Введение 3
Постановка задачи 5
Обзор литературы 6
Исходные данные 11
Глава 1. Применение методов обработки изображений 13
1.1. Матрица смежности уровней серого 13
1.2. Геометрический фильтр Кримминса 15
1.3. Фильтр «Нерезкое маскирование» 16
1.4. Фильтры Габора 17
Глава 2. Архитектуры нейронных сетей для сегментации изображений 19
2.1. U-Net 19
2.2. Residual U-Net 20
2.3. ResUnet++ 22
2.4. UNet++ 23
Глава 3. Разработка и реализация алгоритма автоматической сегментации .. 24
3.1. Предварительная обработка изображений 25
3.2. Сегментация изображений 29
3.2.1. Обучение без дополнительной предварительной обработки 30
3.2.2. Обучение с применением дополнительной предварительной обработки 34
Выводы 36
Заключение 37
Список литературы 38
Обработка медицинских изображений - трудоемкий процесс, требующий предельной внимательности и профессионализма от специалиста, а также определенных временных затрат. Во многих случаях быстрая и своевременная диагностика может в значительной мере облегчить и ускорить процесс выздоровления пациента.
Анализ медицинских изображений используется как основной метод диагностики многих заболеваний позвоночника. Как правило, эти заболевания сопровождаются болью в спине, которая мешает человеку нормально жить. В таком случае от скорости диагностики зависит не только то, как быстро человек получит необходимое лечение, но и то, насколько длительный курс реабилитации будет необходимо пройти.
Для исследования состояния позвоночника используется несколько способов:
1. Традиционная рентгенография позвоночника. Используется в качестве первоначального этапа исследования состояния позвоночного столба и позволяет выявить только явные проблемы - значительные переломы и трещины, а также оценить общее состояние костей и позвонков. Для уточнения картины заболевания или в случае, когда симптомы сохраняются после проведенного лечения, назначаются дополнительные исследования (КТ или МРТ).
2. Компьютерная томография (КТ) - наиболее эффективный метод для исследования состояния костных структур, диагностики сложных травм позвоночника и кровотечений.
3. Магнитно-резонансная томография (МРТ) - позволяет получить полное представление о состоянии и строении мягких тканей. Используется для обнаружения опухолей или воспалительных изменений в суставах, межпозвоночных дисках, спинном мозге, а также для обнаружения деформаций при остеохондрозе, грыже или протрузии.
Актуальность исследования: По данным ВОЗ примерно 1.71 миллиарда человек по всему миру страдают от нарушений и болезней костно-мышечной системы, из них 568 миллионов приходится на люмбаго (острая боль в поясничном отделе позвоночника, независимо от причины возникновения) [1]. Зачастую длительная боль в пояснице оказывает значительное влияние на психоэмоциональное состояние человека, а также на другие сферы его жизни. Кроме того, боль в пояснице считается одной из самых частых причин инвалидности во всем мире [2].
К основным факторам риска развития люмбаго относятся: возраст старше 30 лет, плохая физическая форма, сидячая работа или работа, связанная с поднятием тяжестей, стрессы и нездоровый образ жизни. По прогнозам, количество людей, страдающих от болей в пояснице, будет возрастать, в странах с низким и средним уровнем жизни темпы роста будут наиболее высоки [3].
В последнее время активно идет разработка и создание средств для автоматизации обработки и анализа медицинских изображений, в том числе МРТ изображений позвоночника. Использование данных методов позволит ускорить процесс обработки изображений, кроме того, подобные программы могут обеспечить более раннюю диагностику, обнаружив физические отклонения малых размеров, которые врач еще не может заметить. Подавляющее большинство подобных разработок ведется зарубежными исследователями.
Также существуют коммерческие решения зарубежных компаний. Однако, их использование в России зачастую затруднительно из-за высокой стоимости, сложностей перевода медицинских терминов, отсутствия всех необходимых для специалистов функций и т.д.
Постановка задачи
Целью данной работы является разработка метода автоматической сегментации МРТ изображений, который позволит выделить каждый позвонок и позвоночный отросток.
В рамках поставленной цели были выделены следующие этапы:
1. Предварительная обработка изображений. Выбор методов обработки изображений на основе анализа литературы и их применение. Подготовка изображений к обучению.
2. Сегментация изображений. Исследование существующих архитектур сверточных нейронных сетей, используемых для сегментации изображений. Выбор подходящих для данной задачи.
3. Оценка полученных результатов. Сравнение результатов сегментации изображений для моделей с различными архитектурами и методами предварительной обработки изображений.
В данной работе представлен разработанный алгоритм сегментации МРТ изображений, который включает в себя предобработку, а также применение сверточных нейронных сетей на основе архитектур семейства U- Net.
Предварительная обработка включает в себя: приведение к одному формату и размеру; затемнение областей, не представляющих интереса; для некоторых изображений потребовалась коррекция контрастности и построение маски. Для повышения точности сегментации были предложены несколько методов дополнительной предварительной обработки изображений.
Реализовано несколько моделей сверточных нейронных сетей: U-Net, ResUnet, ResUnet++, UNet++, а также проведено сравнение точности сегментации для различных архитектур и методов предварительной обработки.
