Автоматизированная система для скрининговой диагностики туберкулеза легких на основе анализа фрактальных объектов

• Автор: Степанов, Владимир Александрович
• Шифр специальности: 05.11.17
• Научная степень: Кандидатская
• Год защиты: 2013
• Место защиты: Курск
• Количество страниц: 112 с. : ил.

СОДЕРЖАНИЕ

ИССЛЕДОВАНИЯ

1.1 Некоторые особенности рентгенографии и флюорографии

1.2 Особенности представления о туберкулезе на современном этапе.

1.3 Методы получения и обработки рентгенограмм (флюорограмм)

1.4 Основы фрактальной геометрии

1.4.1 Фрактальная структура бронхов и легких

1.4.2 Свойства альвеол

1.4.3 Использование фрактальной геометрии при анализе изображений как оптических сложных структур

1.5 Пример классификации методов и характеристики методов распознавания образов

1.5.1 Решение задач распознавания образов
1.6 Постановка задачи системного анализа
1.7 Выводы по первой главе
ГЛАВА 2 МОДЕЛИРОВАНИЕ ПРОЦЕССОВ ВОСПРОИЗВЕДЕНИЯ СТРУКТУРЫ ЛЕГОЧНОЙ СИСТЕМЫ ЧЕЛОВЕКА В
РЕНТГЕНОГРАФИЧЕСКИХ ИЗОБРАЖЕНИЯХ С ЦЕЛЬЮ ОПРЕДЕЛЕНИЯ ВОЗМОЖНОСТИ ОБНАРУЖЕНИЯ И РАСПОЗНАВАНИЯ
ПАТОЛОГИЧЕСКИХ СОСТОЯНИЙ
2.1. Разработка метода математического моделирования фазовых трехмерных моделей изображений эталонов
2.2 Сравнительный анализ структуры изображений рентгенограмм применительно к фрактальному анализу
2.3 Особенности построения математических моделей на основе фрактального
подхода к анализу цифровых флюорограмм
2.4. Метод послойного анализа растровых полутоновых изображений флюорограмм
ГЛАВА 3 МЕТОДЫ ОБНАРУЖЕНИЯ И РАСПОЗНАВАНИЯ ПАТОЛОГИЧЕСКИХ СОСТОЯНИЙ ЛЕГОЧНОЙ СИСТЕМЫ ЧЕЛОВЕКА

НА ОСНОВЕ СТРУКТУРНОГО АНАЛИЗА ФЛЮОРОГРАММ С
ИСПОЛЬЗОВАНИЕМ ФРАКТАЛОВ
ЗЛ. Фрактальные характеристики изображений
3.2 Оптическая плотность рентгеновского изображения, получаемая воздействием
рентгеновского излучения на процесс формирования скрытого изображения
3.3. Алгоритмическое и программное обеспечение фрактального
анализа рентгенограмм
Выводы по главе
ГЛАВА 4 ВОПРОСЫ ОЦЕНКИ ЭФФЕКТИВНОСТИ И ВОЗМОЖНОСТИПРАКТИЧЕСКОГО ИСПОЛЬЗОВАНИЯ
РАЗРАБОТАННЫХ СРЕДСТВ И МЕТОДОВ
4.1. Результаты работы программы по анализу флюорограмм городской
клинической больницы № 2(БУЗ УР «2 ГКБ М3 УР»)
Выводы по главе
Выводы и заключение о работе в целом
ПРИЛОЖЕНИЯ
СПИСОК ОБОЗНАЧЕНИЙ И СОКРАЩЕНИЙ
ВВЕДЕНИЕ
Актуальность темы. Современный туберкулез - одна из самых актуальных проблем здравоохранения. По данным Роспотребнадзора, в России ежегодно заболевают туберкулезом около 117-120 тысяч человек, умирают от этого заболевания около 25 тысяч человек. Среди впервые выявленных больных число случаев с множественной лекарственной устойчивостью туберкулеза составляет около 10%.Смертность от туберкулеза увеличилась почти в 3 раза. В мире отмечается все больше случаев туберкулеза, устойчивого к существующим лекарствам. В 2008 году новый вид туберкулезной бактерии был обнаружен у почти 500 000 человек, причем каждый четвертый из этого числа погиб (данные ВОЗ). Всего от туберкулеза ежегодно в мире умирают около 1,8 млн. человек в год. Поэтому туберкулез, наряду со СПИД, является одним из самых опасных инфекционных заболеваний. В наше время туберкулез стал резистентным к обычной прививке и многим медикаментам (А.И. Карпшценко ,С.А. Попов, Т.П. Сабгайда, В.А. Пузанов). Лечение туберкулеза наиболее эффективно при ранних формах его проявления, т.е. чем раньше выявили туберкулез, тем больше шансов его излечения.
Флюорографический метод проявил себя как самый эффективный метод скрининг диагностики туберкулеза легких, кроме того массовая флюорография имеет эпидемиологическое и профилактическое значение. Но в тоже время, по данным ретроспективных оценок работы рентгеновских кабинетов (пленочный метод) анализа флюорограмм, технический брак достигает 5-7%, пропуск патологии при двойном чтении флюорограмм - 15-40%. Ошибки диагностики суммарно достигают до 30-50% всех исследований (Буковей П.В., Кочетков М.В., Магауап8уапн в, Ба1гтап БН.). В настоящее время борьба с недостатками пленочных методов флюорографии привела к внедрению устройств с цифровым способом регистрации, повышая точность и надежность изображения. Но они не устраняют всех существующих недостатков пленочных методов , а по некоторым па-

Генерация формализованных объектов распознавания
Начальные данные объектов чаще всего представляются в форме, малопригодной для распознавания. Алгоритмы распознавания, как правило, требуют более высокоуровневого представления, что приводит к произведению нескольких преобразований начальных данных.
1.6 Постановка задачи системного анализа
Имеется множество М объектов со. Они задаются значениями признаков хп г = 1,.., N, наборы одинаковы для всех объектов.
Совокупность признаков объекта со определяет некоторым образом его описание /(«о) = (хДсо), х2(со),..., Л^Дсо)) .
Признаки могут выражаться в терминах: нет/да, да/нет/неизвестно, числовыми значениями, вариантами из набора возможных вариантов и т. д.
На множестве М есть разбиение на подмножества:

М= уц. (1.20)

Разбиение может быть задано полностью или определяться некоторой информацией /0 о классах Ц, например, описание входящих в них объектов.
Распознавание состоит в том, чтобы для каждого данного объекта ш по его описанию /(со) и априорной информации /0 определить значения предикатов
Я = (сое Я,.),1=1,..., т- (1-21)
Описание невозможности распознавания объектов предикаты Р, заменяются величинами а: е{0(со^ Qi), 1(со§Ё Ц), Д(неизвестно)} .
Следовательно, для определяемого объекта со требуется вычислить его вектор