Регистрация / Вход
Прислать материал

методы автоматической обработки и анализа биологических структур по данным микроскопии и компьютерной томографии

Сведения об участнике
ФИО
Шигапова Фаина Ахметовна
Вуз
Федеральное государственное автономное образовательное учреждение высшего образования «Казанский (Приволжский) федеральный университет»
Тезисы (информация о проекте)
Область наук
Науки о жизни и медицина
Раздел области наук
Медицинская физика и медицинская техника
Тема
методы автоматической обработки и анализа биологических структур по данным микроскопии и компьютерной томографии
Резюме
Получение и анализ изображений является ключевым моментом в биологических научных исследованиях и диагностике. Для обработки рентгенограмм, снимков компьютерного и магнитно-резонансного томографов, а также снимков электронного микроскопа был создан программный модуль, позволяющий заданным способом анализировать микроструктуры на снимках, что нашло применение в диагностике заболеваний и поведении различных биологических исследований. Модуль прост в применении - не требует от оператора специальных навыков. Он позволяет оперативно провести анализ и выдает детальный отчет о результатах анализа в виде текстового файла.
Ключевые слова
анализ данных микроскопии, автоматическая обработка данных, диагностика остеопороза, снимки компьютерного томографа
Цели и задачи
Цель - автоматизация процесса анализа графических изображений.
Задачи:
1. Дифференциация искомых областей на изображении по заданному признаку: цвет, размер, интенсивность, периметр, расположение центра масс и т.д.
2. Выполнение логических операций: вычитание, сумма, умножение, повышение качества изображения (dpi), избавление от шумов и т.д.
3. Выполнение математических операций
4. Вывод результатов анализа в текстовом, а при необходимости, и в графическом форматах.
Введение

Существует два типа аппаратно-компьютерных комплексов для получения медицинских изображений.

К первому типу относятся, в первую очередь, рентгенодиагностические аппараты с цифровым терминалом. В них изображение оцифровывается и поступает в рабочую станцию для дальнейшего анализа.

Второй тип основан на восстановлении по изначально цифровым изображениям трехмерной модели органов. Сюда относят компьютерный томограф (КТ) и магнитно-резонансный томограф (МРТ). Первый получает послойные снимки внутренних органов человека. При этом технология сканирования такова, что позволяет моментально делать большое количество срезов с шагом 1-5 мм.

Методы и материалы

Примеры практической обработки данных:

Вычитание. Дигитальная субстракционная ангиография (ДСА). Выполняют рентгеновский снимок исследуемой области, затем производят его инверсию в негатив и проводят рентгеноконтрастное  изображение сосудов – ангиографию. Далее из второго снимка вычитают первый и получают изображение сосудов.

Двухфотонная компьютерная рентгеновская остеоденситометрия. Компьютер оценивает разность в адсорбционной способности рентгеновских лучей скелетом и количественно оценивает минеральную плотность костей. Это позволяет выявить зоны риска переломов, а так же диагностировать остеопороз на ранней стадии (рис. 1).

             Рис. 1. Норма и остеопороз

Биометрические системы безопасности (интеллектуальные методы распознавания и использование нейронных сетей). Биометрические технологии основаны на биометрии - измерении уникальных характеристик отдельно взятого человека . Это могут быть как уникальные признаки, полученные с рождения (ДНК, отпечатки пальцев, радужная оболочка глаза), так и характеристики, приобретённые со временем или же способные меняться с возрастом или внешним воздействием (почерк, голос или походка).

Существуют и другие, более точные способы идентификации личности на основе изображений, в частности, радужной оболочки глаза и отпечатков пальцев. При грамотной реализации в соответствующих приложениях биометрические системы обеспечивают высокий уровень защищенности

Описание и обсуждение результатов

Модуль был протестирован на решении всевозможных задач.

Апробация работы производилась в рамках проекта по исследованию влияния гипогравитации на структуру костной ткани. Была сформулирована задача определения пористости и построения тензора структуры костной ткани по данным компьютерной томографии.

Разработанный модуль позволил автоматизировать обработку графических изображений.

Метод обработки

Вручную

Автоматически

Время обработки t одного изображения

t ≈ 10 мин.

t ≈ 0,005 мин.

Особенности

1.Затрачивется большое количество временных и человеческих ресурсов.

2.Велик риск появления ошибок вычислений

1.Отсутствие ошибок из-за человеческого фактора;

2.Универсальность;

3.Оператору необязательно знать все операции, совершаемые модулем.

 

Возможности использования модуля для биолого-медицинских исследований:

  1. Дифференциация клеточных структур от межклеточного вещества или от других структур по разным критериям отбора (цвет, размер, периметр, положение центра масс и др. (рис. 2).
  2. Ангиограмма
  3. Остеоденситометрия (диагностирование остеопороза)
  4. Определение несущей способности кости и др.

                                                       

                                                 Рис. 2. Микроснимок участка кожи около границы рубца

Используемые источники
1) Медицинская информатика: Учебник/И.П. Королюк. - 2 изд., перераб. и доп. - Самара: ООО "Офорт": ГБОУ ВПО "СамГМУ". 2012. - 244 с; ил.
2) Лебеденко Ю.И. Биометрические системы безопасности. Тула: Изд-во ТулГУ, 2012, 160 с. ISBN 978-5-7679-2377-9
3) Cowin S.C. Fabric dependence of an anisotropic strength criterion // J. Mech. Materials. – 1986. – Vol. 5. –P. 251–260.
4) Экспериментальные методы в биомеханике / под ред. Ю.И. Няшина, Р.М. Подгайца. – Пермь: Изд-во ПГТУ, 2008. – 400 с.
5) Whitehouse W.J. Cancellous bone in the anterior part of the iliac crest // J. Calcified Tissue Research. –1977. – Vol. 23. – P. 67–76.
6) Kapoor A., Winn J. Located hidden random fields: learning discriminative parts for object detection // European Conference on Computer Vision: Proc. of the intern. conf. Graz, 2006. Vol. 3, P. 302-315.
Information about the project
Surname Name
Shigapova Faina
Project title
Automatic data processing and analysis of biological structures using the data microscopy and computer tomography
Summary of the project
Preparation and analysis of the images is a key element in the biological research and diagnostics. X-ray images, computer tomography images, magnetic resonance tomography images, electron microscope images and many others must be analyzed in detail.
Software package has been created for this purpose The module is easy to use - does not require special skills from the operator. It allows you to quickly analyze and provides a detailed report with results of the analysis in the form of a text file
Keywords
Automatic processing, osteoporosis, microscopy and computer tomography, analysis of biological structures