دانش رسان |
مرکز علم و دانش کشور مقاله ارائه یک الگوریتم مناسب برای استخراج دقیق ناحیه ریه در تصاویر CT به منظور تشخیص کامپیوتری انواع نادولهای ریوی
در حال بارگذاری
توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد
مقاله ارائه یک الگوریتم مناسب برای استخراج دقیق ناحیه ریه در تصاویر CT به منظور تشخیص کامپیوتری انواع نادولهای ریوی دارای ۸ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد مقاله ارائه یک الگوریتم مناسب برای استخراج دقیق ناحیه ریه در تصاویر CT به منظور تشخیص کامپیوتری انواع نادولهای ریوی کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه و مراکز دولتی می باشد.
توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله ارائه یک الگوریتم مناسب برای استخراج دقیق ناحیه ریه در تصاویر CT به منظور تشخیص کامپیوتری انواع نادولهای ریوی،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن مقاله ارائه یک الگوریتم مناسب برای استخراج دقیق ناحیه ریه در تصاویر CT به منظور تشخیص کامپیوتری انواع نادولهای ریوی :
برخی از منابع:
[۱] M. S. Brown, J. G. Goldin, R. D. Suh, M. F. McNitt-
Gray, J. W. Sayre, and D. R. Aberle, “Lung
Micronodules: Automated Method for Detection at
Thin-Section CT—Initial Experience, ” Radiology,
vol. 226, pp. 256-262, 2003.
[۲] S. G. Armato, G. McLennan, M. F. McNitt-Gray,.C.
R. Meyer, D. Yankelevitz, D. R. Aberle, C. I.
Henschke, E. A. Hoffman, E. A. Kazerooni, H.
MacMahon, A. P. Reeves, B. Y. Croft and L. P.
Clarke, “Lung Image Database Consortium:
Developing a Resource for the Medical Imaging
Research Community,” Radiology,vol. 232, pp. 739-
۷۴۸, ۲۰۰۴
[۳] W. A. Kalender, H. Fichte, W. Bautz and M. Skalej,
“Semiautomatic evaluation procedures for
quantitative CT of the lung,” J Comput Assist
Tomogr, vol. 15, pp. 248-255, 1991.
مقدمه
سرطان ریه یکی از شایع ترین و مرگ بارترین بیماری ها است ؛ اگـر این بیماری در مراحل اولیه شناخته شود، احتمال زنده مانـدن ۵ سال بعد از عمل جراحی از ۱۴% بـه ۷۰% افـزایش مـی یابـد [۱].
سرطان ریه در آغاز با نادول های بسیار کوچکی در ریه ظاهر می – شود، که ممکن است در تصاویر رادیـوگرافی قفـسه سـینه دیـده نـشوند. امـروزه بـرای تـشخیص نـادول هـای ریـوی تـصاویر CT جایگزین تصاویر رادیوگرافی شده اند زیرا تـصاویر CT مـی تواننـد کیفیت بالایی داشته باشند و این در آشکارسازی نادول های ریوی بسیار مطلوب است ؛ به طوری که با آن می توان توده هایی بـا قطـر کوچکتر از mm1 را آشکار کرد. در شـکل ۱ تـصویر CT از یـک ریه با نادول تشخیص داده شده در آن نشان داده شده است . نادول در یک تصویر CT توده (معمولاً کروی ) بسیار کوچـک بـا سـطح روشنایی بالاتر از سطح ریه است .
تفسیر یک عکس رادیوگرافی سینه و یا عکس CT مشکل اسـت .
وجود ساختارهای اضافی و روی هم قرارگرفتن برخـی سـاختارها در تصویر باعث پیچیده شدن تصویر می شوند، به طوری کـه حتـی رادیولوژیست های با تجربه هم در تشخیص بعضی موارد از جملـه تشخیص نادول های کوچک دچار مشکل می شـ ند. عـلاوه بـر آن تصاویر CT اسکن بسیار زیاد هستند و همـین امـر باعـث اتـلاف وقت متخصصان و خستگی آن ها شده و دقـت تـشخیص آن هـا را کم می کند.
