Статья:

Алгоритм распознавания изображений артериальных и венозных сосудов

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

Секция: Медицина и фармацевтика

Выходные данные
Волков Г.А., Волкова К.Р. Алгоритм распознавания изображений артериальных и венозных сосудов // Научный форум: Инновационная наука: сб. ст. по материалам XXIV междунар. науч.-практ. конф. — № 6(24). — М., Изд. «МЦНО», 2019. — С. 12-16.
Конференция завершена
Мне нравится
на печатьскачать .pdfподелиться

Алгоритм распознавания изображений артериальных и венозных сосудов

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

 

Algorithm of recognition of images of arterial and venous vessels

 

Grigory Volkov

student of the magistracy, physics and mathematics faculty, Mari State University, Russian Federation, Yoshkar-Ola

Ksenia Volkova

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

 

Аннотация. В данной статье рассмотрен алгоритм распознавания изображений артериальных и венозных сосудов. Методы для сегментации коронарных сосудов разделяются на две группы алгоритмов, первая из которых представляет собой обработку исходных данный для повышения контраста снимков, а второй – «интеллектуальные» методы сегментации. Математическая модель кровеносных сосудов – бинарное дерево, которое имеет иерархическую структуру данных для облегчения доступа и их сортировки.

Abstract. In this article, the algorithm of recognition of images of arterial and venous vessels is considered. Methods for segmentation of coronary vessels are divided into two groups of algorithms, first of which represents processing initial given for increase in contrast of pictures, and the second – "intellectual" methods of segmentation. Mathematical model of blood vessels – a binary tree which has hierarchical structure of data for simplification of access and their sorting.

 

Ключевые слова: алгоритм распознавания; изображения артериальных и венозных сосудов; методы сегментации; коронарные сосуды; обработка исходных данный; повышение контраста снимков; математическая модель; кровеносные сосуды; бинарное дерево; иерархическая структура.

Keywords: algorithm of recognition; the image of arterial and venous vessels; segmentation methods; coronary vessels; processing initial given; increase in contrast of pictures; mathematical model; blood vessels; a binary tree; hierarchical structure.

 

Распознавание сосудов на медицинских изображениях является сложной задачей. В основном данная обработка сводится к локализации данных объектов на изображении. Данный процесс происходит во время сегментации. Она проводится непосредственно на изображении в ручном, полуавтоматическом или автоматическом режиме. Первый метод распознавания артериальных и венозных сосудов сводится к тому, чтобы специалист сам выбирал необходимые ему элементы изображения. Таким образом, данная задача становится весьма трудоемкой. Следовательно, возникает необходимость в надежных автоматических методах сегментации артериальных и венозных сосудов.

На сегодняшний день уже представлено множество подходов и алгоритмов автоматической сегментации различных типов сосудов в организме человека. Однако все они требуют дополнительных настроек и корректировок, так как компьютерные томограммы имеют низкую контрастность изображения. Также задача осложняется тем, что сосуды могут быть очень тонкими и граничить с более крупными артериями и венами.

За последние десять лет появилось огромное количество методов для сегментации коронарных сосудов [1]. Все они разделяются на две группы алгоритмов, первая из которых представляет собой обработку исходных данный для повышения контраста снимков, а второй – «интеллектуальные» методы сегментации.

Алгоритмы, обрабатывающие исходное изображение, достигают увеличения контраста снимков за счёт различных способов. Так к таким методам можно отнести вычитание фоновых структур [2]. Другими способами будут методы сегментации сосудов, основанные на распознавании образов, отслеживании и распространении математических моделей, нейронных сетях, методах на основе искусственного интеллекта и т.д. [3].

Кровеносные сосуды являются эластичными трубчатыми образованиями в теле животных и человека, по которым силой ритмически сокращающегося сердца или пульсирующего сосуда осуществляется перемещение крови по организму: к органам и тканям по артериям, артериолам, капиллярам, и от них к сердцу – по венулам и венам. Артериальные и венозные сосуды являются наиболее крупными элементами кровеносной системы человека, диаметром более 0.1 мм [4].

В то же время, артериальные и венозные сосуды можно описать как гибкие сосуды, которые сужаются по их длине и становится более жесткими с уменьшением радиуса. Их можно представить в виде бинарного дерева (рисунок 1), в котором площадь поперечного сечения сосуда расширяется приблизительно от 5смв аортальном корне до приблизительно к 400смв артериолах. Расширение встречаются по той причине, что в каждом раздвоении объединенная площадь поперечного сечения дочернего сосуда является большей, чем родительского сосуда, даже при том, что площадь поперечного сечения каждого сосуда дочери является меньшей, чем область родительского сосуда [5].

 

Рисунок 1. Системное артериальное дерево (большие артерии смоделированы как двоичное дерево)

 

Таким образом, математическая модель кровеносных сосудов – бинарное дерево, которое имеет иерархическую структуру данных для облегчения доступа и сортировки их. Узел дерева – это экземпляр одного из двух типов элементов графа, который относится к определенному объекту фиксированной природы. В узле могут содержаться значения, состояния или представления отдельной информационной структуры или самого дерева.

Каждый узел дерева имеет ноль или более узлов-потомков, которые располагаются ниже по дереву. Узел, имеющий потомка, называется узлом-родителем относительно своего потомка. Каждый узел имеет не больше одного предка. Высота узла – это максимальная длина нисходящего пути от этого узла к самому нижнему узлу, который называется лист. Высота корневого узла равна высоте всего дерева. Глубина вложенности узла равна длине пути до корневого узла [6].

Таким образом, математическая модель системы кровеносных сосудов – это бинарное дерево. Его вершины приставляют собой разветвления сосудов, ветки дерева – сосуды, листьями дерева – начала артериол, капилляров и венул.

 

Список литературы:
1. A review of coronary vessel segmentation algorithms. / Dehkordi et al. // Journal of medical signals and sensors, 2011. – Vol. 1. – Pp. 49.
2. Truc P. T., Khan M. A., Lee Y. K., Lee S., Kim T.S. Vessel enhancement filter using directional filter bank //Comput Vis Image Underst.,2009. – Pp. 101-113.
3. Poli R., Valli G. An algorithm for real-time vessel enhancement and detection //Comput Meth Prog Biomed,1996. – Pp. 1-22.
4. Wilkinson M., Westenberg M.Shape preserving filament enhancement filtering// Proc. Int. Conf. on Medical Image Computing and Computer-Assisted Intervention, LNCS, Utrecht, The Netherlands, 2001.– Vol. 2208. –Pp. 770.
5. Zana F., Klein J. C. Segmentation of vessel-like patterns using mathematical morphology and curvature evaluation// IEEE Trans Image Process,2001. – Pp.1010-1119.
6. Olufsen M.S., Peskin C.S., Kim W.Y., Pedersen E. M., Nadim A., and Larsen J. Numerical Simulatoin and Experimental Validation of Blood Flow in Arteries with Structured Tree Outflow Conditions // Ann Biomed Eng., 2000. – Vol. 28(11). Pp. 1281-1299.