ПРИМЕНЕНИЕ ПАРАМЕТРОВ ШЕРОХОВАТОСТИ ДЛЯ ХАРАКТЕРИСТИКИ НЕОДНОРОДНОСТЕЙ ИЗОБРАЖЕНИЙ УЛЬТРАЗВУКОВОЙ МЕДИЦИНСКОЙ ДИАГНОСТИКИ

А. И. Баженова; В. Н. Милич; О. В. Муравьева; Е. П. Кузнецов; Ю. С. Гуляева

doi:10.22213/2410-9304-2019-3-4-13

Авторы

А. И. Баженова Удмуртский федеральный исследовательский центр Уральского отделения Российской академии наук
В. Н. Милич Удмуртский федеральный исследовательский центр Уральского отделения Российской академии наук
О. В. Муравьева Удмуртский федеральный исследовательский центр Уральского отделения Российской академии наук; ИжГТУ имени М. Т. Калашникова
Е. П. Кузнецов городская клиническая больница № 2 Министерства здравоохранения Удмуртской Республики
Ю. С. Гуляева ИжГТУ имени М. Т. Калашникова

DOI:

https://doi.org/10.22213/2410-9304-2019-3-4-13

Ключевые слова:

изображения ультразвукового исследования, цифровая обработка, параметры шероховатости, однородность структуры, обнаружение патологий

Аннотация

Приведены результаты исследования возможностей использования шаговых и высотных параметров шероховатости поверхности для решения задач анализа структурной неоднородности ультразвуковых (УЗ) изображений. Параметры шероховатости адаптированы для двумерного случая и рассчитаны для фрагментов двух УЗ-изображений патологических и здоровых структур щитовидной железы с размерами фрагментов 20´20, 40´40, 70´70 пикселей. Параметры шероховатости исследованы с точки зрения их разделительной способности. Анализ разделительной способности параметров шероховатости позволил выявить два параметра: модифицированный высотный параметр как среднее арифметическое от абсолютных значений отклонений выступов в пределах базовой длины, а также шаговый параметр как относительные опорные длины профиля при нескольких уровнях сечения. Результаты исследования позволяют говорить о перспективности использования подходов, основанных на применении параметров шероховатости, для анализа структурных неоднородностей УЗ-изображений. Выявленные параметры шероховатости могут служить для формирования пространства признаков при применении методов классификации для автоматического принятия решения о наличии или отсутствии патологии по ультразвуковому изображению. С целью повышения достоверности предлагаемых параметров требуется их апробация на большем наборе УЗ-медицинских изображений с разными размерами фрагментов.

Библиографические ссылки

Ультразвук в медицине. Физические основы применения / Хилл К. [и др.] ; пер. Л. Р. Гаврилов, В. А. Хохлова, О. А. Сапожников. М. : Физматлит, 2008. С. 544. ISBN: 978-5-9221-0894-2.

Осипов Л. В. Ультразвуковые диагностические приборы: режимы, методы и технологии. М. : Изо-Мед, 2011. С. 316. ISBN: 978-5-9903157-1-6.

Программно-инструментальный комплекс высокопроизводительной обработки изображений медицинского и промышленного назначения / В. Ф. Заднепровский, А. А. Талалаев, И. П. Тищенко, В. П. Фраленко, В. М. Хачумов // Информационные технологии и вычислительные системы. 2014. № 1. С. 61–72. [Integrated development environment for high-performance medical and industrial purpose images processing].

Tiran E., Deffieux T., Correia M., Maresca D. Multiplane wave imaging increases signal-to-noise ratio in ultrafast ultrasound imaging // Physics in Medicine and Biology, Vol. 60, October 2015, pр. 8549–8566. DOI: 10.1088/0031-9155/60/21/8549.

Ковалев В. А. Распознавание опухолей на ультразвуковых изображениях печени с использованием решающих правил // Информатика. 2016. № 2. С. 59–70. [A rule-based method for tumor recognition in liver ultrasound images].

Турлапов В. Е., Гаврилов Н. И. Технологии трехмерной научной визуализации и геометрического моделирования в цифровой биомедицине // Научная визуализация. 2015. Т. 7. № 4. С. 27–43. [3D sci-entific visualization and geometric modeling in digital biomedicine].

