Автоматизация обработки изображений медико-биологических препаратов крови, полученных при микроскопии методом темного поля

• Автор: Жук, Сергей Владимирович
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2012
• Место защиты: Волгоград
• Количество страниц: 131 с. : ил.

СОДЕРЖАНИЕ
ВВЕДЕНИЕ
ГЛАВА 1. ОБЗОР ВОЗМОЖНОСТЕЙ И ОСОБЕННОСТЕЙ ТЕМНОПОЛЬНОЙ МИКРОСКОПИИ В МИКРОСКОПИЧЕСКИХ ИССЛЕДОВАНИЯХ МЕДИКО-БИОЛОГИЧЕСКИХ ПРЕПАРАТОВ
1.1 Особенности построения изображений по методу темнопольной микроскопии
1.2 Сравнение методов темнопольной и светлополыюй микроскопии
1.3 Проблемы автоматизации микроскопических исследований е использованием меюдов светлого
и темного ПОЛЯ
1.4 Обзор алгоритмов предварительной обработки анализируемого изображения
1.4.1 Алгоритмы выравнивания яркости и контраста исходного изображения
1.4.2 Фильтрация изображений
1.5 Обзор алгоритмов сегментации обьекгов исследования на гемнопольных изображениях препарата крови
1.6 Автоматизация исследований морфологии клеток в диагностике анемических синдромов
1.7 11роблема определения пересечений клеток
1.8 Алгоритмы определения пересечений клегок
1.9 Проблема анализа агрегатов «монетный столбик»
1.10 Выводы
ГЛАВА 2. РАЗРАБОТКА АЛГОРИТМОВ ОБРАБОТКИ ТЕМНОПОЛЬНЫХ РАСТРОВЫХ ИЗОБРАЖЕНИЙ МЕДИКО-БИОЛОГИЧЕСКИХ ПРЕПАРАТОВ, ПОВЫШАЮЩИХ ЭФФЕКТИВНОСТЬ РЕШЕНИЯ ПРИКЛАДНЫХ ЗАДАЧ АВТОМАТИЗИРОВАННОЙ МИКРОСКОПИИ
2.1 Основные этапы обработки растрового изображения
2.2 Критерии оценки качества сегментации объектов исследования
2.3 Исследование алгоритмов сегментации обьектов интереса
2.4 Разработка алгоритма для анализа пересечения двух эритроцитов
2.5 Алгоритм сегментации и подсчета эритроцитов находящихся в состоянии агрегации «монетный столбик»
2.6 Способ формирования информативных признаков эритроцитов с патологически измененной
формой на основе моментных инвариантов и дескрипторов Фурье
2.7 Выводы
ГЛАВА 3. АВТОМАТИЗАЦИЯ ПРОЦЕССА ДИАГНОСТИКИ АНЕМИЧЕСКИХ СИНДРОМОВ68
3.1 Формализованное описание анемических синдромов на основе эритроцитарных индексов
3.2 Методика автоматического расчета количества пойкилоцитоза
3.3 Способ определения вида анемического синдрома на основе формализованной модели с использованием понятий теории нечетких множеств
3.4 Выводы:
ГЛАВА 4. ОПИСАНИЕ АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ АНАЛИЗА МЕДИКО-БИОЛОГИЧЕСКИХ ИЗОБРАЖЕНИЙ ПОЛУЧЕННЫХ ПРИ МИКРОСКОПИИ МЕТОДОМ ТЕМНОГО ПОЛЯ
4.1 Автоматизированная система поиска и выделения объектов исследования из массива изображений периферической крови, полученных при микроскопии методом темного поля
4.2 Автоматизированная система морфометрических исследований эритроцитов в диагностике анемий
4.3 Автоматизированная система расчета индекса элонгации эритроцитов в проточной микрокамере
4.4 Автоматизированная система расчета степени агрегации эритроцитов находящихся в состоянии «монетный столбик»
4.5 Выводы
ЗАКЛЮЧЕНИЕ
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
ПРИЛОЖЕНИЕ
ПРИЛОЖЕНИЕ
ПРИЛОЖЕНИЕ

