пересечение суставной линии с ее анатомической линией образует рефератный угол для этой кости.

В соответствии со схемой построения референтных линий и углов для коленного сустава (фиг. 1А) референтные углы в норме равны 81° и 87° для верхней и нижней части коленного сустава, а для плечевого сустава (фиг. 1Б) референтный угол в норме составляет 81°. Отклонение от допустимых пределов нормы значений референтных углов свидетельствует о наличии деформации суставов.

На фиг. 16 представлена схема построения референтных линий для верхней части коленного сустава, а на фиг. 17 - схема построения референтных линий для нижней части коленного сустава, где серым цветом показана суставная линия наконечника нижней части коленного сустава.

Как следует из таблицы 2, сравнение количества пикселей, полученных способом-прототипом (фиг. 10А) и количества пикселей, полученных заявляемым способом (фиг. 10Б) при использовании индивидуальных порогов значений интенсивности из 1-10 рентгенографических изображениях локтевого сустава следуют уменьшение количества пикселей и лишних деталей в изображении по сравнению прототипом.

На фиг. 10А и 11А представлены результаты выполнения детектора Канни с использованием фиксированных порогов значений согласно способу-прототипу, а на фиг. 10Б и 11Б представлены результаты выполнения детектора Кэнни с использованием индивидуальных значений порогов интенсивности пикселя согласно заявляемому способу.

Сравнение количества пикселей, полученных способом-прототипом и количества пикселей, полученных заявляемым способом при использовании индивидуальных порогов значений интенсивности на 10-ти первых рентгенографических изображениях локтевого сустава и 10-ти последующих рентгенографических изображениях коленного сустава приведены в таблице 2, выполнение морфологической операции «дилатация» с размером структурного элемента 19×19 пикселя для получения связных областей.

Для получения суставной линии бедренной или плечевой кости определяют крайние две точки на контуре нижней части, контур кости делят на две равные части, в каждой из этих частей находят нижнюю точку контура и в зависимости от взаимного расположения этих точек строят прямую, ограничивающую контур кости снизу и касающуюся этой кости.

Для построения суставной линии берцовой кости выбирают в рентгенографическом изображении в левой и правой части отрезки максимальной длины, мало отличающиеся от контура кости, правый конец левого промежутка и левый конец правого промежутка являются искомыми точками, по которым строится суставная линия.

Как следует из таблицы 2, сравнение количества пикселей, полученных способом-прототипом (фиг. 10А) и количества пикселей, полученных заявляемым способом (фиг. 10Б) при использовании индивидуальных порогов значений интенсивности из 1-10 рентгенографических изображениях локтевого сустава следуют уменьшение количества пикселей и уменьшение лишних деталей в изображении по сравнению прототипом.

Как следует из таблицы 2, сравнение количества пикселей, полученных способом-прототипом (фиг. 11А) и количества пикселей, полученных заявляемым способом (фиг. 11Б) при использовании индивидуальных порогов значений интенсивности на примерах 11-20 рентгенографических изображений коленного сустава следует уменьшение количества пикселей и лишних деталей в изображении по сравнению прототипом, что приводит к уменьшению времени обработки изображения. Кроме того, за счет уменьшения количества лишних деталей повышается резкость границ контуров костей и, следовательно, к повышению точности выделения контуров костей.

Как следует из таблицы 3 для коленного сустава обнаружены отклонения рефератных углов от нормы в примерах 2, 10, 11, 15, 20, 21. Из них примеры 10, 15, 20, 21 относятся к ситуации, когда врачи не смогли обнаружить отклонения от нормы визуально.

Как следует из таблицы 4, для локтевого сустава, отклонение рефератного угла от нормы в примере 10 относится к ситуации, когда врачи не смогли обнаружить отклонение визуально.

Было протестировано две группы пациентов по 15 человек в каждой, в Первая группа из X-RAY Institute, Baghdad Medical city была протестирована на рентгеновском устройстве AGFADX-D 400. В результате в 11 случаях эксперимент был проведен успешно, в 4-х нет. Вторая группа испытуемых из IDC. PHILIPS Ortho&Spine Center в Багдаде была проверена с помощью устройства Shimadzu. Результатами данного эксперимента стали 14 успешных случаев детектирования границ контура и 1 неудачное.