Shina T., Nightingale K.R., Palmeri M.L., Hall T.J., Bamber J.C. et al. WFUMB guidelines and recom-mendations for clinical use of ultrasound elastography: Part 1: Basic principles and terminology // Ultrasound in Medicine & Biology, Vol. 41, No. 5, 2015. P. 1126-1147. DOI: 10.1016/j.ultrasmedbio.2015.03.009.

Исследование статической эластографии методом математического моделирования / О. В. Мура-вьева, Д. С. Мурашова, С. А. Мурашов, О. П. Богдан // Медицинская техника. 2014. № 3. С. 31–34. [Mura-vieva O.V., Murashova D.S., Murashov S.A., Bogdan O.P. Mathematical modeling of static elastography. Biomedical Engineering. 2014. Т. 48. № 3. С. 148–152. DOI: 10.1007/s10527-014-9440-3].

Разработка методики визуализации упругих свойств ткани с использованием ультразвуковой допплерографии / О. В. Коробейникова, Е. П. Кузнецов, О. П. Богдан, Е. А. Фостик // Вестник ИжГТУ имени М. Т. Калашникова. 2010. № 2 (45). С. 97–100. [Development of environment elastic properties estimation technique by using ultrasonic dopplerography].

Муллахметова Д. Р., Окунева И. В. Эластография в диагностике доброкачественных и злокачественных новообразований щитовидной железы // Modern Science. 2019. № 4-1. С. 232–235. [Elastography in diagnostics of beneficial and malignant nu-clear formations of the thyroid gland].

Борсуков А. В. Комментарии и обсуждение всемирных рекомендаций 2015 года по эластографии щитовидной железы // Эндокринная хирургия. 2017. Т. 11. № 2. С. 61–69. [Comments and discussion on the thyroid gland elastography World Recommendations 2015].

Митьков В. В., Иванишина Т. В., Митькова М. Д. Эластография сдвиговой волной в мультипараметрической ультразвуковой диагностике рака щитовидной железы // Ультразвуковая и функциональная диагностика. 2016. № 1. С. 13–28. [Shear wave elastography in multiparametric ultrasound of malignant thyroid nodules].

Митьков В. В., Иванишина Т. В. Ультразвуковая эластография в дифференциальной диагностике узловых образований щитовидной железы // Ультразвуковая и функциональная диагностика. 2015. № 5S. С. 116b. [Ultrasound elastography in differential diagnostics of node forms of the thyroid gland].

Применение arfi-эластографии для оценки жесткости паренхимы щитовидной железы у детей, подростков и молодых взрослых / В. М. Делягин, Е. В. Феоктистова, О. Ю. Изотова, А. Уразбагамбетов // Медицинская визуализация. 2014. № 5. С. 130–133. [Application arfi-elastography to assess stiffness thyroid parenchyma in children, adolescents and young adults].

Hacini M., Hachouf F., Djemal K. A new speckle filtering method for ultrasound images based on a weighted multiplicative total variation // Signal Processing, Vol. 103, October 2014, P. 214-229. DOI: 10.1016/j.sigpro.2013.12.008.

Yang J., Fan J., Ai D., Wang X., Zheng Y., Tang S., Wang Y. Local statistics and non-local mean filter for speckle noise reduction in medical ultrasound image // Neurocomputing, Vol. 195, June 2016, P. 88-95. DOI: 10.1016/j.neucom.2015.05.140.

Zhang J., Lin G., Wu L., Wang C., Cheng Y. Wavelet and fast bilateral filter based de-speckling method for medical ultrasound images // Bio-medical Signal Processing and Control, Vol. 18, April 2015. P. 1-10. DOI: 10.1016/j.bspc.2014.11.010.

Gungor M. A., Karagoz I. The homogeneity map method for speckle reduction in diagnostic ultra-sound images // Measurement, Vol. 68, May 2015. P. 100-110. DOI: 10.1016/j.measurement.2015.02.047.

Хвостиков А. В., Крылов А. С., Камалов Ю.Р. Текстурный анализ ультразвуковых изображений для диагностирования фиброза печени // Программирование. 2015. № 5. С. 39–46. [Kvostikov A.V., Krylov A.S., Kamalov U.R. Ultrasound image texture analysis for liver fibrosis stage diagnostics. Programming and Computer Software. 2015. Т. 41. № 5. С. 273-278. DOI: 10.1134/S0361768815050059].