با توجه به این مسائل و هم چنین گـسترش حجـم مطالعـات CT همراه با افزایش حجم داده ها نیاز به طرح هـای ۱CAD احـساس مـی شــود. سیــستم هــای CAD تــصاویر پزشــکی را بـه کمــک الگوریتم هایی مورد بررسی و پـردازش قـرار مـی دهنـد تـا مـوارد مشکوک را شناسایی و به پزشـک ارائـه دهنـد. بـه عبـارت دیگـر سیستم های CAD در کنار متخصصان هستند و با حـذف مـوارد سالم ، موجب صرفه جویی در وقت آنان شده ، به علاوه مـواردی را که ممکن است از نظـر آنـان دور مانـده باشـد، تـذکر مـی دهنـد.
بنابراین می توانند میـزان عـدم تـشخیص بیمـاری ویـا تـشخیص نادرست را کاهش دهند.
مرحلــه مقــدماتی و پــیش پردازشــی سیــستم هــای CAD بــرای تشخیص نادول های ریوی ، تقسیم بندی ریه می باشد. به عبارتی در این گام منطقه ای که باید برای نادول مورد جـستجو قـرار گیـرد، مشخص می شود.
تکنیک های مختلفی برای تقسیم بندی نواحی ریه در عکـس هـای CT قفسه سینه توسط گروه های تحقیقـاتی مـورد بررسـی قـرار گرفته است . یکی از روش ها، استفاده از تکنیک گسترش ناحیه ۲ بـا استفاده از نقاط خاصی است که گسترش نواحی از آن نقاط آغـاز می شود [۳]. آرماتو از شیاربنـدی لبـه هـا بـرای مـشخص کـردن مرزهای ناحیه ریه اسـتفاده کـرده اسـت [۴]. در تحقیقـات اخیـر توسط هیو [۵] و براون [۶] برنامه ای برای مسیرهای بااهمیتی که متناظر با خط ارتباطی بـین ریـه راسـت و چـپ اسـت ، اسـتفاده شده اسـت . هیـو آسـتانه بهینـه را بـه جـای آسـتانه ثابـت بـرای تقسیم بندی نواحی ریه به کاربرده است و انتخاب مقدار آسـتانه بـر اساس خواص منحصربه فرد مجموعه تصاویر می باشد. سپس هموار کردن نواحی تقسیم بندی شده ریه بـرای رسـیدن بـه سـه نتیجـه زیرانجام می شود: پر کردن برآمدگی و فرورفتگی های ایجـاد شـده توسط رگ ها، حذف مجراهای تنفسی کوچک و حـذف مجراهـای تنفسی بزرگ . در ضمن روش کات های گراف که توسط گریج [۷]
ارائه شد نیز روش قدرتمندی برای رسیدن به یـک تقـسیم بنـدی خوب برای ریه است .
در [۸] تبدیل اصلی استفاده شده برای تقسیم بندی ریه ، تبـدیل Watershed بر اساس Marker دو تایی می باشد . از آن جایی که جداکردن ریه های راست و چپ و تعیین مرزها در طول تبدیل Watershed به صورت اتوماتیک انجام می پذیرد و آستانه بهینه حذف می شود (در اکثر الگوریتم های دیگر از آسـتانه بهینـه بـرای تشخیص مرز ریه اسـتفاده مـی شـود)، زمـان محاسـبه بـه شـدت کاهش می یابد. عملیات مورفولوژیک استفاده شده در این تکنیـک ، آن را برای تصاویری که در آنها مقدار کمـی از بافـت ریـه وجـود دارد، نامناسب کرده است .
ما در این مقاله از همان تکنیک [۸] استفاده کرده ایم ، اما تـصاویر بالایی و پایینی ریه به طور خودکار شناسایی شده و شیوه به کـار رفته برای آنها متفاوت است . این تکنیک چند مرحله اصـلی دارد.
