Візуалізація медико-біологічних даних.
Робота з графічною інформацією традиційно є одним з найважливіших напрямів застосування комп’ютера в медицині, який розглядається у спеціальному підрозділі медичної інформатики, що отримав назву аналіз медичних зображень.
Медичне зображення є одним з важливих засобів отримання візуальної інформації про внутрішні структури й функції людського тіла. Воно може бути отримане радіологічними або нерадіологічними методами.
Призначення радіологічних методів - зробити доступним для візуального сприйняття інформацію, що не сприймається безпосередньо зором. Така інформація (зображення органів або частин органів) отримується за допомогою випромінювання. Це випромінювання має, як правило, електромагнітну природу. Медичні зображення органів (medical imaging) отримані засобами радіологічної діагностики є головним джерелом інформації в галузі охорони здоров’я. Всі ці методи для отримання зображень використовують обчислювальні процедури.
Нерадіологічними методами отримують зображення, що відзняті відеокамерою (ендоскопія) або сфотографовані (мікроскопічні зображення в гістології, патології, дерматологічні зображення тощо). Ці типи зображень також можуть бути переведені в цифрову форму й згодом оброблені.
Надалі будемо розглядати переважно медичні зображення, отримані радіологічними методами. Саме тому під поняттям «медичне зображення» розумітимемо (доступну зоровому сприйняттю) картину просторового розподілу будь-якого виду випромінювання, трансформованого у видиму частину оптичного діапазону.
Після утворення зображення воно має бути інтерпретовано. Засіб інтерпретації та показу може бути носієм вихідного зображення, наприклад, відеофільм, з якого було сформовано зображення, або інший носій – фотографія чи монітор комп’ютера.
Медичне зображення як об’єкт медичної інформатики.
Усе різноманіття медичних зображень, незалежно від способів їхнього отримання, може бути віднесено до однієї з двох основних груп: аналогове і матричне зображення.
До аналогових зображень відносяться ті, які несуть у собі інформацію безперервного характеру. Це зображення на звичайних рентгенограмах, сцинтиграмах, термограмах. Аналогові сигнали - це безперервні сигнали, у них присутнє багато зайвої інформації.
До матричних зображень відносяться такі, які отримуються за допомогою комп’ютера. Вони мають у своїй основі матрицю, що міститься в пам’яті ПК. Матричними зображеннями є образи, що отримані при комп’ютерній томографії, цифрової рентгенографії, МР-томографії, ЕОМ-сцинтиграфії з комп’ютерною обробкою інформації, ультразвуковому скануванні. Таким чином, матричні зображення на відміну від аналогових мають дискретний характер. Оскільки в основі матричних зображень лежить комп’ютеризована технологія, вони стають доступними для різноманітної обробки на ЕОМ.
Необхідно відзначити, що аналогові зображення можуть бути перетворені в матричні і, навпаки, матричні в аналогові. З цією метою застосовують спеціальні пристрої: аналого-цифрові і цифро-аналогові перетворювачі.
Матричне зображення формується шляхом сканування електронним променем по рядках. Тим самим створюється можливість для сприйняття зображення в реальному часі. Для цього застосовується спеціальний дисплейний процесор, який через систему зв’язку (інтерфейс) підключений до основної ЕОМ. Пам’ять дисплейного процесора організована у вигляді матриці, кожному з елементів якої відповідає своя визначена ділянка дисплея. Подібна елементарна одиниця матричного зображення, який відповідає занумерована ділянка пам’яті, отримала назву «піксель» (від англійського pixel-picture element – елемент картини). Таким чином, уся площа екрану дисплея являє собою матрицю – сукупність пікселів. У променевій діагностиці площа дисплея може формуватися у вигляді наступних матриць: 32´32, 64 ´ 64, 128 ´ 128, 256 ´ 256, 512 ´ 512, 1024 ´1024, 1024´1280 пікселів. Чим на більше число пікселів розбивається площа дисплея, тим вище розподільна здатність системи відображення.
