Статья:

Медицинская визуализация

Конференция: XX Международная научно-практическая конференция «Научный форум: инновационная наука»

Секция: Медицина и фармацевтика

Выходные данные
Волков Г.А., Волкова К.Р. Медицинская визуализация // Научный форум: Инновационная наука: сб. ст. по материалам XX междунар. науч.-практ. конф. — № 2(20). — М., Изд. «МЦНО», 2019. — С. 4-7.
Конференция завершена
Мне нравится
на печатьскачать .pdfподелиться

Медицинская визуализация

Волков Григорий Александрович
магистрант, Марийский государственный университет, РФ, г. Йошкар-Ола
Волкова Ксения Романовна
магистрант, Марийский государственный университет, РФ, г. Йошкар-Ола

 

Medical visualization

 

Grigory Volkov

student of the magistracy, Mari State University, Russian Federation, Yoshkar-Ola

Ksenia Volkova

student of the magistracy, Mari State University, Russian Federation, Yoshkar-Ola

 

Аннотация. В данной статье рассмотрено назначение медицинской визуализации. Способы и методы визуализации информации в первую очередь будут зависеть от того, для каких целей данные необходимо демонстрировать. Применение визуализации медицинской информации имеет деление на следующие области: обучение медицинских работ­ников, диагностика по радиологическим снимкам, предоперационное планирование и интраоперационная поддержка. Существует два основных вида визуализации двумерная и трехмерная, каждая из которых имеет свои плюсы и минусы.

Abstract. In this article purpose of medical visualization is considered. Ways and methods of visualization of information will depend first of all on for what purposes data need to be shown. Application of visualization of medical information has division into the following areas: training of health workers, diagnostics in radiological pictures, preoperative scheduling and intraoperative support. There are two main types of visualization two-dimensional and three-dimensional, each of which has the pluses and minuses.

 

Ключевые слова: медицинская визуализация; рентгеновский снимок; компьютерная томография; медицинская информация; эффективные алгоритмы; способы и методы визуализации; двумерная визуализация; трехмерная визуализация; изучение области интереса; анатомическая структура; определение размеров; пути доступа; диагностика; предоперационное планирование; интраоперационная поддержка.

Keywords: medical visualization; x-ray film; computer tomography; medical information; effective algorithms; ways and methods of visualization; two-dimensional visualization; three-dimensional visualization; studying of area of interest; anatomical structure; sizing; paths of access; diagnostics; preoperative scheduling; intraoperative support.

 

Первым в истории медицинским изображением стал рентгеновский снимок. Развитие компьютерной томографии способствовало получению изображений отдельных срезов человеческого тела. Их покадровое изучение до сих пор остается актуальным и распространенным методом диагностики. С развитием вычислительных мощностей стало возможным проводить реконструкции и визуализации трехмерных моделей.

Однако визуализация медицинской информации является актуаль­ной задачей, так как она предоставляет возможность врачу быстрее ориентироваться в большом потоке возможных данных. Сама по себе медицинская визуализация являются частью научной визуализации, так как имеет внушительный объем информации, которую необходимо демонстрировать. Поэтому для ее грамотного отображения необходимо использовать эффективные алгоритмы.

Способы и методы визуализации информации в первую очередь будут зависеть от того, для каких целей данные необходимо демонстрировать. К основным целям отображение информации можно отнести следующие пункты [1]:

  1. создание и изучения интересующей области,
  2. определение точных размеров и координат анатомических структур,
  3. поиск пути доступа к области хирургического интереса и т. д.

Безусловно, применение визуализации медицинской информации имеет деление на следующие области:

  1. обучение медицинских работников;
  2. диагностика по радиологическим снимкам;
  3. предоперационное планирование;
  4. интраоперационная поддержка.

