Спектральный и морфологический анализ акустических изображений биологических тканей и композитных структур
Описание файла
PDF-файл из архива "Спектральный и морфологический анализ акустических изображений биологических тканей и композитных структур", который расположен в категории "". Всё это находится в предмете "физико-математические науки" из Аспирантура и докторантура, которые можно найти в файловом архиве МГУ им. Ломоносова. Не смотря на прямую связь этого архива с МГУ им. Ломоносова, его также можно найти и в других разделах. , а ещё этот архив представляет собой кандидатскую диссертацию, поэтому ещё представлен в разделе всех диссертаций на соискание учёной степени кандидата физико-математических наук.
Просмотр PDF-файла онлайн
Текст из PDF
МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТим. М.В. ЛОМОНОСОВАФизический факультетНа правах рукописиУДК 771.64:534.8КИМ Елена ЛеонидовнаСПЕКТРАЛЬНЫЙ И МОРФОЛОГИЧЕСКИЙ АНАЛИЗАКУСТИЧЕСКИХ ИЗОБРАЖЕНИЙ БИОЛОГИЧЕСКИХ ТКАНЕЙ ИКОМПОЗИТНЫХ СТРУКТУРСпециальность01.04.06 – акустикаАвторефератдиссертации на соискание ученой степеникандидата физико-математических наукМосква - 2006Работа выполнена на кафедре акустики физического факультетаМосковского государственного университета им. М.В. ЛомоносоваНаучный руководитель:доктор физико-математических наук,профессор В.А. БУРОВОфициальные оппоненты:доктор физико-математических наук,профессор А.И.
ЧУЛИЧКОВкандидат физико-математических наук,с.н.с. А.И. ХИЛЬКОВедущая организация:Научный центр волновых исследованийИнститута общей физики им. А.М. Прохорова РАНЗащитадиссертациисостоится“____”_______________2006 г.в ______часов на заседании Специализированного Совета Д.501.001.67 вМГУ им. М.В. Ломоносова по адресу: 119992, г.
Москва, ГСП-2,Ленинские Горы, МГУ, физический факультет, аудиторияС диссертацией можно ознакомиться в научной библиотеке физическогофакультета МГУ им М.В. Ломоносова.Автореферат разослан “____”____________________2006 г.Ученый секретарьСпециализированного Совета Д.501.001.67кандидат физико-математических наук2А.Ф. КОРОЛЕВОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫАктуальность темыВ настоящее время существует большое количество работ, посвященныхзадаче классификации изображений случайных структур, которая остаетсяактуальной на протяжении многих лет в различных областях, связанных санализом изображений. Особое место занимает медицинская акустика, так какздесь для правильного определения диагноза возникает необходимостьраспознавания патологической структуры биологической ткани.
Это, вчастности, важно в онкологии, где центральное место в диагностическомпроцессе занимают физические (нередко акустические) методы полученияизображений внутренних органов организма. По сей день диагностика,например, ткани молочной железы включает в себя и рентгеновскуюмаммографию, и ультразвуковое исследование (УЗИ). Рентгеновскаямаммография широко применяется во всех странах как один из основныхспособов диагностирования, хотя он и не всегда дает верную диагностическуюкартину, и его негативное воздействие на организм пациентов было быжелательно исключить или свести к минимуму. Несмотря на все возрастающуюроль УЗИ, здесь, по-прежнему, играет основную роль качество получаемого (посути эхолокационного) изображения и опыт врача, интерпретирующего данноеизображение.
Таким образом, основная доля диагностического процесса лежит вобласти субъективного восприятия эксперта, делающего вывод о том или иномдиагнозе.В целом, исследования в области определения характеристик биотканей спомощью ультразвука направлены на то, чтобы сделать эту методикуколичественной, позволяющей автоматизировать процедуру классификации.
Кпотенциальным преимуществам автоматизированных методов количественногоанализа можно отнести возможность получения более стабильных идостоверных результатов благодаря снижению роли субъективного фактора(заключения врача-диагноста), а также возможность анализа достаточнобольшого числа характерных признаков, в том числе таких тонких признаков,которые не выявляются при визуальном наблюдении. Кроме того, субъективнаядиагностика дает прекрасные результаты при проведении сравнительногоанализа, т.е.
относительных изменений структуры в пределах малых областейпространства и отрезков времени, но интерпретация абсолютных значениймногочисленных параметров, которые могут медленно меняться, оказываетсяболее трудной для врача-диагноста. При этом основная цель примененияавтоматизированных систем анализа состоит не в том, чтобы заменить врачадиагноста, а в том, чтобы с помощью компьютера помочь ему в принятииправильного решения. Следовательно, существует необходимость вобъективном количественном методе классификации изображений тканей.Томография, включая и ультразвуковую (а также ультразвуковая микроскопия),являются эффективными методами получения изображений, нуждающихся вобъективной количественной классификации.На кафедре акустики физического факультета МГУ разрабатываетсяакустический томограф, данные с которого нуждаются в количественнойинтерпретации. В диссертационной работе осуществляется классификациянепосредственно изображений биологических тканей и композитных структур,полученных сканирующим акустическим микроскопом, а также изображениямодельного рассеивателя средней силы в форме цилиндра, восстановленного в3первом приближении Борна (без строгого решения обратной задачи рассеяния,ОЗР); сделано предположение, что в дальнейшем можно будет напрямуюклассифицировать томографические данные (см.
