Восстановление формы объемных медицинских объектов с помощью дистанционных карт поперечных сечений

Представлены новые методы для реконструкции трехмерной поверхности объекта из нескольких замкнутых, в общем случае неплоских кривых, включая контуры, которые были очерчены вручную. Для восстановления объектов разной формы используются двухмерные дистанционные карты....

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Datum:	2010
Hauptverfasser:	Недзьведь, А.М., Лукашевич, П.В., Гончаров, Д.А.
Format:	Artikel
Sprache:	Russian
Veröffentlicht:	Інститут проблем штучного інтелекту МОН України та НАН України 2010
Schriftenreihe:	Штучний інтелект
Schlagworte:	Интеллектуальные интерфейсы и распознавание образов. Системы цифровой обработки изображений
Online Zugang:	http://dspace.nbuv.gov.ua/handle/123456789/56556
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!
Назва журналу:	Digital Library of Periodicals of National Academy of Sciences of Ukraine
Zitieren:	Восстановление формы объемных медицинских объектов с помощью дистанционных карт поперечных сечений / А.М. Недзьведь, П.В. Лукашевич, Д.А. Гончаров // Штучний інтелект. — 2010. — № 3. — С. 370-377. — Бібліогр.: 13 назв. — рос.

Institution

Digital Library of Periodicals of National Academy of Sciences of Ukraine

id	irk-123456789-56556
record_format	dspace
spelling	irk-123456789-565562014-02-20T03:07:30Z Восстановление формы объемных медицинских объектов с помощью дистанционных карт поперечных сечений Недзьведь, А.М. Лукашевич, П.В. Гончаров, Д.А. Интеллектуальные интерфейсы и распознавание образов. Системы цифровой обработки изображений Представлены новые методы для реконструкции трехмерной поверхности объекта из нескольких замкнутых, в общем случае неплоских кривых, включая контуры, которые были очерчены вручную. Для восстановления объектов разной формы используются двухмерные дистанционные карты. Представлені нові методи для реконструкції тривимірної поверхні об’єкту з декількох замкнутих, в загальному випадку неплоских кривих, включаючи контури, які були обкреслені уручну. Для відновлення об'єктів різної форми використовуються двомірні дистанційні карти. The new techniques is presented in order to reconstruct 3D object surface from several closed, in general, non-planar curves, including contours that were outlined manually. 2D distance map used to reconstruct object of a different shapes. Branching problem also discussed. 2010 Article Восстановление формы объемных медицинских объектов с помощью дистанционных карт поперечных сечений / А.М. Недзьведь, П.В. Лукашевич, Д.А. Гончаров // Штучний інтелект. — 2010. — № 3. — С. 370-377. — Бібліогр.: 13 назв. — рос. 1561-5359 http://dspace.nbuv.gov.ua/handle/123456789/56556 004.93'1;004.932 ru Штучний інтелект Інститут проблем штучного інтелекту МОН України та НАН України
institution	Digital Library of Periodicals of National Academy of Sciences of Ukraine
collection	DSpace DC
language	Russian
topic	Интеллектуальные интерфейсы и распознавание образов. Системы цифровой обработки изображений Интеллектуальные интерфейсы и распознавание образов. Системы цифровой обработки изображений
spellingShingle	Интеллектуальные интерфейсы и распознавание образов. Системы цифровой обработки изображений Интеллектуальные интерфейсы и распознавание образов. Системы цифровой обработки изображений Недзьведь, А.М. Лукашевич, П.В. Гончаров, Д.А. Восстановление формы объемных медицинских объектов с помощью дистанционных карт поперечных сечений Штучний інтелект
description	Представлены новые методы для реконструкции трехмерной поверхности объекта из нескольких замкнутых, в общем случае неплоских кривых, включая контуры, которые были очерчены вручную. Для восстановления объектов разной формы используются двухмерные дистанционные карты.
format	Article
author	Недзьведь, А.М. Лукашевич, П.В. Гончаров, Д.А.
author_facet	Недзьведь, А.М. Лукашевич, П.В. Гончаров, Д.А.
author_sort	Недзьведь, А.М.
