Заказать работу


Тип работы:
Предмет:
Язык работы:


ПОРОГОВЫЙ МЕТОД СЕГМЕНТАЦИИ ЛЕГКИХ

Работа №62510
Тип работыДипломные работы, ВКР
Предметматематика
Объем работы32
Год сдачи2017
Стоимость4750 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено 47
Не подходит работа?

Узнай цену на написание

ВВЕДЕНИЕ 3
1 Пороговый метод сегментации легких 6
1.1 Общая математическая модель сегментации 6
1.2 Разрастание регионов 7
2 Реализация порогового метода сегментации 9
2.1 Извлечение больших дыхательных путей 9
2.2 Сегментация легких 10
2.3 Разделение на левое и правое легкие 10
2.4 Сглаживание 10
2.5 Автоматическое обнаружение ошибок сегментации 11
2.6 Среда разработки 13
3 Результаты 15
ЗАКЛЮЧЕНИЕ 17
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 18
ПРИЛОЖЕНИЕ


На сегодняшний день компьютерная томография является одним из наиболее эффективных методов в диагностике заболеваний различного характера. Заметным рывком в развитии КТ явилось появление мультидетекторной спиральной компьютерной томографии (МСКТ). Особенностью подобной системы является возможность сканирования целого органа (сердце, суставы, головной мозг и т. д.) за один оборот рентгеновской трубки, что значительно сокращает время обследования. Данные методы визуализации представляют специалистам значительный объем информации, требующей комплексного анализа за короткое время.
Системы компьютерной диагностики (также CAD системы) оказывают неоценимую помощь рентгенологам, позволяя существенно упростить процесс прохождения обследования и дальнейшую постановку диагноза [1].
Одной из основных стадий работы CAD системы является сегментация легочных тканей на изображениях грудной клетки [2]. Данный этап служит важным шагом для ранней диагностики различных легочных заболеваний.
Сегментация легких не является тривиальной задачей ввиду различия протоколов сканнеров и сканирования, а также наличия объектов, сложных для выявления на изображении. К таким объектам относятся неоднородности в области легких и легочные структуры с одинаковыми плотностями (артерии, вены, бронхи и бронхиолы) [2].
Существуют методы компьютерной сегментации легких на КТ-снимках грудной клетки [3]-[6]. В источнике [5] границы, определяемые вручную, использовались для оценки областных объемов газа и тканей легкого у человека на спине. Однако ручные методы кропотливы и медлительны. В источниках [3], [4] для определения границ лёгких было использовано выделение рёбер в двумерном пространстве. Также использовался трехмерный метод разрастания регионов с указанными вручную начальными точками [6]. Во многих полуавтоматических подходах требуется некоторое ручное взаимодействие для выбора пороговых значений или редактирования результирующей сегментации [3], [4], [6].
С появлением МСКТ-сканеров число объемных исследований легких возросло, и очень важно разработать быстрые, точные алгоритмы, которые требуют минимального человеческого взаимодействия для определения точных границ легкого.
В данной работе, как и в источнике [7], описывается полностью автоматический метод идентификации легких на КТ-снимках. Метод состоит из четырех этапов: 1) удаление крупных дыхательных путей из области легкого;
2) сегментация легких; 3) разделение легких на левое и правое; 4) морфологическое сглаживание границы.
Входные данные представляют собой трехмерный рентгеновский набор данных КТ, заданный как стек двухмерных поперечных срезов. Набор данных включает грудную клетку от трахеи до диафрагмы. На КТ-снимках воздух отображается со средней рентгеновской плотностью приблизительно - 1000 единиц по шкале Хаунсфилда (HU), большая часть легочной ткани будет находиться в диапазоне от -900 до -500 HU, тогда как грудная стенка, кровь и кости будут иметь значения больше -500 HU.
Набор данных состоит из 50 сканирований объема грудной клетки с низкой плотностью грудной клетки (LDCT), выбранных из общедоступного набора данных LIDC-IDRI.
Целью данной работы является реализация порогового метода сегментации легких с автоматической проверкой сегментированной области.
Для достижения поставленной цели требуется:
- изучить существующие методы сегментации легких;
- обосновать выбор порогового метода сегментации;
- обосновать выбор среды программирования;
- разработать программу реализации порогового метода сегментации легких;
провести компьютерные эксперименты в соответствии со значениями рентгеновской плотности по шкале Хаунсфильда (рисунок 1); проанализировать полученные результаты.


Возникли сложности?

Нужна помощь преподавателя?

Помощь в написании студенческих
и аспирантских работ!