Кожен піксель зображення записується в пам’яті дисплейного процесора різним числом біт – від 2 до 16. Чим більшою кількістю біт інформації представлений кожен піксель зображення, тим краще зображення за своїми зоровими властивостях і тим більше інформації воно містить про досліджуваний об’єкт. Так, 6-бітний піксель (байтова система запису пікселю), що найчастіше використовується в ультразвуковій діагностиці, містить 26 = 64 відтінків сірого кольору (від чорного до білого). У радіонуклідній діагностиці використовується переважно 8-бітний піксель , у ньому 28 = 256 градацій, тобто рівнів сірого. Неважко підрахувати, що матричне зображення 64´64 пікселів у радіонуклідній діагностиці вимагає 4096 байт пам’яті, а зображення 128 ´ 128 пікселів – 16384 байт.
Більш досконалі системи радіонуклідної діагностики мають зображення 256´256 і навіть 512´512 пікселів. Для формування таких зображень потрібно при 8-бітному пікселі близько 64 і 256 кілобайт пам’яті комп’ютера, відповідно. Збільшення обсягу задіяної пам’яті неминуче приводить до зниження швидкості обміну інформацією, що супроводжується збільшенням часу, необхідного для побудови кожного кадру зображення. Тому деталізовані растри (256´256 і 512´512) застосовують переважно для отримання статичних зображень, тобто у діагностиці осередкових змін в органах, тоді як грубі растри (64´64 і 128´128) використовують головним чином для динамічних досліджень.
Усі медичні зображення в променевій діагностиці можуть існувати у вигляді твердих копій – рентгенограм, відбитків на папері, фотопапері; на магнітних носіях - стрічках, дисках; або у нефіксованому вигляді – на екрані дисплея або рентгенодіагностичного апарата.
Об’єкти медичного зображення можна поділяти на тверді фрагменти (кістки) та фрагменти, що можуть бути деформовані (структури м’яких тканин). За іншою класифікацією об’єкти медичного зображення поділяють на статичні фрагменти (череп) та динамічні (серце, рухомі з’єднання).
Методи отримання медичних зображень
Для отримання одно або двовимірних медичних зображень можна використовувати:
· електромагнітне випромінювання;
· ультразвук.
Методами отримання двовимірних медичних зображень є:
· цифрова радіологія;
· комп’ютерна томографія;
· ядерний магнітний резонанс;
· 2D-ультразвук.
Методами й джерелами тривимірних зображень є:
· послідовність радіологічних зображень або томографічне зображення динамічного об’єкта;
· об¢ємне томографічне зображення частини нерухомого об’єкта.
Обробка та аналіз медичних зображень.
У наш час на зміну аналоговим приходять цифрові медичні зображення. Переведення в цифрову форму (із самого початку їхнього отримання або згодом) полегшує обробку зображень, зберігання й передачу медичних візуальних даних. Ці можливості значно розширилися з появою АРМ із великим об’ємом пам’яті для зберігання даних і достатньою обчислювальною потужністю.
Інформаційні технології можуть допомогти на всіх етапах отримання й обробки медичних зображень. Комп’ютери безпосередньо приймають участь у створенні деяких типів зображень, які не можуть бути отримані іншим способом: комп’ютерна томографія, позитронна емісійна томографія (ПЭТ), ядерний магнітний резонанс.
Цифрова обробка зображення може використовуватися з метою:
· поліпшення якості зображення, компенсації дефектів системи, що реєструє, і зменшення шуму;
· розрахунку клінічно важливих кількісних параметрів (відстані, площі, об’єму, тощо);
· полегшення інтерпретації (розпізнавання структури, обчислення дози для променевої терапії);
· встановлення зворотного зв’язку (автоматизовані хірургічні втручання).
Стиснення зображень зменшує об’єм пам’яті для зберігання даних і час для їх передачі.
Зберігання переведених у цифрову форму зображень на твердих магнітних дисках або CD спрощують організацію архівів і доступ до них.
Передача переведених у цифрову форму зображень між лікувальними установами дозволяє декільком експертам швидко консультуватися для прийняття діагностичних або терапевтичних рішень і поліпшує контроль за лікуванням пацієнта (телерадіологія, телепатологія).
Обробка й аналіз зображень – це покрокова процедура, що залежить від результатів попереднього етапу, а також знань і досвіду оператора.