title	Восстановление формы объемных медицинских объектов с помощью дистанционных карт поперечных сечений
title_short	Восстановление формы объемных медицинских объектов с помощью дистанционных карт поперечных сечений
title_full	Восстановление формы объемных медицинских объектов с помощью дистанционных карт поперечных сечений
title_fullStr	Восстановление формы объемных медицинских объектов с помощью дистанционных карт поперечных сечений
title_full_unstemmed	Восстановление формы объемных медицинских объектов с помощью дистанционных карт поперечных сечений
title_sort	восстановление формы объемных медицинских объектов с помощью дистанционных карт поперечных сечений
publisher	Інститут проблем штучного інтелекту МОН України та НАН України
publishDate	2010
topic_facet	Интеллектуальные интерфейсы и распознавание образов. Системы цифровой обработки изображений
url	http://dspace.nbuv.gov.ua/handle/123456789/56556
citation_txt	Восстановление формы объемных медицинских объектов с помощью дистанционных карт поперечных сечений / А.М. Недзьведь, П.В. Лукашевич, Д.А. Гончаров // Штучний інтелект. — 2010. — № 3. — С. 370-377. — Бібліогр.: 13 назв. — рос.
series	Штучний інтелект
work_keys_str_mv	AT nedzʹvedʹam vosstanovlenieformyobʺemnyhmedicinskihobʺektovspomoŝʹûdistancionnyhkartpoperečnyhsečenij AT lukaševičpv vosstanovlenieformyobʺemnyhmedicinskihobʺektovspomoŝʹûdistancionnyhkartpoperečnyhsečenij AT gončarovda vosstanovlenieformyobʺemnyhmedicinskihobʺektovspomoŝʹûdistancionnyhkartpoperečnyhsečenij
first_indexed	2025-07-05T07:51:23Z
last_indexed	2025-07-05T07:51:23Z
_version_	1836792554892296192
fulltext	«Искусственный интеллект» 3’2010 370 4Н УДК 004.93'1;004.932 А.М. Недзьведь, П.В. Лукашевич, Д.А. Гончаров Объединенный институт проблем информатики НАН РБ, г. Минск, Беларусь nedzveda@newman.bas-net.by, goncharovda@gmail.com Восстановление формы объемных медицинских объектов с помощью дистанционных карт поперечных сечений* Представлены новые методы для реконструкции трехмерной поверхности объекта из нескольких замкнутых, в общем случае неплоских кривых, включая контуры, которые были очерчены вручную. Для восстановления объектов разной формы используются двухмерные дистанционные карты. Введение Задача реконструкции трехмерной поверхности объекта хорошо известна в раз- личных областях, особенно в медицине. Она используется при работе с изображе- ниями магниторезонансной томографии (МРТ), компьютерной томографии (КТ), трехмерного ультразвукового исследования (3D УЗИ). Задачи реконструкции можно разделить по уровню взаимодействия на авто- матические, полуавтоматические и ручные. В общем случае задача может быть сфор- мулирована как восстановление объекта из произвольного облака точек. Но обычно работа осуществляется с двухмерными контурами, представля- ющими области интереса на сечениях медицинского изображения. Получение этих сечений может быть сложной проблемой, и оно может производиться вручную или автоматически. Например, оконтуривание органа на 3D УЗИ – очень сложная проб- лема, и эта задача обычно выполняется медицинским экспертом. Существуют также некоторые особенности, связанные с размещениями контура в пространстве. Например, на МРТ и КТ контуры расположены в строго параллель- ных областях, а для некоторых типов УЗИ слои в зависимости от протокола скани- рования находятся в произвольных плоскостях. В некоторых случаях настоятельно рекомендуется восстановить объект лишь по нескольким слоям, особенно в случае ручной обводки. Это избавит медицинских работников от рутинной работы выделе- ния каждого слоя. В последние годы предложено много методов реконструкции. Прежде всего, стоит упомянуть растровую реконструкцию объектов. Эти методы обсуждены в работах Г. Трис [1], [2]. Статьи описывают различные алгоритмы: для параллельных слоев [2] рассмотрены случаи объектов сложной формы. Основная идея этой группы методов – особый подход для межслойной вок- сельной интерполяции, зависящей от взаимного расположения слоев, а также формы поперечного сечения. Нужно отметить, что такие воксельные методы обычно медленны и неудобны для использования и визуализации. По этой причине разработано много методов для аппроксимации поверхностей объектов сплайнами и кривыми различных типов. * Работы выполнялись в рамках проекта ISTC B-1486. Восстановление формы объемных медицинских объектов... «Штучний інтелект» 3’2010 371 4Н Например, можно восстановить векторную поверхность объекта неравномерными рациональными би-сплайнами [3], которые хорошо аппроксимируют