Регистрация / Вход
Прислать материал

Разработка новых перспективных методов и алгоритмов для автоматического распознавания патологий органов грудной полости по рентгеновским изображениям

Докладчик: Белхауари Самир Брахим

Должность: д-р физ.-мат. наук, проф.

Цель проекта:
Согласно статистическим данным, Российская Федерация входит в число 22 стран, имеющих по оценке ВОЗ, наибольшее число новых случаев туберкулеза в мире. Общая сумма новых случаев в этих странах (не регистрируемых, а рассчитанных согласно оценке ВОЗ), составляет 80% от оценки общего числа новых случаев туберкулеза в мире. Эпидемиологическая ситуация по туберкулезу в России в 2010 году составила 64,4 на 100 тысяч населения. Онкологические заболевания являются одной из главных причин смерти в мире. Рак легкого может быстро развиваться и приводить к смерти, если не обнаружен на ранних стадиях. Таким образом, заболевания легких являются угрозой национального масштаба. Однако они могут быть обнаружены на ранних стадиях различными лучевыми методами, включая рентгеновскую диагностику, и эффективно вылечены. Система автоматизированной диагностики (CAD – Computer aided diagnosis) – инструмент, способный помочь обнаружить патологии на начальных стадиях заболевания. Использование таких систем показало, что их применение позволяет увеличить эффективность диагностики на 19,6%. Создано множество отдельных систем для обнаружения и распознавания патологий в различных органах (например, легких, молочной железы, желудка, толстой кишки и т.д.), однако эффективность большинства из них оставляет сомнения у врачей, в том числе из-за высокой частоты «ложных тревог». К сожалению, в настоящее время Россия значительно отстает от развитых западных стран (США, Германия, Нидерланды, Швейцария) по уровню развития технологий искусственного интеллекта, включая методы автоматизации диагностики в медицине. Реализация проекта станет существенным шагом на пути к созданию отечественной базы технологий распознавания изображений. Целями проекта являются: - повышение эффективности диагностики заболеваний органов грудной полости за счет использования новых информационных систем; - создание моделей, методов и алгоритмов для разработки системы автоматизированной диагностики заболеваний органов грудной полости по цифровым рентгеновским изображениям; - вывод на рынок новых медицинских информационных систем автоматизированной диагностики мирового уровня; - создание новых методов распознавания изображений и их предоставление научной общественности государства. Разработка моделей, методов, алгоритмов и программ автоматической диагностики заболеваний органов грудной полости по медицинским изображениям позволит повысить эффективность (сократит стоимость и время обследования) и поможет в раннем выявлении заболеваний. На основе результатов, полученных в рамках ПНИ, будет разработан программный комплекс для автоматизированной диагностики (скрининга с разделением на «норму» и «патологию») заболеваний органов грудной полости по рентгеновским изображениям. Данный программный продукт может быть использован как самостоятельно, в качестве дооснащения АРМ-ов врачей-рентгенологов в существующих ЛПУ, так и в качестве составной части мобильного флюорографического комплекса.

