Диссертация (1144795), страница 41

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 41)

При стандартныхусловиях дегидратации (рассмотренных в. главе 2.) полная продолжительность высыхания капли СК составляет 18 – 24 часа. При этом диапазон времени испарения определяются изменениями состава СК: 1) белки (концентрация и состояние) - при увеличении их концентрации время испарения сокращается в связи с уменьшением количества свободной воды; 2) липиды(поверхностно-активные вещества) - при увеличении концентрации образовывали на поверхности капли более плотную пленку, а время испарения водыувеличивалось.Таким образом, изменение формы фации СК, своеобразное распределение её осадка и время испарения при стандартных условиях дегидратациимогут быть признаками некоторых патологических состояний, например, гиперлипидемии (увеличении площади фации), обезвоживания организма (выраженное растяжение трещин), гиперпротеинемии (ускоренное испарение).247Важно также учитывать, что формирование некоторых специфических маркеров патологии может происходить в особых условиях дегидратации, а этооткрывает новые подходы к совершенствованию метода клиновидной дегидратации БЖ.2485.2.

Статистический анализ текстур изображенийфаций биологических жидкостей и формированиеотличительных признаковВ данном разделе были использованы методы текстурного и фрактального анализа для классификации изображений фаций сыворотки крови(СК), ротовой жидкости (РЖ), смывы со слизистой носа и миндалин (ССН)носового секрета (НС). Использование признаков, получаемых при текстурноманализеизображений,позволилоклассифицироватькристалло-аморфные структуры (КАС) фации БЖ: типы нормы, структуры переходныхи смешанных типов, структуры с воспалительными и дистрофическими признаками [141].Нами был выбран метод статистического текстурного анализа Р.М.Харалика [213].

Метод позволяет выявлять различия текстур в изображенияхфаций с помощью ковариационных матриц, с использованием статистиквторого порядка и пространственные связи пар яркостей элементов в цифровом изображении текстуры. Этот подход основан на предположении B.Julesz [220] о том, что человеческий глаз использует статистики не вышевторого порядка для распознавания текстур. В методе Харалика используются 14 признаков текстур, основанных на статистике и теории информации.В работе C. Gotlieb [209] предложено использовать только шесть из них,представляющих оценку изображения по следующим характеристикам: однородность, контраст, энтропия и др.

Подход, основанный на матрицах вероятностного распределения яркости [163; 216; 277] в различных изображениях использует достаточное число показателей, представляющих собой различные статистические признаки второго порядка.Для описания изображений фации с использованием статистики второго порядка нами был применен метод, основанный на матрицах вероятностного распределения (МВР) яркости на изображении. Такой подход часто249используется при текстурном анализе [163; 216], поскольку дает большойнабор признаков, и, можно предполагать, что, по крайней мере, один из нихотражает текстурные изменения между классами. Элементами матрицы являются вероятности второго порядка, которые учитывают, как уровни яркости, так и относительное расположение пикселей на изображении.Введем необходимые обозначения: D – область изображения MхN точек,xm,n – яркость точки с координатами на изображении, (m, n) ϵ D , G – числоуровней яркости на изображении:1; xm  k ,n l  jfi , j  xm,n , xm  k ,k l   0; xm,n  i или xm  k ,n l  j ;i, j  0,1,K , G  1(5.1)Функция-индикатор (5.1) показывает, имеют ли точки, лежащие на соответствующем расстоянии друг от друга, определенные уровни яркости.Ненормированные значения МВР яркости определяются как:Ck ,l  i, j  ( m, n )D( m  k , n  l )Dfi , j  xm,n , xm  k ,n l ,(5.2)k , l  0, 1, 2,K .Общее число пар меняется в зависимости от заданного смещения (k,l)между отсчетами изображения, потому удобно перейти к нормированнымзначениям, поделив каждый элемент матрицы на число пар:Pk ,l (i, j ) Ck ,l (i, j ) Ck ,l (i, j )i(5.3)jМатрица Pk,l имеет размерность G×G.

Поскольку нет необходимостиучитывать различие между противоположными направлениями, можно использовать симметричные матрицы PkS,l , которые определяются равенством:PkS,l Pk ,l  P k ,l2(5.4)250Также для того, чтобы устранить зависимость элементов матрицы отповорота изображения для вычисления признаков использовалась матрицаPkS,l как среднее четырех матриц, вычисленных при каждом из четырех угловповорота (0º, 45º, 90º и 135º):PdS  PdS,0  PdS,d  P0,Sd  PSd ,d4(5.5)Следовательно, матрица позволяет оценить преимущественное расположение отсчетов на изображении и их коррелированность. На Рисунке 5.4показаны МВР для двух фаций НС (в норме и при ХРС). Размеры матрицы –64х64.НормаХГРСабРисунок 5.4 ‒ Фации носового секрета пазух носа х12: а − в норме; б − прихроническом гнойном риносинусите.