обведенные кон- туры объекта. Но качество этого подхода сильно зависит от числа контуров. И не- всегда возможно восстановить контуры объекта для всех слоев, особенно в случае ручной обводки. В случае объектной реконструкции по нескольким контурам можно исполь- зовать один из методов на основе модельных представлений, которые работают лучше на определенных типах объектов. Один из таких подходов использует сплайны с одним параметром для реконструкции щитовидной железы на трехмерных УЗИ [4]. В другой работе [5] рассмотрена более общая проблема – реконструкции формы от произвольных поперечных сечений. Предложенный подход состоит из двух ос- новных шагов: вычисление расположения секущих плоскостей и реконструкция, и аппроксимация объекта из его пересечений с границей ячейки. Возможная проблема ветвления решена использованием триангуляции Делоне. Этот метод довольно слож- ный, однако он может быть применен в приложениях реконструкции. Например, чтобы восстановить простой медицинский трехмерный объект из непарал- лельных поперечных срезов Богуш и др. [6] используют двухмерный морфологический морфинг, аффинные преобразования и интерполяцию сплайнами третьего порядка. Также существует большой класс методов для восстановления формы объекта из произвольного облака точек. Этот класс методов используется в различных задачах, таких, как дистанционное зондирование, стереоприложения и т.д. Но эти подходы также могут быть использованы в медицинских приложениях, особенно на входных данных высокого разрешения. Большой подкласс таких методов – алгоритмы симплекс-сеток. В [7] представлены методы симплекс-сеток для восстановления трехмерных ультразвуковых изображений. Алгоритмы используют непараллельные сечения для симплексной адаптации сеток из вручную обведенных границ объекта на нескольких представителях. Подобный метод представлен в [8]. Также интересны следующие способы восстановления облака пикселей – алгоритм катящегося шара [9] и байесовская реконструкция поверхности [10]. Первый из них является своего рода морфологическим восстановлением на векторном пространстве. Второй – использование статистического метода для реконструкции и последующей фильтрации шумов на поверхности. Постановка задачи. Наш метод используется для тех же задач и основывается на формировании промежуточных слоев на основе дистанционных преобразований. Он достаточно прост в реализации и понимании, и работает для сложных медицин- ских изображений. Главное преимущество метода – возможность генерировать произвольное коли- чество промежуточных слоев. Кроме того, предложен оригинальный подход к решению проблемы ветвления. В общем случае, алгоритм может работать на параллельных и непараллельных слоях. Определение контуров объектов для промежуточных слоев Построение промежуточных слоев может быть реализовано при помощи ана- лиза свойств дистанционных карт [11-13]. Если число объектов начального слоя такое же, как и конечного, то построение промежуточного слоя довольно простое. Но в случае ветвления эти методы имеют ряд проблем. Тем не менее, свойства дистанционных карт могут быть использованы для пост- роения промежуточного слоя. Но в этом случае будут построены два промежуточ- ных слоя. Рассмотрим случай, когда первый слой содержит один «корневой» контур, а второй слой – несколько контуров (рис. 1). Недзъведь А.М., Лукашевич П.В., Гончаров Д.А. «Искусственный интеллект» 3’2010 372 4Н а) б) Рисунок 1 – Последовательные бинарные слои: а) с одним целым объектом, б) с разделенными объектами Необходимо использовать одинаковое количество контуров для начального и конечного слоя. Для решения этой проблемы используются алгоритмы построения выпуклой оболочки, однако все они работают только для связных объектов. Таким образом, необходимо соединить все объекты на слое. Объединение объектов реали- зовано через вычисление координат центра масс и проведения линий через них. Затем для всех объектов строится выпуклая оболочка (рис. 2). а) б) Рисунок 2 – Объединение объектов: а) соединение центров масс, б) построение выпуклой оболочки Область определения контура объекта для среднего слоя заключена между грани- цей начального слоя и выпуклым контуром конечного слоя (рис. 3а). Эта область стро- ится путем вычитания слоев. Этот контур находится из дистанционной карты (рис. 3б), по которой можно построить равноудаленный от границ замкнутый контур (рис. 3в). ) ) а) б) в) Рисунок 3 – Определение контура первого промежуточного слоя: а) область для определения контура промежуточного слоя, б) его