В настоящей работе реализован пороговый метод сегментации легочных тканей с автоматической проверкой найденной области на ошибки. Для достижения поставленной цели были изучены различные методы сегментации легких. Реализация сегментации была основана на значениях рентгеновской плотности по шкале Хаунсфильда. С целью обнаружения неправильной сегментации легких был реализован метод автоматического детектирования ошибок в найденной области.
Исследование и результаты показали, что использование пороговой сегментации в клинических случаях как самостоятельное средство обработки КТ-снимков недопустимо. Выводы могут быть упрощены или же окружающие ткани могут быть включены в анализ при неправильном определении границ легочных тканей. Сделан вывод, что пороговый метод и метод обнаружения ошибок можно использовать как составляющие более сложного алгоритма, способного правильно сегментировать легкие в самых различных случаях.
В среде Jupyter Notebook Python разработан программный комплекс, позволяющий сегментировать легкие в трехмерном пространстве. С помощью PyQt5 было разработано приложение с графическим интерфейсом пользователя для сегментации легких. Данная программа реализует пороговый метод сегментации легких на КТ-снимках разных пациентов с автоматической проверкой сегментированной области и выбором интересующих срезов.
Результаты ВКР были представлены на Итоговой студенческой конференции КФУ и рекомендованы к изданию в сборнике студенческих работ [15].



1. Календер В. Компьютерная томография. Основы, техника, качество изображений и области клинического использования / Календер В. // Перевод с англ. - М.: Техносфера. - 2006. - C. 344.
2. Митрюшина Н.Н. Компьютерная диагностика рака легкого: обзор методов сегментации легких на изображении. / Н.Н. Митрюшина, Ю.С. Белов // Электронный журнал: наука, техника и образование 2016. - С. 1-8.
3. Hedlund L. W. Two methods for isolating the lung area of a CT scan for density information. / L. W. Hedlund, R. F. Anderson, P. L. Goulding, J. W.
Beck, E. L. Effmann, and C. E. Putman. // Radiology. - 1982. - V. 144. - P. 353-357.
4. Keller J. M. Automatic outlining of regions on CT scans. / J. M. Keller, F. M. Edwards, and R. Rundle. // J. Comput. Assist. Tomogr. - 1981. - V.5. - P. 240-245.
5. Denison D. M. Estimation of regional gas and tissue volumes of the lung in supine man using computed tomography. / D. M. Denison, M. D. L. Morgan,
A. B. Millar. // Thorax. - 1986. - V. 41. - P. 620-628.
6. Hoffman E. A. Effect of body orientation on regional lung expansion: A computed tomographic approach. / E. A Hoffman. // J. Appl. Physiol. - 1985. - V. 59. - P. 468-480.
7. van Rikxoort E. Automatic lung segmentation from thoracic computed tomography scans using a hybrid approach with error detection. / E. M. van Rikxoort, B. de Hoop, M. A. Viergever, M. Prokop, B. van Ginneken. // Medical Physics. - 2009. - P. 2934 - 2947
8. Панченко Д.С. Сравнительный анализ методов сегментации изображений. / Д.С. Панченко, Е.П. Путянин. //Радиоэлектроника и информатика. - 1999. - С.109 - 114.
9. Тропченко А.А. Методы вторичной обработки и распознавания изображений. / А.А. Тропченко, А.Ю. Тропченко. // Учебное пособие - СПб: Университет ИТМО. - 2015. - 215 с.
10. Hu S. Automatic Lung Segmentation for Accurate Quantitation of Volumetric X-Ray CT Images. / S. Hu, E. A. Hoffman, J. M. Reinhardt. // IEEE Trans Med Imaging. - 2001. - P. 490 - 498.
11. Интернет-ресурс: Википедия. - URL: https://ru.wikipedia.org/wiki/Python
12. Интернет-ресурс: Jupyter Notebook. - URL: http://www. openfablab. org/play/default/showtask/196
13. Интернет-ресурс: Python. Урок 6. Работа с IPython и Jupyter Notebook. - URL: http://devpractice.ru/python-lesson-6-work-in-jupyter-notebook/
14. Интернет-ресурс: PyQt5: первые программы. - URL: https: //pythonworld.ru/gui/pyqt5 -firstprograms. html
15. Дяминова Э.С. Пороговый метод сегментации легких / Э.С.Дяминова // Итоговая научно-образовательная конференция студентов Казанского федерального университета 2017 года: сб. статей / Мин-во образования и науки; Казанский (Приволжский) федеральный ун-т. - Казань: Изд-во Казан. ун-та. - 2017. - в печати.


Работу высылаем на протяжении 30 минут после оплаты.

Пожалуйста, укажите откуда вы узнали о сайте!


Подобные работы


© 2008-2021 Cервис помощи студентам в выполнении работ
.