Методы и средства автоматизированной обработки микроскопических изображений мазков периферической крови для диагностики острых лейкозов

• Автор: Чистов, Кирилл Сергеевич
• Шифр специальности: 05.11.16
• Научная степень: Кандидатская
• Год защиты: 2007
• Место защиты: Москва
• Количество страниц: 167 с. : ил.

Глава 1. Системный подход к решению задачи автоматизации гематологического анализа для диагностики острых лейкозов
1.1. Методы и средства диагностики острых лейкозов
1.2. Современные системы автоматизированного анализа периферической крови
1.3. Автоматизация диагностики острых лейкозов при анализе периферической крови: проблемы и решения
1.4. Постановка задачи диссертации
Выводы
Глава 2. Математическое описание автоматизированного анализа мазков крови
2.1. Модель автоматизированного анализа мазков крови
2.2. Математическое описание изображений лейкоцитов в мазке крови
2.3. Подход к формированию признаков для описания бластных клеток
2.4. Анализ эффективности признаков
Выводы
Глава 3. Разработка системы распознавания бластных клеток с
использованием многомерного признакового пространства
3.1. Методика исследования информативности многомерных признаков
3.2. Обоснование выбора классификатора
3.3. Формирование многомерных признаков
3.4. Теоретическое и экспериментальное исследование методов классификации бластных клеток: выбор метода
3.5. Экспериментальное исследование влияющих факторов (освещение и фокусировка микроскопа)
Выводы

Глава 4. Информационно-измерительный комплекс для автоматизации диагностики острых лейкозов
4.1. Структура информационно-измерительного комплекса для поддержки пршю-тия решений врачом при диагностике острых лейкозов
4.2. Методика оценки пригодности изображений клеток крови для автоматизированного анализа
4.3. Методика автоматизированного анализа изображений мазков крови
при диагностике острых лейкозов
4.4. Практическое применение информационно-измерительного комплекса для диагностики острых лейкозов в крупных медицинских и образовательных центрах
Выводы
Заключение
Список литературы

Автоматизированные системы обработки изображений (АСОИЗ) -особый класс информационно-измерительных систем, основанных на измерениях характеристик объектов и распознавании, представленных в виде изображения - двумерной функции яркости - для монохромных изображений, или набором двумерных функций интенсивности спектральных компонентов - для многозональных и цветных изображений [1-10].
АСОИЗ применяются в широком круге областей науки и техники -при дистанционном зондировании Земли, в системах технического зрения на автоматических линиях в промышленном производстве, в дефектоскопии, в охранных системах видеонаблюдения и др. Особую социальную значимость играет применение АСОИЗ в медицине.
Значительный объем анализов, проводимых при обследовании пациентов медицинских учреждений, связан с регистрацией и интерпретацией врачом изображений разной природы - это рентгенография, компьютерная томография, ультразвуковые исследования, эндоскопические исследования и т.п. Целый ряд анализов выполняется с использованием световых микроскопов проходящего света - это гистологические, цитологические, гематологические исследования [11]. Особо отметим последние.
При заболеваниях изменяются форма, размеры, количественное соотношение содержания элементов крови и ее химические показатели. Поэтому состояние крови имеет большое значение для диагностики заболеваний [12].
До недавнего времени состав крови определялся практически только с помощью визуального анализа препаратов крови под микроскопом. В настоящее время все более широко применяются автоматические гемоанализаторы. Но пока они полностью не могут заменить анализ
2.2. Мате.матическое описание изображений лейкоцитов в мазке
крови
Традиционный анализ мазка крови проводится врачом-гематологом методом микроскопического исследования с масляной иммерсией при оптическом увеличении в 1000 раз. При этом пространственное разрешение изображения достигает до 0,3 мкм. Это позволяет рассмотреть не только геометрические особенности лейкоцитов, но и внутреннюю структуру ядра и цитоплазмы, поскольку именно структура ядра является одним из определяющих признаков при визуальной идентификации бластной клетки.
Рассмотрим задачу идентификации бластных клеток в мазке периферической крови с математической точки зрения.
Модель цифрового изображения мазка крови
В качестве исходных данных в рассматриваемой системе обработки изображения выступает цифровое изображение мазка крови. При автоматизированном анализе мазка крови ввод изображения препарата периферической крови осуществляется сканированием мазка крови на стекле под микроскопом и вводом изображения фрагментов препарата, содержащих лейкоциты, в компьютер. Для описания сущности этого этапа предлагается следующая математическая модель [93]:
Пусть X, У упорядоченные подмножества целых чисел:
х = {1,2 у},хсг,
У = {1, 2 V}, У с Z, где Ъ множество целых чисел.
Значения чисел Ш и V определим следующим образом. Условно проведем в плоскости препарата серию из У параллельных равноотстоящих линий, покрывающих весь препарат и соответствующих множеству X. Расстояние между линиями обозначим через б. Перпендикулярно проведенным линиям построим условно другую серию из V параллельных линий, покрывающих весь препарат и