در ابتدا تصویر را به گونه ای هموار می کنیم که حتی الامکان همـه مناطق داخل ریه ها هموار شوند، اما لبـه و مرزهـای آنهـا دسـت – نخورده باقی بماند. از تصویر به دست آمده گرادیان می گیـریم . در مرحله بعدی که بسیار مهم است مارکر داخلی تعیـین و مـشخص می شود. با اجرای عملیات مورفولوژیکی در مـارکر داخلـی ، مـارکر خارجی استخراج می شود. مرحله بعـدی مـشخص کـردن خطـوط
Watershed با به کارگیری تبدیل Watershed بر روی تصویر گرادیان است .
۲- روش تحقیق
یکی از کاربردهای مهـم تبـدیل Watershed، اسـتخراج اشـیاء تقریباً یکنواخت از پس زمینه تصویر است [۹]. اشیائی که سـطوح خاکستری آنها تغییرات کمی دارند، مقـادیر گرادیـان کـوچکتری هــم دارنــد. بنــابراین عمومــاً تبــدیل Watershed روی تــصویر گرادیان اعمال می شود که مرزهای حوضه های آبریزی ۳ در نقاط با مقدار گرادیان بالا قرار دارند. قاعده کلی الگـوریتم Watershed
را می توان با درنظرگرفتن تـصویر گرادیـان بـه صــورت پـستی و بلندی هایی که ارتفاع هـای متغیـر آن ، معـادل ســـطوح متفـاوت خاکســتری برای پیکسـل های تصویر است ، درنظر گرفت .
فرض کنید آب از کف این پستی و بلندی ها (نقاط تاریکتر) نفـوذ می کند. هر بار که آب به یک مینیمم مـی رسـد کـه ایـن کمینـه متناظر با ناحیه ای در تصویر اصلی است ، یک حوضه آبریزی شروع به رشد می کند. وقتی سرانجام دو حوضه مجاور به هم مـی رسـند، سدی برای جلوگیری از نفوذ آب در آن سطح از یـک حوضـه بـه حوضه دیگر ایجاد می شود. مـا از ایـن خاصـیت بـرای جـداکردن ریه های راست وچپ در طول این تبدیل استفاده می کنـیم . وقتـی که آب به بالاترین نقطه (ماکزیمم سـطح خاکـستری ) مـی رسـد، اتصال همه سدها، خطوط Watershed را ایجاد می کند.
یک اشکال در تقسیم بندی Watershed، تقسیم بنـدی بـیش از حد است . از آنجایی که هـر مینـیمم محلـی ، حتـی اگـر بـسیار کوچک هـم باشـد، حوضـه آبریـزی مربـوط بـه خـود را تـشکیل می دهد، تقسیم بندی بیش از حد اتفاق می افتـد و بنـابراین دیگـر قادر به جداسازی بخش موردنظر از تصویر نخواهیم بود. این پدیده در شکل ۲ نشان داده شده است . با اعمال تبدیل Watershed بـر اساس مارکر، می توانیم برای جلوگیری از این پدیده ، مینیمم هـای محلی مطلوب را در منطقه موردنظر انتخاب کنیم . جزئیات بیشتر در بخش های بعد توضیح داده می شود.
۲-۱- هموارسازی تصویر
مبنـای تقـسیم بنـدی تـصویر CT در اینجـا سـطوح خاکـستری پیکسل های آن تصویر است . با بررسی اجمالی تصاویر CT مـشابه شکل ۱ در می یابیم که مناطق داخلی ریه (که شامل هـوا اسـت ) اعگمرداتیاًن تارمیطب تر اکزمدلایً گدررمسنات ط بق دصیوکیر آ(بسافـتت انه ای چربی و 😉 است . گـذاری سـاده بـرای جداسازی ناحیه ریه کافی به نظر می رسید؛ اما نکته آن است کـه در هر لایه از تصویر CT سطح مقطع رگ ها و کیسه هـای هـوایی نیز دیده می شود که سطح روشنایی آنها بالاتر است . آستانه گذاری ساده برای طبقه بندی کردن رگ ها و کیسه های هوایی که حقیفتاً جزیــی از منطقــه داخلــی ریــه هــستند، در درون ریــه راه چــاره مناسبی نیست . حتی آنهـا مـی تواننـد مـانعی بـر سـر راه تبـدیل Watershed باشند و تقسیم بندی ریه را با مشکل مواجه سازند.