При вычислении усреднения по маске размеров k×k требуется k2mn операций сложения и mn операций деления. Вычисление с использованием интегральных таблиц требует mn предварительных операций сложения, 3mn операций сложения-вычитания и mn операций деления, что при k≥3 обеспечивает уменьшение количества операций сложения-вычитания.

Время выполнения усреднения интенсивностей пикселей с использованием интегрального изображения составляет порядка 78 миллисекунд и практически не зависит от размера ядра фильтра. Время выполнения обработки цифровых рентгенографических изображение составляет 0,2 с.

Источники информации

1. Определение референтных линий и углов длинных трубчатых костей: пособие для врачей. - СПб.: РНИИТО им. P.P. Вредена. - 46 с. Санкт Петербург, 2010.

3. Аль Темими А.М.С., Пилиди B.C. Об одном алгоритме анализа структуры рентгенографических медицинских изображений // Известия высших учебных заведений. Северо-Кавказский регион. Серия: технические науки. - 2018; 1: 23-28. - прототип.

4. RU 2580074, МПК G06K 9/34 (2006.01), опубл. 10.04.2016.

5. Гонсалес Р., Вудс Р., Эддинс С. Цифровая обработка изображений в среде MATLAB. - М.: Техносфера, 2006. - 616 с.

1. Способ компьютерной диагностики деформаций суставов конечностей человека на цифровых медицинских рентгенографических изображениях, характеризующийся тем, что для определения референтных углов при пересечении анатомической и суставной линии кости, выделяют границы в изображении детектором Канни с двойной пороговой фильтрацией, выделяют связные области путем выполнения морфологической операции дилатации, выполняют инверсию изображения и выделяют связные области алгоритмом Border Following, удаляют из полученных связных областей малые области, вычисляют центр масс каждой из остальных связных областей и маркируют каждую область цветом, осуществляют сегментацию полученного изображения алгоритмом водораздела и выделяют области, содержащие точку интереса, которая расположена на контуре кости, затем выделяют границы контура кости детектором Канни с двойной пороговой фильтрацией при постоянных значениях интенсивности, исключают мелкие дырки и крупные разрывы контуров путем морфологических операций закрытия и дилатации, приводят инверсию изображения к исходному виду, устраняют разрывы и отделения контуров друг от друга путем выполнения морфологических операций эрозии, дилатации и открытия, разделяют контур кости по вертикали на два фрагмента и вычисляют центр масс каждого фрагмента для построения суставной линии по двум точкам анатомической линии, затем на полученном изображении находят координаты точек интереса, расположенных в пределах контуров костей в соответствии с размером изображения, вычисляют интегральное изображение и стандартное отклонение значения интенсивности пикселей в исходном изображении, осуществляют фильтрацию исходного изображения методом свертки с использованием интегрального изображения, вычисляют индивидуальные пороги значений интенсивности пикселей изображения, которые задают в виде выражения (m±σ)k, где m - среднее значение отфильтрованного изображения, σ - соответствующее стандартное отклонение, k - коэффициент, найденный экспериментально, и выделяют границы в изображении детектором Канни при предварительно вычисленных индивидуальных значениях порогов интенсивности для каждого изображения, определяют минимальный размер связных областей и находят координаты левой и правой крайних точек на нижней части кости для построения суставной линии кости.

2. Способ по п. 1, отличающийся тем, что для получения суставной линии бедренной или плечевой кости определяют крайние две точки на контуре нижней части, контур кости делят на две равные части, в каждой из этих частей находят нижнюю точку контура и в зависимости от взаимного расположения этих точек строят прямую, ограничивающую контур кости снизу и касающуюся этой кости.

3. Способ по п. 1, отличающийся тем, что для построения суставной линии берцовой кости выбирают в изображении в левой и правой части отрезки максимальной длины, мало отличающиеся от контура кости, правый конец левого промежутка и левый конец правого промежутка являются искомыми точками, по которым строится суставная линия.