Рассмотрим первую область – обучение. Для подготовки будущих медицинских специалистов, для переподготовки и повышения квалификации действующих работников имеет большое значение создание и построение реалистичных трёхмерных моделей. При этом стоит отметить, что данные модели не должны быть статичными, а иметь возможность деформировать свои виртуальные области, например, при проведении подготовки хирургов к будущим вмешательствам.

Далее рассмотрим область диагностики по радиологическим снимкам. Такая диагностика получила широкое применение в двумерной и трехмерной визуализации. Преимуществами диагностики при трехмерном построении будет возможность досконально изучить нетипичные случаи, например, сложные переломы или анатомические особенности пациентов [2].

Так как третьим пунктом является предоперационное планирование, которое включает в себя изучение и диагностику интересующих областей непосредственно до вмешательства, то стоит отметить, что визуализация упрощает этот процесс в значительной степени. Так как она дает возможность строить, вращать и деформировать анатомические структуры.

Последней областью применения визуализации является интра­операционная поддержка. Трехмерное отображение интересующих органов, патологий и структур позволяет эффективнее планировать хирургическое вмешательство и радиационное лечение. Также визуали­зация в минимально инвазивных операциях дает возможность оценить взаиморасположение патологии и жизненно важных органов до проведения операции, что повышает успех жизнесохраняющих вмешательств. Еще одним несомненный преимуществом будет то, что можно отобразить информацию, которая не выводится на радиологических изображениях. Примером таких данных может послужить моделирование распределения дозы облучения при радиационном лечении или зоны расположения важных сосудов [3].

На данный момент интраоперационная поддержка является конечной точкой медицинской визуализации, так как она включает в себе компиляцию данных всех предшествующих этапов. Также визуализация интегрируется с интраоперационными изображениями, что предоставляет дополнительную информационную поддержку.

Существует два основных вида визуализации: двумерная и трехмерная, каждая из которых имеет свои плюсы и минусы. К преимуществам плоского изображения можно отнести то, что у двумерной визуализации есть простой способ обращения к любому вокселю для получений каких-либо данных, например, плотности тканей в точке. Трехмерная визуализация может противопоставить этому тот факт, что она охватывает картинку в целом, предоставляя возможность изучать структуры со сложным пространственным расположением.

Недостатком плоских снимков является то, что врачу, изучающему их, необходимо иметь пространственное представление этого органа. В случае его деформации это становится проблематично. Трехмерная визуализация имеет один существенный минус – для нее требуется мощный вычислительный компьютер. Для быстродействия необходимо, чтобы машина могла обрабатывать сложные алгоритмы построения [4].

В настоящее время плоские снимки остаются основным источником информации во время диагностики. Они используются для изучения изображений отдельных срезов, количественного анализа данных и ручной сегментации. Трехмерная визуализация используется в редких сложных случаях с анатомическими отклонениями или сложными структурами. Однако в последние годы начала возрастать ее значимость для практикующих хирургов. Так как задача врачей заключается в том, чтобы удалять патологию с учетом окружающих её пространственных структур.

 

Список литературы:
1. Kersten-Oertel M., Jannin P., Collins D.L. Dvv: a taxonomy for mixed reality visualization in image guided surgery//Visualization and Computer Graphics, IEEE. – 2012. – Vol. 18. – Р. 332-352.
2. Kersten-Oertel M., Jannin P., Collins D.L. The state of the art of visu-alization in mixed reality image guided surgery// Computerized Medical Imaging and Graphics. – 2013. – Vol. 37. – Р. 98-112.
3. Heimann T., Meinzer H.P. Statistical shape models for 3D medical image segmentation: a review // Medical image analysis. – 2009. – Vol. 13. – Р. 543-563.
4. Heimann T., Van Ginneken B., Styner M., Arzhaeva Y., Aurich V., Bauer C., Beck A., Becker C., Beichel R., Bekes G. et al. Comparison and evaluation of methods for liver segmentation from CT datasets // Medical Imaging, IEEE. – 2009. – Transactions on 28. – Р. 1251-1265.