Основные планируемые результаты проекта:
Основным результатом исследования будет создание прототипа диагностической системы для автоматического обнаружения заболеваний органов грудной полости, включая туберкулез легких, по цифровым рентгеновским изображениям. Разработанная система, на основании единого подхода к автоматическому выявлению различных патологий по медицинским изображениям, позволит диагностировать туберкулез легких с высокой точностью. Для создания такой системы будут разработаны новые математические модели и алгоритмы.
В ходе исследования будут получены новые фундаментальные научные результаты, в том числе:
a) Для повышения надежности системы компьютерной диагностики, будет разработан метод выбора инвариантных признаков, позволяющих точно классифицировать очаги туберкулеза легких.
b) С целью повышения точности алгоритмов автоматизированной диагностики на основе Cluster-k-NN-классификатора будет разработан новый подход к проблеме разделения областей, соответствующих патологиям органов грудной полости.
Полученные результаты работы будут опубликованы в рецензируемых журналах.
В рамках выполнения работ будет разработана научно-методическая, научно-техническая и пользовательская документации, включая описание использованных методик, созданных методов, алгоритмов, программ, подготовлен проект технического задания на проведение ОКР по созданию единой программной среды для автоматизированной диагностики органов грудной полости по цифровым рентгеновским изображениям.
Результаты прикладного научного исследования должны соответствовать следующим требованиям:
1) разработанные методы и алгоритмы должны быть реализованы в прототипе программного комплекса для автоматизированной диагностики заболеваний органов грудной полости;
2) прототип программного комплекса автоматизированной диагностики должен иметь весь необходимый функционал автоматизированного рабочего места врача для использования в ЛПУ, включая:
a. поддержку стандарта DICOM 3.0 для получения, хранения, визуализации, редактирования и пересылки медицинских данных;
b. инструменты для просмотра и предобработки изображений (изменение гистограммы, яркости, контрастности и др.);
3) частота выявления патологий в разработанных методах должна превышать 90% при частоте ложных срабатываний не более 15%;
4) экспериментальное исследование разработанных методов и алгоритмов должно быть проведено на выборке размером не менее 200 изображений;
5) для проведения экспериментального исследования методов и алгоритмов должны быть использованы медицинские рентгеновские изображения, полученные с рентгеновских аппаратов и цифровых флюорографических аппаратов не менее четырех производителей рентгеновской техники, включая ЗАО НИПК «Электрон»;
6) скорость работы не должна превышать 60 секунд для обработки изображений размером 4Мп без использования специальной вычислительной техники. Допускается использование GPU и, при необходимости, стандартных вычислительных серверов.
Анализ медицинских изображений всегда являлся прикладной областью для специалистов, занимающихся распознаванием образов, с момента зарождения данного направления науки. Вместе с началом широкого распространения цифрового медицинского оборудования в 90-х годах XX века проблема автоматического анализа диагностических медицинских изображений испытывает бурное развитие. Решением задачи занимаются научные коллективы по всему миру (США, Канада, Нидерланды, Швейцария, Италия, Малайзия, Россия и др.) в ведущих научных центрах. Зачастую фундаментальные исследования направлены на практическую реализацию в прикладных разработках в медицинских центрах, лабораториях производителей медицинской техники.
Как правило, в силу сложности решения каждая задача по выявлению той или иной патологии конкретной локализации до сих пор решается во-многом уникальным способом. Актуальным является создание фундаментальных моделей и подходов, подходящих для решения класса задач. Такие модели могут быть применимы в различных прикладных применениях машинного зрения, кроме медицинской диагностики, например, в распознавании аэрокосмических изображений, промышленной автоматизации и др.
Среди основных направлений исследований по данной проблеме в мировой науке можно выделить:
Фундаментальные:
1) создание математических моделей для описания изображений;
2) создание статистических 3D-моделей для сегментации органов по медицинским изображениям;
3) создание моделей и методов для выявления признаков по медицинским изображениям;
4) создание методов и алгоритмов для анализа формы.
Прикладные:
1) ранняя диагностика рака молочной железы с помощью автоматизированного скрининга;
2) автоматизация обнаружения рака легкого по КТ и рентгеновским изображениям;
3) автоматизация скрининга туберкулеза легких;
4) компьютерная диагностика рака предстательной железы;
5) визуализация и анализ КТ-изображений головного мозга;
компьютерная диагностика патологических изменений в сетчатке глаза.
В ходе выполнения ПНИ будут созданы новые фундаментальные подходы, модели, методы и алгоритмы для диагностики патологий различной формы и локализации по медицинским рентгеновским изображениям органов грудной полости. При этом для вычисления признаков по изображению будут использоваться вейвлеты и курвлеты, а в качестве классификатора для разделения областей, соответствующих заболеваниям и областям без патологий применен новый Cluster-k-NN-классификатор.
Проблемой автоматизацией анализа медицинских изображений занимаются многие научные группы и организации во всем мире. Считаем, что наиболее значимые результаты по автоматическому распознаванию патологий по рентгеновским изображениям органов грудной полости достигнуты в Radboud University (Нидерланды) и компании Riverrain (США). По информации, изложенной в публикациях, точность диагностики составляет около 97%.
