В настоящее время компьютерные диагностические системы широко используются и используются для диагностики практически всего организма человека. Своевременность и точность диагностики в медицине определяют врачебную практику, прогноз и успешность лечения, поэтому актуальна задача повышения точности диагностики, что приводит к совершенствованию и внедрению новых технологий в системы диагностики.
Переломы разной степени тяжести были и остаются довольно распространенным явлением. Для восстановления перелома часто требуется хирургическое вмешательство. Каждую операцию всегда нужно планировать заранее, чтобы хирургическое лечение перелома было наименее травматичным для пациента.
Зачастую при переломах наблюдается смещение осколков кости и для лечения предполагается произвести репозицию осколков – сопоставление фрагментов кости после перелома и их прочная фиксация при помощи различных фиксирующих конструкций: стержней, пластин, винтов, спиц и т.д. Для наиболее эффективного сращения отломков необходимо выбрать, с какой стороны крепить фиксаторы, чтобы обеспечить полную иммобилизацию костных отломков, а также предотвратить их возможное смещение в будущем. Для этого важно учитывать направление и силу натяжения мышц, прикрепляющихся к отломкам.
Следовательно, возникает необходимость в разработке системы поддержки принятия решений при планировании вмешательств при переломах, которая гарантирует, что направление движения костных фрагментов будет найдено.
Цель и задачи исследования
Цель работы: Повышение эффективности предоперационного планирования травм за счет использования системы поддержки принятия решений, обеспечивающей выбор вариантов фиксации отломков при переломах конечностей.
Основные задачи исследования:
- Проанализировать процесс выполнения операций при переломах конечностей.
- Разработать модификации алгоритмов компьютерного анализа рентгеновских изображений.
- Разработать структуру системы поддержки принятия решений.
- Провести экспериментальные исследования разработанных изменений, проверить работоспособность алгоритмов.
Предполагаемая научная новизна
- Разработка модификации методики оценки качества контурной сегментации рентгенографических изображений.
- Разработка новой основы для системы поддержки принятия решений при управлении процессом планирования хирургии переломов конечностей.
Планируемые практические результаты
- Разработанные модификации алгоритмов позволят определять направления смещения костных отломков при переломах конечностей.
- Созданное программное обеспечение позволит вам управлять процессом планирования операции при переломах конечностей.
Обзор исследований и разработок
Ведущая и самая используемая программа по предоперационному планированию в мире MediCAD [ 1 ], которая на американском и канадском рынках распространяется под названием Orthopedic Tools (система предоперационного планирования в травматологии и ортопедии на основе цифровых технологий), представляемая компанией Agfa-Gevaert Group [2 ]. Еще одна компания Orthocrat Ltd и ее продукт TraumaCad – программа предоперационного планирования в травматологии и ортопедии [3 ].
Совершенствование систем планирования и прогнозирования в стратегическом ...
... Рассматривая систему планирования, необходимо учитывать специфику предприятия. В этой работе нам необходимо рассмотреть финансовый менеджмент интернет-компании Яндекс. Развитие интернет-технологий определяет изучение новых методов построения стратегии, основанной на реализации ...
Эти программные продукты обеспечивают точное предоперационное планирование выбора имплантата для любой анатомической области. Кроме того, программа позволяет выбрать все крепления, необходимые для травматологических операций и ряда ортопедических вмешательств. Однако в данных системах отсутствует автоматическое определение количества осколков (все манипуляции выполняются вручную) и нет возможности пространственно представить, куда будет смещаться тот или иной осколок под действием тяги мышц для помощи в планировании операции.
Обзор национальных и локальных источников не дал результатов.
Краткое изложение собственных результатов
Анализ рентгенограмм следует проводить по общепринятой методике. Оценивается качество, возможность расшифровки снимка. Составляется общее представление о рентгеноанатомических особенностях исследуемого отдела (включая конфигурацию, размеры отделов костей, конгруэнтность суставных поверхностей и пр.).
Вслед за этим тщательно изучается каждый отдел кости, включая особенности развития, аномалии, варианты форм, варианты размеров и положения, соответствие возрастным критериям, степень выраженности деталей анатомического строения, деформация костей и суставов. Существует план исследования рентгенограмм костей [ 4 ].
Для автоматизации процесса предоперационного планирования, необходимо выполнить следующее:
- ознакомиться с анатомией конечностей, особенно обратить внимание на анатомические структуры костей, места крепления мышц и механизм их работы;
- при анализе изображений рентгенограмм переломов конечностей определить: количество осколков, их размеры, их расположение относительно друг друга, а также место локализации.
Самыми сложными и опасными переломами конечностей являются переломы бедра. Частота переломов бедра составляет до 3% от всех переломов костей. Выделяют:
- переломы верхнего конца бедренной кости;
- средней части (диафиза или тела кости);
- переломы нижнего конца бедренной кости, к которым относятся переломы мыщелков бедра [ 5 ].
Нас интересует именно тело кости.