Фаза попередньої обробки усуває відхилення, пов’язані із системою генерації зображення, і зменшує шуми. Методи, що використовуються, обробляють за допомогою спеціальних програм цифрові дані й у такий спосіб поліпшують видимість деяких анатомічних структур.
Розрахунок гістограми зображення створює подання кількості пікселів для кожного рівня сірого в зображенні.
Аналіз гістограми робить очевидним розподіл сірих рівнів у зображенні й допомагає судити про якість представлення у цифровій формі. Якщо гістограма має нелінійний розподіл, то багато деталей будуть загублені. Операції по вирівнюванню гістограми поліпшують контрастність й, відповідно, відображення деталей.
Об’єкти всередині тіла відрізняються не тільки за фізичним контрастом, але і за розміром. Вони варіюються від великих органів та кісток до дрібних структурних елементів, таких як трабекулярні структури та невеликі системи. Саме дрібні анатомічні ознаки сприяють деталізації медичного зображення. Кожний метод візуалізації має обмеження щодо найменшого об’єкту, який можна відобразити, а значить – до видимості деталей. Остання є обмеженою, тому що всі методи візуалізації вносять в процес ефект розмиття. Основним результатом розмитості зображення є погіршення контрастності та видимості дрібних об’єктів або деталей.
Розгляньте подане нижче зображення, яке демонструє різні об’єкти всередині тіла з точки зору як фізичного контрасту, так і розміру. Як вже згадувалось, межа між видимими та невидимими об’єктами залежить від контрастної чутливості системи візуалізації. Щодо розмитості, то слід зауважити, що вона майже не впливає на видимість великих об’єктів, але погіршує контрастність та видимість дрібних об’єктів. За наявності ефекту розмитості, як це завжди буває, зона невидимості скриває дрібні об’єкти та деталі зображення.
Загальними правилом є те, що найменший об’єкт або деталь, які підлягають зображенню, мають приблизно такі самі виміри, як і показники розмитості зображення.
Зменшення шуму.
Шум у звичайній радіології і ядерній медицині виникає насамперед внаслідок ослаблення рентгенівських променів тканинами або емісією гамма-променів. Це викликає зниження контрасту. Зменшити цей шум можна фільтруванням або згладжуванням, коли повторно обчислює щільність кожної точки відповідно до щільності суміжних точок.
Іншою шумовою характеристикою будь-яких медичних зображень є рябизна зображення, що надає йому текстурований або зернистий вигляд. Джерело та обсяг шуму залежать від методу візуалізації. Розглянемо коротко вплив такого шуму на видимість.
На малюнку внизу ми бачимо вже знайому множину об’єктів всередині тіла, розташованих відповідно до фізичного контрасту та розміру. Тепер додано третій фактор, шум, який впливатиме на межу між видимими та невидимими об’єктами. Основним ефектом від посилення такого шуму зображення є розширення зони невидимості і таким чином обмеження видимості об’єкта. У більшості випадків візуалізації медичний об’єктів ефект шуму є найбільш помітним при зображенні малоконтрастних об’єктів, які вже знаходяться близько до межі невидимості.
Для представлення у цифровій формі піддаються не тільки елементи зображення, а й їх інтенсивність. Вихідна напруга телекамери або камери на приладах із зарядовим зв’язком є аналоговою напругою, яка залежить від інтенсивності падаючого світла. Діапазон напруг, від нуля (для отримання рівня чорного) і до максимальних величин для відображення найбільшої інтенсивності світла, поділяється на певну кількість рівних інтервалів. Чим більша ця кількість, тим краще відображаються різні ступені яскравості (рівні сірого) у цифровому зображенні. На рисунку 10.4 показано вплив використання різної кількості рівнів квантування сірого. Зазвичай для повного покриття сірої шкали береться 256 рівнів (які можна закодувати одним байтом).
Враховуючи просторове оптичне розділення та розділення по рівню сірого, одне зображення 512 х 512 пікселей із оптичним розділенням по сірій шкалі у 8 біт потребує 0,25 Мб пам’яті. Якщо необхідно отримати багатокольорове зображення, об’єм зайнятої пам’яті збільшиться втричі (0.75 Мб).