Проведенные в ходе выполнения ПНИ эксперименты позволяют утверждать, что разрабатываемые нами методы диагностики позволят достигнуть сопоставимой точности диагностики. Однако, в отличии от решений конкурентов, новые алгоритмы позволят определить большее количество рентгенологических симптомов и, соответственно, диагностировать большее количество заболеваний.
Для обеспечения выполнения задач, стоящих перед прикладным научным исследованием, необходимо провести следующие работы:
1) Проектирование системы и сбор данных
a) организация работы проектной группы;
b) выполнение аналитического обзора современной научно-технической, нормативной, методической литературы, затрагивающей научно-техническую проблему автоматизации диагностики заболеваний органов грудной полости;
c) проведение патентных исследований в соответствии ГОСТ Р 15.011-96 «Система разработки и постановки продукции на производство. Патентные исследования. Содержание и порядок проведения»;
d) формирование базы данных медицинских изображений (с условной нормой и патологией);
2) Проведение теоретических исследований
a) разработка общего (высокоуровневого) подхода автоматической диагностики по медицинским изображениям. Общий подход состоит из трех этапов: локализация органа; сегментация; вычисление признаков и классификация.
b) теоретическое исследование существующих методов распознавания медицинских диагностических изображений, включая методы локализация органов, сегментация, вычисления признаков и классификации;
c) выявление рентгенологических признаков, характерных для изображений патологических очагов, их формализация;
d) выявление взаимосвязей между патологиями легких и патологическими изменениями смежных органов, формализация соответствующих рентгенологических признаков;
e) публикация статьи о подходе к автоматизации диагностики органов грудной полости;
f) публикация статьи по результатам формализации рентгенологических признаков патологий на медицинских изображениях;
g) разработка научно-технической документации с описанием методики автоматизации диагностики органов грудной полости по цифровым рентгеновским изображениям;
h) создание Интернет-ресурса для отражения научной работы по проекту;
3) Разработка методов, алгоритмов и программ; проведение экспериментальных исследований
a) разработка методов обработки цифровых медицинских изображений для улучшения их качества;
b) проведение экспериментов по обработке медицинских изображений;
c) разработка программного обеспечения с удобным графическим интерфейсом для исследования и тестирования алгоритмов распознавания изображений;
d) разработка методов и алгоритмов исключения пикселей фона и метки на медицинских изображениях;
e) разработка методов и алгоритмов бинаризации изображения для определения проекции органа. Возможно использование метода выбора глобального порога (N. Otsu, “A threshold selection method from gray-level histograms”, IEEE Transactions on Systems, Man and Cybernetics, vol. 9, No. 1, pp. 62-66);
f) разработка методов и алгоритмов определения ориентации органа в пространстве;
g) разработка методов и алгоритмов исключения изображений сторонних органов и тканей (например, мышечной ткани);
h) тестирование методов определения проекций органов и проведение экспериментов;
i) публикация статьи о результатах работ по созданию методов и алгоритмов определения проекций органов на медицинских изображениях;
j) разработка алгоритма сегментации зон интереса на основе методов адаптивного выбора порога и соответствия признаков;
k) создание методики и инструментария для максимально информативного вывода информации о найденных зонах интереса на медицинских изображениях;
l) тестирование методов поиска зон интереса на медицинских изображениях и проведение экспериментов;
m) разработка алгоритма определения зон интереса, соответствующих патологиям. Для этого предполагается вычисление набора признаков путем декомпозиции зон интереса. Для вычисления признаков могут быть использованы курвлеты (M.M. Eltoukhy, I. Faye, B.B. Samir, “A comparison of wavelet and curvelet for breast cancer detection in digital mammogram”, Computers in Biology and Medicine 40 (4), 2010, pp. 384-391). Далее выбираются наиболее значимые признаки, для чего используются методы стандартного отклонения от среднего и ранжирования признаков. На последнем шаге метода выполняется классификация зон интереса по выбранным признакам. Для ее выполнения планируется использовать новый метод «Cluster-k-Nearest Meighbour», который сочетает сильные стороны известных методов классификации k ближайших соседей и k средних;
n) разработка программных модулей, их тестирование и документирование;
o) подготовка научно-технической документации по созданным моделям и методам;
4) Обобщение результатов прикладного научного исследования
a) экспериментальное исследование разработанных алгоритмов на примере рентгеновских изображений, получаемых в лечебно-профилактических учреждениях;
b) оценка результативности и эффективности результатов автоматизации диагностики в сравнении с зарубежными аналогами;
c) публикация статьи о результатах работ по созданию методов и алгоритмов поиска зон интереса на медицинских изображениях для решения задачи автоматизации диагностики раковых образований;
d) формирование перечня замечаний, разработка плана по доработкам результатов НИР и подготовка проекта ТЗ на выполнение ОКР;
e) разработка необходимой документации по всем разработанным методам и алгоритмам, включая методики, спецификации, описания алгоритмов, руководства пользователя и др.