Для удобства определения локализации осколков, условно поделим диафиз бедра на трети и определим, какие мышцы крепятся на данных участках:
Направление тяги мышц осуществляется в следующих основных направлениях:
Вперед (к наблюдателю, перпендикулярно фронтальной плоскости)
Назад (от наблюдателя, перпендикулярно фронтальной плоскости)
Вниз ↓
Внутрь (влево) ←
Наружу (вправо) →
Изучая анатомию бедренной кости, мы представляем информацию о мышцах в виде таблицы.1 [ 6 , 12 ].
Таблица 1. Направление тяги мышц бедренной кости
| Мышцы | Направление тяги мышцы | Места крепления | |
|---|---|---|---|
| Верхняя треть | медиальная широкая мышца бедра (m. vastus medialis) | вперед | шероховатая линия бедра, связка надколенника |
| промежуточная широкая мышца бедра (m. vastus intermedius) | вперед | на передней поверхности бедра, начиная с межвертельной линии | |
| гребенчатая мышца (m. рectineus) | вперед, внутрь | тазовая кость, шероховатая линия бедра | |
| короткая приводящая мышца (m. adductor brevis) | внутрь, вперед | тазовая кость, шероховатая линия бедра | |
| средняя ягодичная мышца (m. gluteus medius) | наружу | тазовая кость, поверхность большого вертела бедренной кости | |
| квадратная мышца бедра (m. quadratus femoris) | наружу | тазовая кость, большой вертел бедренной кости | |
| подвздошно-поясничная мышца (m.
iliopsoas) |
вперед, наружу | полости таза, малый вертел бедренной кости | |
| наружная запирательная мышца (m. obturatorius externus) | наружу | кости таза, вертельная ямка бедра | |
| Средняя треть | медиальная широкая мышца бедра (m. vastus medialis) | вниз | шероховатая линия бедра, связка надколенника |
| промежуточная широкая мышца бедра (m. vastus intermedius) | вниз | на передней поверхности бедра, начиная с межвертельной линии | |
| длинная приводящая мышца (m. adductor longus) | внутрь | тазовая кость, средняя треть шероховатой линии бедра | |
| латеральная широкая мышца бедра (m. vastus lateralis) | вперед | большой вертел бедренной кости, сухожилие прямой мышцы | |
| большая приводящая мышца (m. adductor magnus) | внутрь, вперед | тазовая кость, шероховатая линия бедра и медиальный надмыщелок | |
| двуглавая мышца бедра (m.
biceps femoris) |
вниз | от тазовой кости и нижней части шероховатой линии бедра, головка малоберцовой кости | |
| Нижняя треть | большая приводящая мышца (m.adductor magnus) | внутрь, вперед | тазовая кость, шероховатая линия бедра и медиальный надмыщелок |
| латеральная широкая мышца бедра (m. vastus lateralis) | вперед | большой вертел бедренной кости, сухожилие прямой мышцы | |
| промежуточная широкая мышца бедра (m. vastus intermedius) | вперед | на передней поверхности бедра, начиная с межвертельной линии |
Также, изучая механизм работы мышц, их тягу, можно сделать вывод, куда будет перемещаться кость в случае перелома.
Как отмечалось выше, необходимо создать систему поддержки принятия решений, определяющую направление смещения костных отломков. Для этого нужно выполнить следующие этапы:
- выделить контуры объектов;
- определить количество объектов;
- определить локализацию каждого осколка;
- найти набор мышц, которые крепятся к осколкам;
- определить направление смещения каждого осколка.
Первым этапом является выделение контуров объектов. Многообразие методов контурной сегментации в традиционном представлении делится на градиентные и пороговые. Основным недостатком пороговых методов является необходимость выбора порогового уровня яркости для получения приемлемого результата обработки изображения. В отличие от пороговых методов, градиентные методы ищут краевые точки, анализируя функцию градиента яркости изображения. Нам необходимо выбрать метод, который даст наиболее точный контур. Предполагается использовать следующие методы: Кирша, Канни, Собеля, Прюитта и Робертса [ 7–10 ].
Исходные изображения – оцифрованные рентгенограммы в формате jpeg в градациях серого [0…255] (рис. 4,а).
Представим их как набор Ai, i∈{1, …, N}. Для каждого Ai на базе экспертной оценки специалиста-травматолога сформировано бинарное изображение Gi (GT-образ).
должен быть определен метод обработки изображения F, который преобразует исходные изображения Ai в двоичные изображения. При этом, различие между изображением Oi, сформированными методом F, и Gi, предоставленными экспертом, должно быть минимальным, т.е. необходимо найти:
(1)
где Δ – мера отличия между двумя изображениями.
Поскольку от меры Δ зависит результат выбора метода контурной сегментации, то необходимо подобрать такую оценку, чтобы Δ(Oi, Gi) было минимальным.
Самый распространенный способ оценки результатов контурной сегментации — визуальный. Когда контур получен, он оценивается на закрытие и отсутствие «ложных границ». Однако этот метод не позволяет автоматизировать выбор наиболее точного метода.