از سوی دیگر، اگرچه شناسایی مرز ریه در تصویر CT بـه عنـوان پیش پردازشی برای تشخیص نادول های ریوی به شمار می رود، اما استفاده از تمام جزییات تصویر را لازم ندارد. به عبارت دیگر مـی – توان عملیات تقسیم بندی را بر یـک تـصویر فیلترشـده از تـصویر اصلی انجام داد و سپس منطقه شناسایی شده را به تصویر اصـلی نگارد. اعمال تبدیل watershed بر تصویر همـوار شـده احتمـالاً
نتیجه مناسب تری به دست می دهد.
شکل ۲: اعمال تبدیل watershed بر یک تصویر و وقوع تقسیم – بندی بیش از حد
آنچه در این فیلترینگ اهمیت دارد، حفظ لبه ریـه هـا اسـت . اگـر نواحی درون ریه را به طور تقریبی به دست آورده و فیلتر را فقـط بر آن مناطق اعمال کنیم ، جزییات داخل ریـه حـذف شـده ولـی اطلاعات لبه ریه باقی می مانند. آستانه گذاری ساده و اضافه کردن نواحی کوچک نشانگر بافت هـای درون ریـه بـه منطقـه مطلـوب ، تقریبی نادقیق اما مفید از ناحیه درون ریـه بـه دسـت مـی دهـد.
توجه به این نکته مهم است کـه در تـصاویر CT ریـه ، عـلاوه بـر نواحی مربوط به ریه ، زمینه تصویر هم تیره اسـت ، بنـابراین بایـد قبل از فیلترینگ ، ناحیه مربوط به زمینه را با حذف اجزای متصل به مرز تصویر با ینری حاصل از آستانه گذاری حذف کرد.
۲-۲- محاسبه گرادیان تصویر
از آنجایی که تبدیل Watershed را بایـد روی گرادیـان تـصویر اعمال کنیم ، از تصویر به دست امده گرادیان می گیـریم . بـه ایـن منظـور فیلتـر sobel را در هـر دو جهـت افقـی و عمـودی روی تصویر اعمال می کنـیم . گرادیـان در مرزهـا، حـداکثر بـوده و در داخل مرزها حداقل است .
۲-۳- محاسبه مارکر داخلی و خارجی
مارکرها اجزای به هم پیوسته ای هستند که بـه تـصویر متعلقنـد.
مارکرداخلی به ناحیه مطلوب تصویر مربوط است و مارکر خارجی به زمینه تصویر مربوط می شود. تبدیل Watershed مبتنی بـر مارکر داخلی و خارجی را به گونه ای تعریف می کنیم کـه حوضـه – های آبریز شکل داده شده شامل مارکر داخلـی باشـند، امـا مـارکر خارجی را در بر نگیرند.
در اینجا باید روشی برای یافتن مارکرهای داخلـی تـصویر بـه کـار برد. به ایـن منظـور بـا اسـتفاده از تکنیـک هـای -opening-by reconstruction و closing-by-reconstruction [10]
تصویر را تمیز کرده و لکه های مزاحم کوچک و لکه های تیـره را بدون تاثیر در شکل کلی اشیاء حذف می کنیم . بنـابراین ، کمینـه – های هموار و یکنواختی درون هر شیئ به وجود می آید. که مارکر داخلی محسوب می شوند.
نکته مهم در عملیات مورفولـوژیکی ، سـاختار ماسـکی اسـت کـه عملیات با آن صورت می گیرد. در اینجا چون تصویر همـوار شـده مورد استفاده قرار گرفته است ، حساسیت به ساختار ماسک بسیار کم بوده و ثابت بودن آن برای همه تصاویر مشکلی ایجاد نمی کند.
