Кожный покров играет важную роль в жизни человека, являясь защитным барьером между организмом и окружающей средой. Нарушение его целостности может повлечь за собой различные воспалительные процессы. Учитывая важнейшие функции кожи (такие, как иммунная, дыхательная, терморегуляторная и другие) — невозможно оставлять без внимания ее состояние.
Мониторинг структуры кожи необходим как в составе комплексных проверок состояния здоровья человека, так и при обнаружении любых тревожащих изменений: новообразований, шелушении, изменении цвета и т.д. К сожалению, не всегда бывает достаточно только визуального изучения пациента. Для того чтобы максимально точно оценить структуру кожного покрова, во многих медицинских центрах применяют аппаратно-электронную диагностику.
Современные компьютерные оборудования способствуют более качественному наблюдению за пациентом в процессе лечения. Они позволяют изучать те параметры кожи, которые трудно исследовать при внешнем осмотре: рельеф кожи, глубину морщин, степень нарушения пигментации, размер образований и другие. Результаты медицинского обследования представляются на экране монитора, что позволяет клиенту видеть детальную информацию о текущем состоянии здоровья в режиме реального времени. Также благодаря тому, что все данные сохраняются в памяти компьютера, можно контролировать динамику изменений.
Особый интерес при анализе кожи представляют родинки. Родинки — это доброкачественные образования на коже, которые, как правило, не причиняют проблем и дискомфорта. Однако в некоторых случаях они могут стать опасными для жизни человека. Если родинка повреждена и начинает расти, менять цвет или размер, то это первый признак того, что она может переродиться в злокачественную опухоль. Применяя методы обнаружения родинок, можно определять их границы, что позволяет с помощью систем 3D-моделирования вычислять их размеры и отслеживать любые перемены в процессе наблюдения.
В данной работе описывается разработка модуля анализа пигментации кожи по 3D-моделям для системы планирования Phoenixcas 3D Viewer1. В системе встроена возможность реконструкции 3D-моделей, их визуализации, симуляции хирургических операций, выполнения замеров и другие.
В систему Phoenixcas 3D Viewer была добавлена возможность анализа родинок на теле и отслеживания изменений состояния кожи в динамике по трехмерным моделям пациента. В ходе работы были выполнены следующие задачи.
1. Изучены способы обнаружения родинок по изображениям.
2. Реализована библиотека обнаружения родинок по изображениям на основе алгоритмов LoG и SBD.
3. Разработан модуль анализа пигментации по 3D-моделям:
• реализованы инструменты детекции родинок:
• автоматическое выделение родинок;
• выделение и снятие выделения родинок ’’вручную”;
• вычисление размеров родинок;
• реализованы инструменты визуализации для сравнения текстур:
• проецирование областей анализа;
• приближение выбранных участков модели.
4. Проведена апробация модуля.
[1] Abma B.J.M. Evaluation of requirements management tools with support for traceability-based change impact analysis // Master’s thesis, University of Twente, Enschede. — 2009.
[2] Becerra-Riera F., Morales-Gonzalez A. Detection and matching of facial marks in face images // Revista Cubana de Ciencias Informaticas. — 2016.
[3] Bischoff B.S., Botsch M., Steinberg S. et al. OpenMesh - a generic and efficient polygon mesh data structure //In openSG symposium. — 2002.
[4] Cho T.S., Freeman W.T., Tsao H. A reliable skin mole localization scheme // IEEE International Conference on Computer Vision. — 2007.
[5] Comaniciu D., Meer P. Mean shift: A robust approach towards feature space analysis // IEEE Transactions Pattern Analysis and Machine Intelligence. — 2002.
[6] Fawcett T. An introduction to ROC analysis // Pattern recognition letters. — 2006.
[7] Gogoi U.R., Bhowmik M.K., Saha P. et al. Facial mole detection: an approach towards face identification // Procedia Computer Science. — 2015.
[8] Hsieh C.C., Lai J.A. Face mole detection, classification and application // Journal of Computers. — 2015.
[9] Jain A.K., Park U. Facial marks: soft biometric for face recognition // IEEE International Conference on Image Processing. — 2009.
[10] Jain R., Kasturi R., Schunck B.G. Machine Vision / Ed. by E.M. Munson. - McGraw-Hill New York, 1995.
[11] Lee T.K., Atkins M.S., King M.A. et al. Counting moles automatically from back images // IEEE Transactions on Biomedical Engineering. — 2005.
[12] Park U., Jain A.K. Face matching and retrieval using soft biometrics // IEEE Transactions on Information Forensics and Security. — 2010.
[13] Pierrard J.S., Vetter T. Skin detail analysis for face recognition // IEEE Conference on Computer Vision and Pattern Recognition. — 2007.
[14] Swaroop P., Sharma N. An overview of various template matching methodologies in image processing // International Journal of Computer Applications. — 2016.
[15] Szeliski R. Computer vision: algorithms and applications / Ed. by D. Gries, F.B. Schneider. — Springer Science & Business Media, 2010.
...