Анализ источника [ 11 ] позволяет выделить основные типы характеристик качества выделения границ:
1. Доля T правильно выделенных граничных пикселей изображения Ai (T→max);
2. Cтепень локализации L, которая определяет близость выделенных пикселей к соответствующим им на GT-изображении (L→max).
В зависимости от типа характеристик качества обнаружения границ меры различий в методах сегментации границ делятся на меры для оценки качества выбора границ и меры для оценки локализации.
Мы берем #A в качестве мощности множества A и определяем набор рассматриваемых мер для оценки качества выбора границ.
1. Ошибка первого рода – отношение неправильно выделенных граничных пикселей к общему числу пикселей, не являющихся граничными:
(2)
2. Ошибка второго рода определяется как отношение невыделенных граничных пикселей к общему числу граничных пикселей:
(3)
3. Специфичность – отношение выделенных не граничных пикселей к общему числу не граничных пикселей GT-образа:
(4)
4. Чувствительность – отношение правильно выделенных граничных пикселей к общему числу граничных пикселей GT-образа:
(5)
Следует отметить, что значения α и β являются ошибками, то есть их значение должно стремиться к минимуму. Поскольку SP и SV являются количественными характеристиками правильности построения контура, их значения должны стремиться к максимуму.
Результаты исследования оценок качества контура (3–6) при применении различных методов контурной сегментации к изображениям рентгенограмм сведены в таблицу 2.
Таблица 2. Анализ качества контурной сегментации изображений рентгенограмм
Результаты применения контурной сегментации представлены на рисунках 4, б-е.
В результате анализа табличных данных установлено, что величина α взаимозависима с величиной SV, а β с SP и их сумма дает 1. Следовательно, значения α и при оценке результатов граничной сегментации можно отбросить.
Для проверки результатов оценки контурной сегментации (рис.3), проведем дополнительный визуальный анализ. В этом случае мы будем учитывать количество изломов контура, дополнительную натяжку, точность построения контурных линий относительно идеального контура. Результаты оценки выражаются коэффициентом k∈[0;1] и приведены в таблице 3.
Таблица 3. Сравнение оценок контурной сегментации изображений рентгенограмм
Для получения соответствия между результатами визуальной оценки и значениями SV и SP, приведенными в таблице 2, предлагается использовать среднее арифметическое значений этих оценок:
(6)
Это связано с тем, что при максимальных значениях этих мер теоретически результат механической обработки должен быть наилучшим. Наибольшее значение γ было получено в методе Кэнни, т.е можно сделать вывод, что этот метод больше подходит для выделения контуров на рентгенограмме.
Выводы
Были исследованы процесс предоперационного планирования и анатомические особенности строения бедренной кости, рассмотрены существующие системы, проанализированы их преимущества и недостатки, а также разработаны этапы решения проблемы. Выбраны оптимальные методы контурной сегментации рентгеновских изображений.
Дальнейшие исследования направлены на следующие аспекты:
- Нахождение методов выделения объектов на изображении.
- Составление базы правил по известным направлениям мышечной тяги.
- Определение направления смещения каждого объекта (осколка).
- Разработка системы поддержки принятия решений при управлении процессом планирования хирургии переломов конечностей.
Важная заметка! На момент написания данного автореферата магистерская работа еще не завершена. Окончательное завершение: декабрь 2012 г. Полный текст работы и материалы по теме могут быть получены у автора или его руководителя после указанной даты.
Список источников
[Электронный ресурс]//URL: https://management.econlib.ru/referat/kompyuternyie-sistemyi-podderjki-prinyatiya-resheniy/
- Информация о продукте MediCAD [Электронный ресурс]. – Режим доступа: http://www.hectec.de .
- Информация об Agfa HealthCare [Электронный ресурс]. – Режим доступа: http://www.ehealthnews.eu .
- Информация об Orthocrat, Ltd. [Электронный ресурс]. – Режим доступа: http://www.bioportfolio.com .
- Анализ рентгенограмм и протоколирование рентгенологических исследований [Электронный ресурс]. – Режим доступа: http://zhuravlev.info .
- Травматические повреждения бедра [Электронный ресурс]. – Режим доступа: http://traumatology.eurodoctor.ru .
- Большая медицинская энциклопедия. Мышцы бедра [Электронный ресурс]. – Режим доступа: http://www.spravochnik-anatomia.ru .
- Грищенко А.А. Обработка изображений, цифровая обработка сигналов, распознавание образов [Электронный ресурс]. – Режим доступа: .
- Детектор границ Канни [Электронный ресурс]. – Режим доступа: http://habrahabr.ru .
- Градиентные методы подчеркивания контуров [Электронный ресурс]. – Режим доступа: .
- Гонсалес Р. Цифровая обработка изображений в среде MATLAB / Гонсалес Р., Вудс Р., Эддинс С. – М.:Техносфера, 2006. – 616с.
- Грибков И.В. Некоторые вопросы количественной оценки производительности детекторов границ / Грибков И.В., Захаров А.В., Кольцов П.П. и др. // «Программные продукты и системы» №4, 2011.
- Анатомия бедра [Электронный ресурс]. – Режим доступа: http://www.sportmedicine.ru .