 

Похожие патенты:

Изобретение относится к медицине и психологии, в частности к социальной психологии. У респондентов мужского и женского полов 20-30-летнего возраста, представителей коренного населения исследуемой территории определяют порог тепловой чувствительности и соотносят его с выраженностью показателей социальной напряженности региона.

Изобретение относится к медицине, а именно к офтальмологии. Осуществляют диагностику отека диска зрительного нерва (ДЗН).

Группа изобретений относится к медицине, а именно к прогнозированию развития хронической болезни почек (ХБП) через 5 лет у пациентов с сахарным диабетом (СД) 1 или 2 типа.

Группа изобретений относится к медицине, а именно к способу интраоперационного мониторирования функциональной целостности кортико-спинального тракта при проведении хирургического вмешательства на головном мозге и устройству для его осуществления.
Изобретение относится к медицине, а именно к герниохирургии, и может использоваться при хирургическом лечении ущемленных паховых грыж. Устанавливают троакары.

Изобретение относится к медицине и касается способа исследования воздействия экзометаболитов Opisthorchis felineus на пролиферативную активность и дифференцировку стволовых клеток почек в эксперименте, при котором сирийских хомяков-самцов (Syrian golden hamster) разделяют на 3 группы, животных во всех 3 группах выводят из эксперимента на 7, 15, 30-е сутки, берут образцы почечной ткани животных, фиксируют в формалине, заливают в парафин, срезы окрашивают гематоксилином и эозином, проводят иммуногистохимическое исследование, вычисляют индекс пролиферативной активности клеток Ki-67, определяют число почечных капилляров в самом клубочке, по увеличению экспрессии маркеров Oct-4, CD-117 в строме почек и в стенке канальцев и экспрессии маркера CD31, CD34 в клубочковом аппарате делают вывод об активации стволовых клеток в данных структурах и выраженной пролиферации стволовых и прогениторных клеток в формирующихся сосудах.

Изобретение относится к медицине и предназначено для оценки метаболизма билирубина. Способ исследования метаболизма билирубина заключается в следующем: проводят определение вечером перед сном и утром натощак в плазме крови содержания общего и прямого билирубина, объема циркулирующей крови и гематокрита, после чего рассчитывают коэффициент метаболизма билирубина (К) по формуле.

Группа изобретений относится к медицине, а именно к устройству, способу и системе контроля физиологических сигналов. Способ выполняют с помощью носимого пользователем устройства.

Изобретение относится к медицине, а именно к фтизиатрии. У пациентов с диагностированным туберкулезным поражением плевры оценивают данные лучевых методов исследования, включающие компьютерную томографию органов грудной клетки, а также данные ультразвукового исследования плевральной полости и клинико-лабораторную симптоматику.

Группа изобретений относится к медицине, а именно к медицинскому способу трехмерного представления электрической внутрисердечной активности и системе для его реализации.

Изобретение относится к цифровой обработке медицинских рентгенографических изображений конечностей человека и предназначено для определения отклонений контуров суставов от анатомической нормы при диспансеризации и планировании реконструктивных операций при автоматической обработке без дополнительной настройки в случае изображений среднего качества. При обработке изображений используют индивидуальные значения интенсивности для двойной пороговой фильтрации при выделении границ контуров детектором Канни на цифровых рентгенографических изображениях, полученных от разных источников, устраняют влияние различной формы нижней части контура кости на точность нахождения координат левой и правой точек для построения суставной линии кости, вычисляют координаты точек интереса, расположенных в пределах контуров костей в соответствии с размером изображения, при фильтрации и вычислении стандартного отклонения интенсивности используют интегральное изображение и исключают зависимость размера связных областей, относящихся к границам кости, от размера исходного изображения. Изобретение обеспечивает уменьшение объема вычислений, сокращение времени обработки изображения до 0.2 с и повышение точности определения референтных углов плечевого и коленного суставов. 2 з.п. ф-лы, 18 ил., 3 табл.

Наверх