Визуализация матрицы вероятностногораспределения яркостиДля численного анализа матриц вероятностного распределения яркости был выделен набор статистических признаков второго порядка – текстурных признаков. Этими признаками являются: второй угловой момент,корреляция, контраст, инерция, энтропия и затенение.2511. Второй угловой момент – характеризует степень однородности:f1dG 1 G 1i 0 j 0 Pds i, j 2.(5.6)2.

Контраст – характеризует степень контрастности изображения,f 2dG 1 G 1   i  j Pds  i, j  .(5.7)i 0 j 03. Инерция – характеризует наличие чётких границ и т.п.:f3dG 1 G 1    i  j  Pds  i, j  .2(5.8)i 0 j 04. Корреляция – характеризует степень статистической зависимости отсчетов изображения:f 4dG 1 G 1    i  M x  j  M x  Pds  i, j  .(5.9)i 0 j 05.

Затенение – степень равновероятного появления темных и светлыхобластей, есть ли тень у светлых областей и т.п.:f5dG 1 G 1    i  j  M x  Pds  i, j  .3(5.10)i 0 j 06. Энтропия (энтропия Шеннона) – мера "беспорядочности" изображения:f 6dG 1 G 1    ln  Pds  i, j   Pds  i, j  .(5.11)i 0 j 0Mx – характеризует среднюю яркость по всему изображению:1 G 1 G 1 sMx   Pd  i, j  .G  G i 0 j 0(5.12)Эта величина не зависит выбранного расстояния d.Для ограничения размерности вектора признаков были рассмотренытолько два расстояния d = 1 и d = 2.

Таким образом, для каждого изображения имеем набор признаков:252F  f11 ,K , f 61 , f12 ,K , f 62 .(5.13)Средняя яркость Mx исключена из набора признаков, поскольку она базируется фактически на одномерном распределении яркости, не несет никакой информации о текстурных свойствах изображения и определяется условиями его регистрации.В основу наших исследований мы положили метод Хёрста [131]. С егопомощью мы находили среднее выборочное значения высот профиля текстуры поверхности на исследуемой площади, выбирая это как среднюю яркостьпо всему изображению Mx.

Тогда накопившееся отклонение высот профиляXT от среднего значения будет равно:1 G 1 G 1 sXT   Pd  i, j   M x .G  G i 0 j 0Выражение для размаха RL имеет видRT  max Pds  i, j   min Pds  i, j  .(5.14)(5.15)Среднеквадратичное отклонение высот профиляST G 1 G 1i 0 j 02 Pds i, j   M x   G  G  .(5.16)Тогда нормированный размах хорошо описывается степенной зависимостью:RT ST  N H ,(5.17)где N – число точек текстуры, Н – показатель Херста.По показателю Херста можно судить о степени хаотизации системы вцелом. Для профиля текстуры если Н = 1.5, события случайны и некоррелированны. Такой тип профиля текстуры можно классифицировать как беспорядочный.

В случае если 1.5 < Н ≤ 2, то для профиля получается более гладкая, менее “зазубренная” линия, нежели при случайном блуждании. СлучайН < 1.5 соответствует высокой фрактальной размерности и характеризует систему, сильнее подверженную переменам.Фрактальная размерность DF связана с показателем Херста H формулой253DF  2  H .(5.18)Фрактальная размерность фаций всех БЖ в процессе дегидратации изменяется в пределах от 1.04 до 1.92, что может свидетельствовать об изменении геометрии исследуемого объекта. Важно отметить, что рост фрактальнойразмерности фаций БЖ соответствует более тяжелой патологии.После предварительной обработки (фильтрации и выравнивания яркости) первичных изображений формировались исходные данные. Для каждогоизображения строились матрицы вероятностного распределения и вычислялся вектор признаков (5.13).После визуального исследования фаций БЖ с использованием серииформальных признаков, таких, как расположение основных структурных зон(краевой, промежуточной и центральной), тип и расположение трещин и др.,изображения были априори разделены на несколько классов.

Все классыможно разделить на две основные группы: группа нормы и группа патологий.Одним из объектов исследования служили: НС 200 больных с ХРС наразных стадиях заболевания (Рисунок 5.5). Проведенная нами качественнаяоценка структур фаций НС и околоносовых пазух позволила выявить ряд закономерностей.Так, у здоровых людей тип структур фации НС отражал характерныйпорядок распределения белково-солевых структур. Наблюдались две четковыраженные зоны периферическая (Рисунок 5.5а I).

Характеристики

Список файлов диссертации