Объекты на медицинских изображениях обладают большой сложностью и многофакторностью, что обусловливает высокие требования к надёжности, точности и достоверности результатов исследований. Использование вычислительной техники и математических методов в этой отрасли позволяет не только ускорить процесс обработки материала, но и повысить точность результатов исследования.

Развитие электроники и вредность условий работы стимулировали повышенное внимание к цифровому анализу рентгеновских, ультразвуковых изображений и изображений ядерно-магнитного резонанса, главным достижением которого можно считать появление компьютерного томографа. Однако сложности в получении качественных изображений гистологических объектов значительно тормозят развитие этой отрасли.

Автоматизация анализа гистологических структур ускоряет диагностику заболевания, позволяет расширить границы научных поисков в медицине. Автоматическое измерение параметров гистологических объектов даёт возможность уточнить лечение и управление терапевтическими процессами. Так, наиболее перспективным методом ранней диагностики опухолевых заболеваний в настоящее время является автоматизация цитофотометрического анализа специально приготовленных и окрашенных гистологических препаратов и разделение их по принципу норма – патология.

Одной из главных частей автоматизации измерения оптических и геометрических параметров является выделение объектов на гистологических препаратах. Эта задача решается с помощью методов и средств цифрового анализа изображений.

Основной причиной отсутствия автоматизации в гистологии является высокая вариабельность и слабая контрастность большинства гистологических структур.

Однако быстрое развитие цифровой и аналоговой техники в последнее время открывает новые возможности перед разработчиками. Например, увеличение быстродействия вычислительной техники позволяет использовать сложные, критичные ко времени алгоритмы, а благодаря появлению цветных телевизионных датчиков высокого разрешения можно получать и обрабатывать цветные изображения. Именно новые технические возможности позволяют значительно расширить круг исследований, открывают новые пути решения задач, касающихся анализа изображений. Данная работа посвящена одной из таких задач – сегментации объектов на изображениях гистологических препаратов.

Связь работы с крупными научными программами, темами

Диссертационная работа выполнена в лаборатории обработки и распознавания изображений Института технической кибернетики НАН Беларуси в сотрудничестве с лабораторией методов морфологических исследований МГМИ в рамках тем: Интеллект 17 “Создание теоретических основ разработки, применения и распознавания изображений с использованием искусственного интеллекта” – постановление президиума НАН Беларуси № 88 от 23.11.95; “Разработать рабочий проект АРМ клинического морфолога и сдать в опытную эксплуатацию в МГМИ” в соответствии с “Программой информатизации Республики Беларусь на 1991-1995 годы и на период до 2000 года”, утвержденной Постановлением Совета Министров Республики Беларусь N 444 от 27.11.92; “Разработать платформонезависимые инструментальные средства обеспечения удалённого сбора, хранения и визуализации биомедицинской информации в НИКС” в соответствии с Постановлением Совета Министров Республики Беларусь от 22 октября 1998 г. №1609 “О развитии в республике работ по созданию единой научно-информационной компьютерной сети”.

Цель и задачи исследования

Цель работы – разработать алгоритмы сегментации для определения гистологических объектов на слабоконтрастных цветных и полутоновых изображениях для решения задач диагностики заболеваний, лечения и управления терапевтическими процедурами.

Для достижения поставленной цели потребовалось:

- классифицировать изображения гистологических объектов по геометрическим, топологическим, оптическим характеристикам;

- разработать алгоритмы сегментации волокон и сосудов;

- разработать алгоритмы сегментации клеток;

- разработать методы сегментации цветных изображений гистологических объектов;

- программно реализовать алгоритмы сегментации гистологических объектов и проверить их на конкретных примерах.

Объект и предмет исследования

Исследования выполнены в области сегментации изображений. Предметом исследования являются гистологические объекты на цветных и полутоновых изображениях препаратов оптической микроскопии.

Гипотеза

Все изображения гистологических объектов можно классифицировать по их геометрическим и оптическим свойствам и свойствам их окружения, а для каждого класса объектов можно определить алгоритм сегментации, позволяющий получить результат, удовлетворяющий исследователей гистологических препаратов.

Методология и методы проведённого исследования

В качестве теоретических методов исследования использовались методы цифровой обработки сигналов и изображений, математического анализа и математического моделирования. Для программной реализации разработанных алгоритмов использовались методы создания программных систем, методы оптимизации программных комплексов, программирование на языках высокого уровня.

Научная новизна полученных результатов

Разработана классификация гистологических объектов по особенностям их изображений для определения способа сегментации. Каждый класс определяет основные объекты на гистологических препаратах и особенности их представления. Для него выбран алгоритм сегментации, позволяющий получить качественный результат. Основная задача этой классификации – определить оптимальный путь от входного полутонового или цветного изображения до выделенного объекта на бинарном изображении.

Разработан алгоритм полутонового утоньшения, основное отличие которого заключается в том, что он ориентирован на обработку слабоконтрастных изображений сосудов и волокон, где толщиной исходных объектов можно пренебречь, так как длина этих объектов намного превышает их ширину. Причем объекты могут быть окружены фоном с постоянно меняющимися яркостными и цветовыми характеристиками, который включает в себя изображения объектов другого типа.

Разработан алгоритм сегментации и отслеживания сосудов и волокон при больших увеличениях. Основная особенность этого алгоритма – это определение объекта по областям, выделенным в результате утоньшения всего изображения, которое обработано оператором выделения границ (например, фильтром Собеля), что позволяет не только увеличить скорость по сравнению с алгоритмами поточечной трассировки, но и получить более качественные результаты на слабоконтрастных изображениях.

Разработаны два алгоритма сегментации выпуклых объектов (клеток, ядер, волокон и сосудов в продольном сечении). Их основная особенность заключается в том, что они ориентированы на выделение объектов, окруженных сложным по геометрическим и оптическим характеристикам фоном. Первый алгоритм базируется на методах математической морфологии и ориентирован на объекты с неравномерным фоном, основывается на определении границ выпуклых фигур; другой – на объединении областей, выделенных в результате утоньшения перепадов яркости, и позволяет определять объекты даже тогда, когда перепады уровней яркости объектов такие же, как и у окружающего их фона. Отсутствие стадий “засевания”, роста и разделения областей приводит к выигрышу в скорости по сравнению с традиционными алгоритмами роста областей.