На погіршення якості зображення під час його отримання можуть впливати різні характеристики. Прикладами є розмитість, викликана рухомою або разфокусованою камерою, накладання гармонік у 50 або 60 Гц, або ж викривлення геометричної перспективи. Корекція таких погіршень вимагає знання моделі процесу, що їх викликає. Метою відновлення зображення є покращення певним чином якості зображення, або для візуального контролю, або для подальшої цифрової обробки. У цьому сенсі, відновлення зображень слугує тій самій меті, що і підвищення якості зображень. Відмінність полягає в тому, що отримане зображення може бути представленим як результат процесу зворотного погіршення, діючого по відношенню до оригінального зображення. Таким чином, відновлення зображень іноді називають об’єктивним покращенням якості зображення.
Методика відновлення може бути як глобальною, так і локальною, і може стосуватися як частотної, так і просторової області. Наприклад, усунення фактору збудження з відомою частотою частіш за все здійснюється в певній частотній області та здійснюється у такій послідовності: перетворення Фур’є, фільтрування та зворотне перетворення Фур’є. Усунення геометричних викривлень зазвичай відбувається у просторовій області. Таке фільтрування цілком подібне операціям з сигналами.
Як вже згадувалось вище, основною метою покращення зображення є підвищення певним чином його якості. У залежності від цілі, можуть використовуватись різні методики покращення. Якщо зображення призначене для візуального контролю, то доцільним є посилення контрасту. Якщо ж зображення призначається для подальшої цифрової обробки, то доцільним може бути сегментація (операція, яка підсвічує межі між компонентами зображення та лінійними структурами у зображенні), хоча ця процедура не обов’язково сприятиме отриманню більш якісного зображення. Оскільки покращення зображення може виконуватись з різними цілями, то іноді його називають суб’єктивним покращенням зображення.
Подібно до технік відновлення, техніки підвищення якості можуть бути глобальними або локальними, і можуть стосуватися частотній або просторовій області.
Методи виявлення країв або контурів використовуються для виявлення подібних до ліній локальних структур у зображенні зазвичай як етап попередньої обробки перед сегментацією зображення.
Краї є межами між двома областями у зображенні з різними середніми рівнями сірого. Таким чином, більшість методик виявлення країв спирається на застосування певного оператора градієнту. Існує можливість застосування операторів градієнту, які мають чутливість до градієнтів у горизонтальному, вертикальному або діагональному напрямках, а результати можуть бути скомбіновані для виявлення країв у довільних напрямках. У більшості практичних випадків виявлення країв виконується як операція локального фільтрування. Виявлення країв необов’язково означає сегментацію всього зображення: виявлені краї можуть бути не неперервними та загалом не становитимуть завершеного контуру навколо об’єкта, що вивчається.
Ця фаза обробки зображення ізолює окремі елементи зображення (органи, клітини й т.д.). Метод заснований на ідентифікації однакових піселів з допустимим рівнем похибки. Шляхом порівнянням двох різних за часом сегментованих зображень виявляють динаміку.
Цифрові зображення займають багато пам’яті. З цієї причини, а також задля ефективної їх передачі, особлива увага приділяється способам стискання зображення. Метою цих способів є створення зображень, які займають менше місця, однак достатньою мірою відповідають оригіналу. На основі цих стиснутих зображень можна точно або наближено відтворити оригінали за допомогою способів відновлення.
Якщо необхідно відновити зображення якомога точніше, то не можна використовувати такі очевидні методи як зменшення просторового розділення або градацій яскравості: після таких операцій оригінальне зображення не підлягає відновленню. Один із способів стискання називається кодування довжин серій (run-length coding), він базується на тому факті, що багато зображень містять більш-менш гомогенні частини. При зчитуванні зображення рядок за рядком його вміст представлений послідовністю пар (рівень сірого – кількість пікселів). Фактор, який дозволяє зменшити вимоги щодо об’єму пам’яті завдяки цій технології, залежить від середньої тривалості послідовності імпульсів. Це – технологія без втрат інформації (тобто, в результаті її застосування втрати відсутні), оскільки можливо повною мірою відновити оригінальне зображення шляхом виконання зворотної операції.