Назначение и область применения, эффекты от внедрения результатов проекта:
Полученные результаты ПНИ будут положены в основу разработки программного комплекса автоматизированной диагностики заболеваний органов грудной полости по цифровым рентгеновским изображениям. Программный комплекс может быть использован в ЛПУ, оснащенных цифровыми рентгеновскими (или флюорографическими) аппаратами или в составе мобильного флюорографического кабинета.
В России используется более 4000 цифровых и около 1300 пленочных флюорографических и более 1500 цифровых рентгеновских аппаратов (Федеральное Государственное Статистическое Наблюдение. Форма 30 за 2012 год). Успешное выполнение проекта позволит решить наиболее важные задачи, необходимые для разработки программного продукта для автоматизированной диагностики заболеваний органов грудной полости по рентгеновским изображениям. Программный продукт может быть использован как дополнение или замена существующим автоматизированным рабочим местам врачей-рентгенологов в лечебно-профилактических учреждениях.
Другим применением разработанной информационной системы автоматизированной диагностики является использование в рамках комплекса, состоящего из мобильного флюорографического кабинета на базе шасси грузового автомобиля, цифровой флюорографической установки, самонаводящейся системы спутниковой связи Кu-диапазона, бортового сервера-вычислителя, программного обеспечения, а также рабочего места оператора. Бортовой сервер-вычислитель предназначен для хранения полученных флюорограмм. Программное обеспечение, установленное на мобильном комплексе обрабатывает полученные флюорограммы с цифровой установки и выявляет наличие патологий на них. Исследования, для которых программа не смогла принять решения, и/или служебная информация передаются по спутниковому каналу во флюороцентр. А высококвалифицированные специалисты во флюороцентре будут исследовать переданные по спутниковому каналу снимки, где уже в последующем примут решение о данной ситуации и поставят диагноз.
Компьютерное зрение является областью науки, бурно развивающейся в настоящее время. Создание новых методов автоматической обработки и анализа изображений может оказать существенное влияние на появление новых технологических направлений внутри отрасли науки и их применение в различных предметных областях.
Внедрение компьютерных систем автоматического скрининга сможет снизить влияние человеческого фактора, повысить эффективность диагностики, снизив показатели заболеваемости (для инфекционных заболеваний) и смертности. Особую значимость методам автоматической диагностики придают существующие высокие показатели таких социально-опасных заболеваний как туберкулез легких.

Текущие результаты проекта:
На данный момент получены следующие результаты проекта:
1) Сформирован набор требований к методам распознавания патологий органов грудной полости
2) Проведен аналитический обзор научных и информационных источников в области анализа медицинских изображений
3) Выполнен анализ и сравнение результатов фундаментальных и поисковых исследований, решений, связанных с анализом медицинских диагностических изображений
4) Произведено обоснование выбора методов реализации системы автоматизированной диагностики органов грудной полости по цифровым рентгеновским изображениям
5) Предложен высокоуровневый подход к решению задачи автоматизации диагностики по медицинским изображениям
6) Выполнено прогнозирование возможного промышленного использования создаваемой системы с учетом требований потенциальных заказчиков