дистанционная карта и в) линия раздела Следующая задача – разделить объект на среднем слое на несколько. При этом число объектов соответствует числу на конечном слое. Линии разделения должны быть проанализированы с позиций объектов на конечном слое. Лучшее решение, Восстановление формы объемных медицинских объектов... «Штучний інтелект» 3’2010 373 4Н когда они используют линии водораздела между объектами конечного слоя (рис. 4а). Вычитание этого водораздела позволит построить второй промежуточный уровень (рис. 4б). Этот слой включает то же количество объектов, что и на конечном уровне. Следующие шаги будут по определению слоев от начального до первого сред- него слоя и от второго среднего слоя до конечных слоев. Обработка слоев идентична, но второй случай более сложный. Поэтому при следующем описании мы будем использо- вать только построение на этапе между вторым средним слоем и готовым слоем. Для этого этапа каждый слой содержит одинаковое количество контуров. Однако объекты имеют различный размер, положение и форму. Задача состоит в нахождении оптималь- ных контуров объектов для промежуточного слоя. Эти контуры соответствуют оптималь- ному расстоянию между первым и вторым слоями. Это легко определить, используя конъюнкцию и дизъюнкцию изображений слоев (рис. 5). а) б) Рисунок 4 – а) линии водораздела для последнего слоя и б) объекты на втором промежуточном слое а) б) Рисунок 5 – Результат а) конъюнкции и б) дизъюнкции второго промежуточного и последнего слоев Разница полученных результатов позволяет найти область определения контура (рис. 6а). Конъюнкция этого результата с контуром второго промежуточного слоя (рис. 6б) позволяет сохранить связность для построенных контуров. а) б) Рисунок 6 – а) область определения контура второго промежуточного и последнего слоев, б) контуры второго промежуточного слоя Недзъведь А.М., Лукашевич П.В., Гончаров Д.А. «Искусственный интеллект» 3’2010 374 4Н Следующий алгоритм (рис. 7) позволяет определить объекты с контуром области и несвязанные объекты. Слой 1 Слой 2 ANDOR i(OR)-i(AND) контур Вычисление («Holes», «StartX», «StartY») OR «Holes»>0 Пометить как фон установка флага есть Цикл дляr каждого объекта Изображение с раздельными объектами Изображение со связными объектами XOR Рисунок 7 – Алгоритм классификации объектов для построения контура Проблема заключается в определении областей при построении дистанционных карт в двухмерном пространстве. На изображении объединенных слоев возможно как связанные, так и разделенные объекты. Области определения контура строятся с помощью алгоритма, блок-схема которого представлена на рис. 8. Для всех разделенных объектов анализируется расстояние между центрами масс. На основе этой информации формируются пары объектов. Для каждой пары строится выпуклая оболочка (рис. 9б), которая затем корректируется с помощью исходных данных предыдущего уровня (рис. 9в). Объединение исправленного выпуклого контура и объектов позволяют определить области для определения контуров. Восстановление формы объемных медицинских объектов... «Штучний інтелект» 3’2010 375 4Н Бинарные насвязанные объекты Для каждого объекта Вычисление(«CenterX», «CenterY») Нарисовать линии между центрами Выпуклая оболочка Эрозия Контур OR Связанный объект Рисунок 8 – Алгоритм построения области определения контуров а) б) ) ) в) г) Рисунок 9 – Обработка разделенных объектов: а) разделенные объекты, б) выпуклая оболочка, в) коррекция границ, г) новый связанный объект Дизъюнкция результатов обработки связанных и несвязанных объектов позво- ляет определить промежуточные контуры с помощью водораздела. Аналогично опреде- ляются контуры объектов для остальных промежуточных слоев. После создания набора промежуточных слоев возможно провести трехмерную реконструкцию с более высоким разрешением (рис. 10). Недзъведь А.М., Лукашевич П.В., Гончаров Д.