схему).АКУСТИЧЕСКИЙТОМОГРАФданныерешениеОЗРреконструкцияизображенийклассификациядиагностическое решениеСуществующиеметодыклассификациитомографическихимикроскопических изображений композитных структур и биологических тканейможно разделить на три класса, между которыми, тем не менее, нет резкихграниц: локально-параметрические методы, нелокальные спектральностатистические и морфологические. В диссертационной работе подход к задачеклассификации основывается на одновременном анализе спектральных иморфологических параметров тканей, с той разницей, что в данном контекстепонятие морфологии структурных элементов и понятие их формы смягчены,т. е.
задается некоторая выборка более или менее отличающихся друг от другаформ близкого морфологического типа. Такой классификационный анализ поспектральным, морфологическим и параметрическим признакам в дальнейшемможно обобщить на случай многокомпонентных изображений, где в роликомпонентов будут выступать данные, полученные с томографа, опространственном распределении таких параметров как, например, скоростьзвука, плотность, затухание и нелинейные характеристики.
Прямаяклассификация по параметру яркости (типа “темное-светлое”) в излагаемомдалее подходе не рассматривается; по этой причине яркостный признак, повозможности, предварительно исключается из изображений. Итак,актуальность работы обусловлена важностью надежной интерпретацииданных, получаемых ультразвуковым микроскопом или томографом, при ихклиническом применении, с целью вынесения общего диагностическогорешения. Также актуальны полученные в работе обобщения в приложении кмногопараметрическойклассификацииакустическихизображенийбиологических тканей на основе статистических (спектральных иморфологических, а не яркостных) особенностей их структур.Цели диссертационной работы:•Разработкаметодовспектрально-морфологическойклассификацииакустических изображений структур и биологических тканей.•Обобщение методов спектрально-морфологической классификации наслучай многопараметрических изображений.•Проверка применимости разработанных методов на примерахклассификации реальных акустических изображений.Из сформулированных выше целей вытекают задачи диссертационнойработы:1.
Использование байесовского подхода к задаче проверки статистическихгипотез для классификации и фрагментации акустических изображений42.3.4.5.6.•••биологических тканей и структур.Разработка метода формирования комбинированного базиса КаруненаЛоэва и формирования правила решения (отношения правдоподобия) вэтом базисе.Рассмотрение особенностей и области применимости модифицированныхметодов Бартлетта и Писаренко как частных случаев общего подхода кклассификации.Формирование и внесение морфологических признаков в процессклассификации на основе отношения правдоподобия.
Рассмотрение методаКейпона как предельного случая “жесткой” морфологическойклассификации.Обобщение разработанного подхода на случай многопараметрическойклассификации.Проверка разработанного подхода на примерах его применения к реальнымакустомикроскопическим изображениям биологических тканей икомпозитных структур.Научная новизна:Разработаны методы классификации (фрагментации) изображений структури биологических тканей, предназначенные для выделения областей сопределенными статистическими, параметрическими и морфологическимисвойствами.Показано, что методы могут быть применены как для обработкинепосредственно изображений, независимо от способа их получения, так идля классификации исследуемых структур на основе прямой обработкиэкспериментальных акустических данных рассеяния, регистрируемыхразрабатываемыми рядом лабораторий томографами, акустическимимикроскопами и т.п.Предложена оригинальная схема осуществления многопараметрическойклассификации тканей на основе многомерного перекрестногоспектрально-морфологического анализа комплекса изображений.Практическая ценность результатов работыСозданная в среде MATLAB программная реализация алгоритма дляклассификации изображений структур различных типов может бытьиспользована в медицине для принятия диагностического решения, а также вомногих других областях применения.Классификация может основываться как на анализе самого изображения,так и на обработке непосредственно экспериментальных акустических данных,полученных в первом приближении Борна.•Основные положения, выносимые на защиту:Разработка методики классификации акустических изображений структур ибиологических тканей на основе отношения правдоподобия; модификациярадиофизических методов Бартлетта, Писаренко и Кейпона в светеприложения к поставленной задаче, связь этих методов с общим подходомк классификации как его частных реализаций.5•Внесение морфологических признаков, выразившихся в корреляционныхсвязях коэффициентов разложения по базису Карунена-Лоэва, вспектральный алгоритм классификации.•Обобщение спектрального-морфологического подхода на задачимногопараметрической классификации.•Возможность применения разработанной в диссертации методикиклассификации, продемонстрированная на примерах приложения какустомикроскопическим изображениям реальных биологических тканей ик оптомикроскопическим изображениям клеток крови, полученных вклинических условиях.Апробация работыМатериалы работы докладывались на семинарах кафедры акустики и наследующих конференциях: Международная конференция студентов иаспирантов по фундаментальным наукам “Ломоносов-2000” (Москва, 2000);Международная конференция студентов и аспирантов по фундаментальнымнаукам “Ломоносов-2001” (Москва, 2001); XI сессия РоссийскогоАкустического Общества (Москва, 2001); 26th International Acoustical ImagingSymposium (Windsor, Canada, 2001); XV сессия Российского АкустическогоОбщества (Нижний Новгород, 2004); II Евразийский конгресс по медицинскойфизике и инженерии “Медицинская физика - 2005” (Москва, 2005).Работа выполнена в рамках исследований, проводимых по гранту РФФИ№04-02-16043, гранту Президента РФ №НШ-1575.003.2, стипендии поддержкиаспирантов Акустического Общества Америки (2004).ПубликацииПо материалам диссертации опубликовано 9 научных работ, списоккоторых приведен в конце автореферата.Структура и объем диссертацииДиссертация состоит из семи разделов, включающих введение, обзорлитературы, теоретическую и численные части, заключение, и спискацитируемой литературы.