Інша технологія стискання без втрат інформації спирається на той принцип, що загалом різниця рівнів сірого між послідовними пікселями є меншою, ніж повна кількість рівнів сірого, і таким чином цю різницю можна записати меншою кількістю біт.
Якщо незначні відхилення у якості між оригіналом та відновленим зображенням допускаються, то можна застосовувати численні технології стискання, які передбачають втрату даних. Із збільшенням кількості комп’ютерних мереж, через які передаються зображення, наприклад, лікарняних мереж або WWW, технології стискання стали важливим аспектом обробки зображень. Стандартом для стискання радіологічних та інших зображень є так званий Стандарт цифрових зображень та комунікацій у медицині.
Обробка зображень може здійснюватися, наприклад, з метою покращення якості зображення та виявлення країв. Такі операції з обробки зображень (перетворення) є операціями типу увід-вивід зображення.
Існує два кардинально відмінних види перетворень зображення: повне і локальне. В обох випадках значення яскравості в будь-якій точці похідного зображення є функцією від значень яскравості певної кількості точок оригінального зображення. При повних перетвореннях це функція усіх точок оригінального зображення; при локальних перетвореннях це функція лише деяких точок, розташованих поблизу від відповідного пікселя в оригінальному зображенні.
Найвідомішим повним перетворенням є перетворення Фур’є. При обробці сигналів перетворення Фур’є призводить до перетворення сигналу з однієї системи координат в іншу: з часової до частотної. При обробці зображень перетворення Фур’є є перетворенням зображення з просторової області в іншу область, також частотну. Перетворення Фур’є часто використовується для частотного фільтрування: перебуваючи у частотній області можна усунути небажані частоти. Зворотне перетворення (за допомогою зворотного перетворення Фур’є) має наслідком отримання ображення у вихідній просторовій області, з якої були усунені небажані частоти. Такі процеси фільтрування іноді використовуються, наприклад, для усунення небажаного накладання картини з відомою частотою (наприклад, від джерела електроенергії 50 або 60 Гц). Коли низькі частоти відфільтровані, результатом зворотного перетворення стає зображення, в якому підсилено високі частоти. Таке зображення краще пристосовано до подальших операцій з виявлення країв.
Розрахунок лінійних й об’ємних параметрів анатомічних утворень.
Автоматична комп’ютерна інтерпретація поки ще залишається проблемою. Для її якісного виконання потрібна база знань з порівняльної та патологічної анатомії. Отримані структури й параметри повинні бути порівняні з відомими структурами й класифіковані. Повинні використовуватися й інші методи отримання клінічних і біологічних даних для автоматичної діагностики, що ще недосяжно в наш час.
Зображення з точки зору пам’яті комп’ютера можна трактувати просто як масив чисел, на зразок неструктурованого медичного запису (скажімо, про пацієнта). Медичні зображення вирізняються тим, що вони несуть великий вміст інформації, даних (як і будь-яке три вимірне зображення).
При цьому без виділення певних типів структур (якими для медичних зображень є, наприклад, різні органи, ділянки органів) дані можуть бути відображені, але подальша їх обробка неможлива. Оцінюючи зображення, можна виділити ще більше абстрактної інформації, що є корисною для діагностики та терапії. Оцінювання зображення може здійснюватися як завдяки візуалізації, так і за допомогою кількісних аналітичних методів.
Аналіз медичних зображень розв’язує дві головні проблеми:
· реєстрація зображень;
· візуалізація зображень.
Проблема реєстрації зображень. Однією з найскладніших задач, яка ще чекає остаточного розв’язання в аналізі медичних зображень, є реєстрація зображень, які є, як правило, три вимірними. Реєстрація медичного зображення є винятково важливою для подальшого його аналізу.
Проблеми класифікації потрібно відрізняти від кодування проблем: проблеми класифікації стосуються впорядкування понять у деякому відношенні які логічно побудовані, і зручні для застосування потенційними споживачами класифікації.
Проблеми кодування стосуються технічної підтримки, що повинна бути забезпечена для того, щоб дати можливість кодувальникам призначити певне значення потрібному класу і присвоїти вірний код ефективним і надійним шляхом.