حال باید مارکرهای خـارجی را پیـدا کـرد. مـا نمـی خـواهیم کـه مارکرهای خارجی به لبه های اشیائی که سعی در تقسیم بندی آنها داریم خیلـی نزدیـک باشـد. ایـن مـی توانـد بـا محاسـبه تبـدیل Watershed از تبدیل فاصـله و سـپس جـستجو بـرای خطـوط مرزی Watershed انجام شود.
۲-۴- کمینه های محلی تحمیلی
اکنون که بخـشی از نقـاط مطلـوب داخـل و نـامطلوب ریـه را در اختیار داریم ، در این مرحله قصد داریم بر مکان کمینه های محلی تصویر اعمال نفوذ کرده ، به طوری که کمینه های محلـی فقـط در نقاط مورد نظر قرار داشته باشند. بر این اساس تصویر گرادیـان را تغییر مـی دهـیم بـه طـوری کـه کمینـه هـای محلـی آن فقـط در پیکسل های مارکر داخلی و خارجی تصویر اتفـاق بیافتـد. مطـابق شکل ۳-الف مقدار این کمینه را برابر با – قـرار داده ایـم ، تـا کمینه های مطلق تصویر باشند.
۲-۵- محاسبه Watershed تصویر
حال تبدیل Watershed را بر تصویر گرادیانی که کمینـه هـای محلی آن را به اجبار در مناطق مفیـدی از تـصویر قـرار داده ایـم ، اعمال می کنیم . با این کار، در تصویر حاصـل چنـد حوضـه آبریـز مشخص می شود که دو ریه را از مناطق نامطلوب تصویر جدا می – کند.
۳- تصاویر مورد استفاده
تصاویری که در اینجا برای بررسی عملکرد روش به کار برده شده است ، از پایگاه داده LIDC5 استخراج شده انـد [۲]. ایـن پایگـاه داده توسط پنج موسسه اکادمیـک امریکـا ایجـاد شـده اسـت تـا منبعی برای آموزش ، تحقیقات و ارزیابی شیوه هـای CAD بـرای تشخیص نادول های ریوی در سطح بین المللی باشد. ایـن تـصاویر توسط تکنیک ۱۶ اسکنری از ریه های شامل نادول فراهم شده اند.
برای هر ریه در حـدود ۳۰۰ لایـه نـازک ۶ بـا فرمـت DICOM موجود است . تفاسـیر چهـار رادیولوژیـست در مـورد نـادول هـای موجود در ریه در این پایگاه موجود است . به علاوه آنـان ضـایعات غیر نادول را نیز مشخص کرده اند. در این مقاله ما ۵ دسته تصویر
CT (در مجموع ۱۵۰۰ تصویر از لایـه هـای مختلـف ریـه ) را بـه تصادف برای ارزیابی الگوریتم خود انتخاب کردیم .
۴- پیاده سازی الگوریتم
در عمل برای پیاده سازی الگوریتم با مـسایلی روبـه رو مـی شـویم .
بعضی از لایه های CT (لایه های بـالایی و پـایینی ) ناحیـه بـسیار کوچکی از ریه وجود دارد، اما همین ناحیـه کوچـک ، گـاه شـامل نادول هایی است که اغلب از دید پزشکان پنهان می ماند، بنـابراین با این لایه ها باید محتاطانه رفتار کرد. از سوی دیگـر، اسـتفاده از تکنیــک هــای opening-by-reconstruction و -closing by-reconstruction در مرحلــه تعیــین مــارکر داخلــی بــرای حذف لکه های کوچک موجب حــذف اطلاعـات مربـوط بـه ایـن نواحی می شــود. بنابراین به جاست که در ایـن مـوارد بـه دنبـال رویکرد دیگری باشیم .