А. «Искусственный интеллект» 3’2010 376 4Н а) б) Рисунок 10 – а) области определения контуров для промежуточного уровня, б) объекты промежуточного уровня Результат работы алгоритма для входных данных на рис. 1 представлен на рис. 11. Рисунок 11 – Результат трехмерной реконструкции с помощью 20 промежуточных слоев Заключение Разработанный алгоритм позволяет получить качественный результат благода- ря восстановлению промежуточных сечений. Использование связывания всех объек- тов на слое обеспечило стабильность работы алгоритма для объектов любой формы, а растровое представление данных исключило элементы скручивания поверхности. Использование дистанционной карты расстояний позволило быстро и эффективно определить реальный контур между слоями и сохранить значения всех исходных рас- стояний. Поэтому данный алгоритм наиболее эффективен для использования его в задачах, включающих измерения объектов. Полученные результаты будут способствовать развитию диагностического прог- раммного обеспечения лучевых методов для правильного расчета данных по динамике регрессии опухолевых образований и размеров резидуальной опухоли, оптимизации при- нятия решения по вопросам лечения. Определение правильного пути лечения позволит Восстановление формы объемных медицинских объектов... «Штучний інтелект» 3’2010 377 4Н значительно снизить стоимость лекарств и лечебных процедур. Работа направлена на улучшение информационного содержания данных первичного диагноза, а также для обес- печения комфорта специалистам-медикам в ходе анализа результатов обследования. Литература 1. Treece G. Volume Measurement and Surface Visualization in Sequential Freehand 3D Ultrasound / G. Treece // PhD thesis Univer. of Cambridge, Department of Engineering. – 2000. – 183 p. 2. Treece G. Fast surface and volume estimation from non-parallel cross-sections, for freehand 3-D ultrasound / G. Treece // Medical Image Analysis. – 1999. – № 3(2). – P. 141-173. 3. Anderson C. Fast Generation of NURBS Surfaces from Polygonal Mesh Models of Human Anatomy / C. Anderson, S. Crawford-Hines // Technical Report, Department of Computer Science, Colorado State University, Fort Collins. – February 9, 2000. 4. Lukashevich P. Reconstruction of 3D Surfaces by Spline Technique / P. Lukashevich, B. Zalesky // Proceedings of the 8-th International Conference «Pattern Recognition and Information Processing», (Minsk, May 18 – 20, 2005). – P. 351-354. 5. Boissonnat J. Shape reconstruction from unorganized cross-sections / J. Boissonnat, P. Memari // Proceedings of the Fifth Eurographics Symposium on Geometry Processing, (Barcelona, Spain, July 04 – 06, 2007). – P. 89-98. 6. Bogush A.L. 3D object reconstruction from non-parallel cross-sections / A.L. Bogush, A.V. Tuzikov, S.A. Sheynin // Proceedings of the 17th International Conference on Pattern Recognition, (Cambridge, UK, 23 – 26 Aug, 2004). – Vol. 3. – P. 542-545. 7. Snezhko E.V. External Force Generation for Object Segmentation on 3D Ultrasound Images Using Simplex Meshes / E.V. Snezhko, A.V. Tuzikov // Proceedings of the Pattern Recognition and Image Analysis International Conference. – 2006. – Vol. 16. – P. 89-92. 8. Delingette H. General Object Reconstruction Based on Simplex Meshes / H. Delingette // Int. J. Comput. Vision. – Aug.1999. – № 32 (2). – P. 111-146. 9. Bernardini F. The Ball-Pivoting Algorithm for Surface Reconstruction / F. Bernardini // IEEE Transactions on Visualization and Computer Graphics. – Oct. 1999. – № 5(4). – P. 349-359. 10. Huang Q. Bayesian surface reconstruction via iterative scan alignment to an optimized prototype / Q. Huang, B. Adams, M. Wand // Proceedings of the Fifth Eurographics Symposium on Geometry Processing, (Barcelona, Spain, July 04 – 06, 2007). – P. 213-223. 11. Borgefors G. Distance Transformations in Arbitrary Dimensions / G. Borgefors // Computer Vision, Graphics, and Image Processing. – 1984. – Vol. 27. – P. 321-345. 12. Svensson S. Image and Vision Computing / S. Svensson, G. Sanniti di Baja. – June 2002. – Vol. 20 (8). – P. 529-540. 13. Carlo Arcelli. Finding Local Maxima in a Pseudo-Euclidean Distance Transform / Carlo Arcelli and Gabriella Sanniti di Baja // CVGIP. – 1988. – Vol. 43. – P. 361-367. О.М. Нядзьведь, П.В. Лукашевіч, Д.А. Гончаров Відновлення форми об’ємних медичних об’єктів за допомогою дистанційних карт поперечних перетинів Представлені нові методи для реконструкції тривимірної поверхні об’єкту з декількох замкнутих, в загальному випадку неплоских кривих, включаючи контури, які були обкреслені уручну. Для відновлення об'єктів різної форми використовуються двомірні дистанційні карти. A.M. Nedzved, P.V. Lukashevich, D.A. Hancharou Reconstruction of Medical Object Shape By Distance Maps of Its Cross Sections The new techniques is presented in order to reconstruct 3D object surface from several closed, in general, non-planar curves, including contours that were outlined manually. 2D distance map used to reconstruct object of a different shapes. Branching problem also discussed. Статья поступила в редакцию 01.06.2010.

Восстановление формы объемных медицинских объектов с помощью дистанционных карт поперечных сечений

Institution

Ähnliche Einträge