Проблемою співставлення, комбінації кодів, і важливості розширених кодів є те, що не всі згенеровані комбінації можливі і осмислені. Комбінаційні коди також дають неоднозначні результати. Комбінація коду для гортані, коду для видалення, і коду для придання трубчастої форми неоднозначна. Незрозуміло що видалено – трубку чи гортань, тому що код не містить семантичної інформації про зв’язок елементів. У престандарті для класифікації хірургічних процедур Comité Européen de Normalisation (CEN), цю проблему неоднозначності намагаються усунути використанням як семантичних так і синтаксичних категорій.
При розробці класифікації хвороб, етіології, розташування і механізму патофізіології, важливими є принципи класифікації. Однак, ми не завжди можемо застосовувати кожен принцип класифікації до усіх хвороб. Використовуючи етіологію як принцип класифікації, ми можемо класифікувати «вірусну пневмонію» як вірусну хворобу, але ми не можемо з таким же ступенем упевненості віднести до якого-небудь класу «пневмонію». Таким чином, пневмонія буде класифікована як легенева хвороба, використовуючи анатомічний принцип класифікації.
Більшість класифікацій поєднує кілька принципів на одному рівні. Перекриття класів хвороби порушує правило взаємного виключення. Клас «легенева хвороба» перетинається з класом «вірусна хвороба». Коли хвороба вже відкласифікована де-небудь в іншому місці, правило виключення вимагає щоб хвороба вважалася віднесеною лише до одного класу. Однак, це викликає проблеми під час статистичного аналізу. Якщо ми хочемо обчислити число випадків вірусної хвороби, ми не можемо просто включати членів класу «вірусні хвороби», тому що «вірусна пневмонія» – це також вірусна хвороба, але вона відкласифікована до класу «легеневих хвороб». Додавання ж двох класів буде включати й випадки не вірусних легеневих хвороб.
Динамічна природа класифікації пояснює постійну потребу обслуговування класифікацій, як наприклад ICD і SNOMED (Systematized Nomenclature of Human and Veterinary Medicine). Шлях класифікації синдрому набутого імунного дефіциту (СНІД) як вірусної хвороби був розчищений для класифікації СНІДУ як імунно-дефіцитної хвороби. Питання чи був СНІД вірусною хворобою супроводжувався обговоренням багато чого. У наш час, широко приймається гіпотеза, що СНІД викликаний зараженням вірусом імунодефіциту людини (ВІЛ).
Перегляд великих медичних класифікацій діагнозів і процедур потрібний для кодування історії хворого для медико-економічних цілей. Основна проблема перегляду полягає в тому, що мова, використовувана в класифікації, скоріше відмінна від клінічної мови історії хвороби. Незважаючи на те, хто кодує історію хворого, є труднощі в невідповідності термінів між умовами в класифікації і повному обстеженні хворого. Цей розрив може бути ліквідований, з використанням відповідних комп’ютерних програм.
Сучасна технологія аналізу даних
В основі обробки й аналізу даних лежать відомі математичні методи.
Завдяки використанню інформаційних технологій, у наш час етап обробки даних став найменш трудомісткім. На перше місце відносно трудомісткості вийшли такі етапи, як освоєння статистичних пакетів, етап підготовки даних до аналізу, етап попереднього аналізу даних й етап інтерпретації результатів. Усе в цілому привело до змін у технології обробки й аналізу даних.
При цьому для виконання методів обробки медико-біологічних даних від користувача потрібно лише застосування статистичних методів обробки даних та використання відповідних пакетів прикладних програм. Лікарю, як правило, не потрібно поглиблюватись у складні математичні теорії, а треба розуміти, для чого й яким чином вони використовуються.
На практиці для лікаря обробка й аналіз даних зводяться до вирішення наступних задач: одержання уяви про основні статистичні методи; засвоєння пакету прикладних програм; аналізу та інтерпретація результатів досліджень.
Сам аналіз даних з використанням статистичного пакету (робота із пакетом, сама технологія аналізу даних) включає в себе такі етапи: планування дослідження; підготовка даних до аналізу; попередній аналіз даних; вибір методу аналізу та його реалізація; інтерпретація результатів; подання результатів.