پس از مرحله هموارسازی تصویر بـه ســادگی بـا بررسـی انـدازه ناحیه تقریبی به دست آمده برای ریه ، مـی تـوان در مـورد شـماره تقریبی لایه CT اظهار نظر کرد. در لایـه هـای بـالا و پـایین ریـه درصد کوچکی از کل تصویر به عنوان ریه شناسـایی شـده اسـت .
برای این عده از تـصـاویر مـارکر داخلـی و خـارجی بـدون انجـام عملیات مورفولوژیک به دست می آیند.
۴-۱- ناحیه مطلوب
قبل از اعمال الگوریتم و بررسی نتایج بایـد بـدانیم کـه منظـور از ناحیه ریه دقیقاً چیست ، به عبارت دیگـر ناحیـه مطلـوبی کـه بـه دنبال آن هستیم ، کدام منطقه از یک تصویر CT است .
از آنجا که تقسیم بندی ریه پیش پردازشی بـرای شناسـایی نـادول محسوب می شود، هدف باید از همین دیـد تعیـین شـود. از دیـد پزشکان ، نادول ها عمدتاً دو دسته هستند، دسته ای که بـه دیـواره ریه چسبیده اند و دسته ای که کاملاً درون ریه قرار دارند. بررسـی کلی تصاویر پایگاه داده و توجه به نادول های شناسایی شـده ، نیـز این مطلب را تایید می کند. در این تصاویر هیچ نادولی در منطقـه کیسه های هوایی (متصل به دیواره ریـه و تقریبـاً همرنـگ بـا آن ) شناسایی نشده است ، بنابراین بر طبق دیدگاه آماری می توان ایـن ناحیه را در بین نواحی مطلوب قرار نداد. بـه عبـارت سـاده تـر بـا هدف تشخیص نادول ، ناحیه مطلوب ناحیه ای است کـه نتـوان آن را همسایه (در اینجـا connected-4) دیـواره ریـه تلقـی نمـود.
بنابراین رگ ها و دیگر سطوح روشنایی موجود در ریـه و نامتـصل به ریه باید در ناحیه مطلوب قرار گیرند.
این تعریف از ناحیه مطلوب مناسب است ، چرا که با وجـود اینکـه نادول های چسبیده به دیواره را در خـارج از ناحیـه مطلـوب قـرار می دهد، مرز شناسایی شده دیگر هموار نخواهـد بـود. تـو رفتگـی مرز به دست داده شده احتمـالاً نـشان از وجودیـک نـادول مـرزی دارد. با توجه به ظرافت تصاویر لایه های بالا و پایین ، تعریف مـا از ناحیه مطلوب در این تصاویر کمی متفاوت است .
۵- نتایج
برای اعمال الگوریتم بر تصاویر، آن هـا را از فرمـت DICOM بـه
jpg. تبدیل کـردیم . شـکل ۳ و ۴ دو نمونـه از تـصاویر و نتیجـه مراحل مختلف الگوریتم و در نهایت تصویر قـسمت بنـدی شـده را نشان می دهد. در شکل ۳-الف تصویری از CT نشان می دهد کـه ریه در ان بخش بزرگی از تصویر را اشغال کـرده اسـت . در شـکل
۳-ب مارکرهای داخلی نشان داده شده اند. شکل ۳-ج قسمت های تصویر را نشان می دهد. شکل ۴-الف تصویری از لایه هـای پـایینی
CT را نشان می دهد. مارکرهای داخلی و نتیجه تقـسیم بنـدی در شکل های ۴-ب و ۴-ج نـشان داده شـده اسـت . همـان طـور کـه ملاحظه مـی شـود در هـر دو نمونـه ناحیـه مطلـوب بـه درسـتی شناسایی شده است . رگ ها و کیسه های هوایی در ناحیـه مطلـوب قرار نگرفته اند. در مورد تصویر شکل ۴ قـسمت بنـدی بـه ظرافـت انجام شده و تعداد ناحیه های به دست امده بیش از دو تا است . بـا توجه به فرورفتگی در مرز ریه سمت راست ، نـادولی در آن نقطـه شناسایی می شود.
اشتراک‌گذاری:
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.
