Статья:

Методика и алгоритмическое обеспечение для классификации тканей по травмоопасности

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

Секция: Медицина и фармацевтика

Выходные данные
Волков Г.А., Волкова К.Р. Методика и алгоритмическое обеспечение для классификации тканей по травмоопасности // Научный форум: Инновационная наука: сб. ст. по материалам XXI междунар. науч.-практ. конф. — № 3(21). — М., Изд. «МЦНО», 2019. — С. 11-15.
Конференция завершена
Мне нравится
на печатьскачать .pdfподелиться

Методика и алгоритмическое обеспечение для классификации тканей по травмоопасности

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

 

Methodology and algorithmic providing for the classification of tissues for traumatic

 

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 рассмотрены методика и алгоритми­ческое обеспечение для классификации тканей по травмоопасности. Компьютерные технологии и методы лучевой диагностики предостав­ляют возможность получить трехмерное изображение зоны хирурги­ческого вмешательства или отдельно интересующих органов на основе результатов компьютерной томографии. Так разработка методов и алгоритмов сегментации травмоопасных органов и способов получения трехмерной модели становится актуальной задачей при создании программных средств поддержки хирурга.

Abstract. This article describes the technique and algorithmic support for the classification of tissue injury. Computer technologies and methods of radiation diagnosis provide an opportunity to obtain a three-dimensional image of the surgical intervention zone or separate organs of interest based on the results of computed tomography. Thus, the development of methods and algorithms for segmentation of traumatic organs and methods for obtaining a three-dimensional model becomes an urgent task in the creation of software to support the surgeon.

 

Ключевые слова: классификация тканей; травмоопасность; эндохирургические операции; хирургическое вмешательство; система информационной поддержки хирурга; результаты компьютерной томографии; визуальный анализ; сегментация; моделирование тканей.

Keywords: classification of tissue trauma; surgical operation; surgical intervention; the system of information support of the surgeon; results of computed tomography; visual analysis; segmentation; modeling of tissues.

 

Эндохирургические операции являются весьма эффективными и имеют ряд преимуществ по сравнению с обычным хирургическим вмешательством. Однако как показывает практика, данный вид операций не является таким распространенным, так как имеет некоторые трудности.

Основным недостатком эндохирургических операций является длительное обучение хирургов из-за отсутствия тактильных ощущений, неполной картины оперируемого поля и прочих. Больший процент ошибок допускается специалистами с меньшим хирургическим опытом. Таким образом, для решения данной проблемы необходимо использовать систему информационной поддержки хирурга.

На сегодняшний день компьютерные технологии и методы лучевой диагностики предоставляют возможность получить трехмерное изобра­жение зоны хирургического вмешательства или отдельно интересующих органов на основе результатов компьютерной томографии. Визуальный анализ таких изображений позволяет врачу оценить наличие и степень патологии, а также особенности предстоящей операции. Однако визуальная оценка не всегда может предоставить информацию об отношении здоровых клеток к клеткам новообразования по критериям травмоопасности [1].

Компьютерная томограмма сложна в получение, так как на ее качество влияют такие технические параметры, как шумы сенсора, расфокусировка системы тракта получения изображения, дефекты приготовления препарата, особенности освещения и т. д. При регистрации таких исследований изображения записываются в опре­деленном формате – DICOM.

Первым делом записывается томограмма или продольное изобра­жение, которое позволяет планировать исследование; далее происходит запить блока последовательно сканированных изображений поперечного сечения, образующих и характеризующих объем. При необходимости сканируют пациента заново, чтобы улучшить обрабатываемую после­довательность. Она отправляется на блок предварительной обработки, которые в зависимости от качества изображения и цели анализа усредняет или максимизирует из дополнительных изображений [2].

Таким образом, предполагается работы системы поддержки хирурга на основе обработки и анализа КТ снимков и сигнализации о приближении к травмоопасным тканям. Главная задача такой системы заключается в помощи хирургу для выделения точных границ травмо­опасных тканей и для трехмерного виртуального моделирования сцены оперативного вмешательства. Виртуальная модель травмоопасных тканей и ее структур в области оперативного вмешательства, облегчаю­щих принятие решений хирургом на этапе подготовки и проведения операции.

При работе со срезами зоны операционного вмешательства на мониторе у хирурга возникают сложности, вызванные невозможностью использования тактильной чувствительности и трудностями ориенти­ровки в операционном пространстве. Преимуществом виртуального моделирования является возможность объективного выделения интересующего органа и прилегающей его внутренней структуры [3].

Так разработка методов и алгоритмов сегментации травмоопасных органов и способов получения трехмерной модели становится актуальной задачей при создании программных средств поддержки хирурга. При этом построение интеллектуальных систем подобного рода снижает риск ошибочного решения на этапах диагностики, подготовки и про­ведения хирургических малоинвазивных операций. Такая обобщённая структура системы информационной поддержки хирурга, включающую классификатор тканей по травмоопасности, представлена на рисунке 1.

 

Рисунок 1. Обобщенная схема системы информационной поддержки хирурга

 

На базе данных томографического обследования можно проводить сегментацию и моделирование тканей, органов и систем пациента. Корректировка модели происходит с помощью оптической системы, которая сопрягается с первым троараком. Блок классификации травмоопасных тканей генерирует набор критических областей, чье повреждение нельзя допускать. Блок формирования сигналов тревоги сообщает о приближении инструмента к травмоопасным зонам. Данные об этом приближении рассчитывает модуль расстояния между пространственными координатами инструмента, измеряемыми дигитай­зером, и моделью травмоопасных тканей.

Таким образом, разработка классификации тканей по травмоопас­ности может происходить и при участии эксперта, который определит критические области на двухмерных томографических проекциях для дальнейшей сегментации трёхмерных поверхностей указанных органов и тканей. Однако данный подход не производит учёт опыта выполнения операций другими хирургами. Следовательно, необходимо комплексное решение, позволяющее выявить наиболее травмоопасные области на этапе планирования операции. Такие области могут располагаться в зонах хирургического интереса с возможностью добавления хирургом опасных участков.

 

Список литературы:
1. Wu J.R., Wang M.L., Liu K.C., Hu M.H., Lee P.Y. Real-time advanced spinal surgery via visible patient model and augmented reality system // Computer methods and programs in biomedicine. – 2014.–Vol. 113. – Рp. 869-881.
2. Gavaghan K., Oliveira-Santos T., Peterhans M., Reyes M., Kim H., Anderegg S., Weber S. Evaluation of a portable image overlay projector for the visualisation of surgical navigation data: phantom studies// International journal of computer assisted radiology and surgery. – 2012.–Vol. 7. – Р. 547-556.
3. Weiss C.R., Marker D.R., Fischer G.S., Fichtinger G., Machado A.J., Carrino J.A. Augmented reality visualization using image-overlay for mr-guided interventions: system description, feasibility, and initial evaluation in a spine phantom // American Journal of Roentgenology. – 2011.-Vol.196. – Рp. W305–W307.