Медицинская энциклопедия
      Главная            Каталог            Справочник            Карта сайта            Контакты
www.medicedia.ru Главная » Справочник » Офтальмология » Аппаратный метод получения визуальной информации
 
А   Б   В   Г   Д   Е   Ж   З   И   Й   К   Л   М   Н   О   П   Р   С   Т   У   Ф   Х   Ц   Ч   Ш   Щ   Э   Ю   Я   
КАТАЛОГ МЕДРЕСУРСОВ
Аптеки
Больницы и госпитали
Диспансеры
Наркологическая помощь
Народная медицимна
Поликлиники
Скорая и неотложная помощь
Частные клиники
СВЕЖЕЕ В КАТАЛОГЕ
MedTestPro



Аппаратный метод получения визуальной информации
В офтальмологии развитие аппаратных методов получения визуальной информации о патологическом процессе (офтальмоскопия, ультразвуковая, ангиографическая или томографическая диагностика), сменяя и дополняя друг друга, позволили получать изображения с большей разрешающей способностью. Однако в реальных условиях часто приходится сталкиваться с тем, что слабая контрастность, существенная вариабельность очагов, сложность их оптико-ге-ометрических параметров становятся серьёзным препятствием при решении задач по автоматизированному распознаванию и измерению в исследовательских и диагностических целях . Визуальный анализ ветвящихся объектов традиционно является одним из самых трудоёмких и субъективных . Связано это с вариабельностью формы самих объектов в целом, а также пересечённостью отдельных их оставляющих. Типичным представителем объектов этого класса являются кровеносные сосуды.

Получение количественных характеристик сосудистой сети при наблюдении, диагностике и лечении хориоретинальной неоваскуляризации относится к исследованию ветвящихся структур. Важным признаком рассматриваемого патологического процесса является наличие новообразованных сосудов . Однако объективная оценка изменений сосудистого рисунка, основанная на визуальном контроле, не всегда возможна, вследствие большого разнообразия вариантов роста новообразованных сосудов . Именно поэтому важно определить параметры, которые могли бы описать топологию сосудистой сети.С помощью разработанной в БГМУ компьютерной системы исследования хорио-ретинапьных очагов продемонстрировать возможности автоматизированного анализа данных ФАГ со сложными для визуальной оценки качественными трансформациями патологических зон в процессе развития заболевания.

Разработанная методика автоматического анализа изображения сосудистой сети включала процедуру получения количественных характеристик сосудистой сети при наблюдении за ретинальной хориоидальной не-оваскуляризацией и необходимых параметров для объективной оценки изменений. В перечень искомых величин были включены: абсолютные величины:
•    общая длина сосудистой сети,
•    площадь сосудистой сети,
•    количество эпицентров роста, относительные величины:
•    поверхностная плотность сосудистой сети
•    поверхностная плотность эпицентров роста. Последние два параметра играют существенную роль при сравнении изображений полученных при разных увеличениях. Поверхностная плотность определяется отношением общей длины сосудистой сети к площади кадра и характеризует густоту сосудов на единицу поверхности в поле зрения. Поверхностная плотность эпицентров роста определяется отношением количества точек разделения сосуда на отростки к общей длине сосудистой сетки и характеризует количество разветвлений сосудистой сети на единице длины. Понятно, что данный параметр является производным и предусматривает предварительное определение точек ветвления, а значит, и количества эпицентров роста.

Длина сосудистой сети определяется суммированием длин всех сосудов, выделенных на изображении. Площадь сосудистой сети устанавливается через подсчёт числа пикселей - структурных элементов изображения, включённых в контуры изображения.
Анализ изображений сосудистой сети проводился на основании оценки снимков глазного дна кроликов. Процесс автоматического определения описанных выше параметров занимает несколько минут. Его алгоритм сформировался из 6 этапов:
1.    Последовательное устранение неравномерности фона
2.    Пороговая сегментация исходного изображения
3.    Идентификация сосудистой сети
4.    Нахождение эпицентров роста
Рисунок 2. Последовательно устранение неравномерности фона
5.    Автоматическое наложение полученной сети на исходное изображение и расчет выбранных параметров
6.    Этап калибровки


Разрабатываемые программные функции в ходе выполнения работы позволили получить широкий спектр параметров, объективно характеризующих индивидуальные особенности тех или иных патологий при офтальмологических заболеваниях. Высокая вариабельность получаемых изображений, а также их сложные оптико-геоме-трические характеристики до последнего времени представляли собой основное препятствие для проведения автоматизированного анализа информативных структур без применения сложных математических методов. Разработанный в ходе выполнения алгоритм позволяет получить необходимые параметры. При этом время исследования сводится к минимуму. Следует также отметить, что в случае необходимости автоматизированный анализ может проводиться не по всему полю зрения, а в пределах любой выделенной исследователем или диагностом области интереса.
А   Б   В   Г   Д   Е   Ж   З   И   Й   К   Л   М   Н   О   П   Р   С   Т   У   Ф   Х   Ц   Ч   Ш   Щ   Э   Ю   Я   
Medicedia.ru - большой медицинский справочник, каталог медицинских ресурсов.