ВВЕДЕНИЕ
Актуальность темы. На сегодняшний день одним из новейших и наиболее перспективных методов диагностики здоровья является сканирование живых клеток крови при помощи темнопольного микроскопа. Суть этого метода состоит в том, что световые лучи, освещающие объект, выходят из конденсора микроскопа в виде полого конуса и непосредственно в объектив не попадают. Изображение создается только светом, который рассеивается мелкоструктурными элементами объекта. Данный метод позволяет получить изображения многих прозрачных, непоглощающих спет и потому невидимых при наблюдении в светлом поле объектов и возбудителей болезней. Гак же большим преимуществом микроскопии с использованием метода темного поля является то, что исследуемый образец крови не обрабатывается химическими реактивами, фиксаторами и не окрашивается под конкретную задачу анализа. Таким образом, достигается существенная экономия денежных средств и трудозатрат, за счет отсутствия необходимости закупать дорогостоящие химические реактивы для приготовления препарата крови.
На основании анализа препарата крови полученной методом темного поля, прежде всего, оцениваются качественное состояние клеток, их подвижность в плазме, агрегация и патологические искажения формы эритроцитов, являющиеся показателями серьезных изменений в организме. Спектр диагностики заболеваний при использовании метода темного поля широк и позволяет сделать заключение о состоянии обмена веществ (жирового, белкового, углеводного, фосфорно-калышеного), который зависит от работы поджелудочной железы, печени, и о нарушениях, которые могут привести к анемии, атеросклерозу, подагре, онкологическим и другим заболеваниям.
Основная проблема при автоматизации обработки растровых темнопольных изображений препарата крови состоит в том, что они имеют существенные отличия в ивето-яркостных характеристиках но сравнению с изображениями, полученными по методу светлого поля. Таким образом, создается ряд трудностей для анализа темнопольных изображений уже существующими современными диагностическими автоматизированными системами, то есть, изображения загруженные в подобного рода системы, не могут быть правильно обработаны, а объекты исследования - классифицированы. В связи с этим фактом практически вся диагностика и некоторые виды исследований, такие как анализ агрегации эритроцитов, производимые с использованием метода те.мнополыюй микроскопии, на данный момент осуществляются специалистами вручную, что требует большого количества времени и снижает точность из-за наличия «человеческого фактора».
~ 35 ~
Исходя из данных представленных в таблице 2, можно сделать вывод, что наиболее встречаемым видом пересечения является наложение в виде двух эритроцитов.
Как правило, пересечения состоящие из более чем трех эритроцитов игнорируются специалистом при ручном анализе, а мри автоматизированном анализе возможно применение функции просеивания.
Таким образом, исходя из вышесказанного, целесообразнее разработать алгоритм определяющий факт пересечения двух клеток при обработке темнопольных изображений, который существенно снизит количество ошибок на этапах подсчета и классификации объектов исследования.
1.9 Проблема анализа агрегатов «монетный столбик»
Анализ эритроцитов находящихся в состоянии агрегации «монетный столбик» является важной задачей не только в диагностических, но и в исследовательских целях. Исследование источников литературы показало, что данной проблеме практически не уделяется внимания со стороны разработчиков при создании медицинских автоматизированных систем, и соответственно, проблема состоит в том. что анализ и подсчет эритроцитов в монетных столбиках на данный момент производится оператором ручным методом. Соответственно недостатками такого подхода является низкая скорость и точность анализа при обработке большого массива изображений вследствие влияния «человеческого фактора».
Существует несколько общих методов, которые могут быть применены для решения проблемы сегментации и подсчета количества эритроцитов находящихся в состоянии «монетный столбик».
Данные методы основаны на поиске угловых точек или точек соприкосновения объектов [69,73,76.82,84].
Под угловыми точками понимаются точки, которые образуют угол определенного градуса между несколькими соединенными друг с другом и объединенными в один контур объектами (рисунок 12).