Аннотация. Рассмотрена возможность автоматизации процессов медицинской диагностики и количественной оценки анатомических структур путем сегментации магнитно-резонансных (МР) изображений. Проанализированы значения интенсивности МР-сигналов от различных тканей коленного сустава, выявлена слабая зависимость контрастности сигналов от внешних факторов. Реализован алгоритм сегментации хряща и костных структур, основанный на рассчитанной контрастности тканей, включающий пороговую обработку, морфологический анализ, выделение границ методом Канни. Результаты, апробированные на томограммах различной взвешенности (последовательности быстрое спин-эхо, градиент-эхо), могут быть использованы для картирования хряща и 3D-моделирования сустава.  

Ключевые слова: анализ изображений, томография, сегментация, морфометрия, коленный сустав, диагностика

Список литературы:

1. Apprich S., Mamisch T. C., Welsch G. H. et al. Quantitative T2 mapping of the patella at 3.0 T is sensitive to early cartilage degeneration, but also to loading of the knee // Europ. J. of Radiology. 2012. Vol. 81. P. e438-e443. DOI: 10.1016/j.ejrad.2011.03.069
2. Насникова И. Ю., Морозов С. П., Филистеев П. А. Магнитно-резонансная томография: методы количественной оценки суставного хряща у больных остеоартрозом // REJR. 2011. Т. 1, № 3(3). С. 75—81.
3. Казанкова О. С., Казначеева А. О. Возможности программных пакетов сегментации МР-томограмм для количественной оценки тканей // REJR. 2012. Т. 2, № 2(6). С. 227—229.
4. Саенко А. П., Мусалимов В. М., Лерм Ш., Линц Г. Применение методов машинного обучения для обнаружения бактерий в продуктах питания // Научно-технический вестник информационных технологий, механики и оптики. 2014. № 1 (89). С. 93—98.
5. Jaremko J. L., Cheng R. W. T., Lambert R. G. W. et al. Reliability of an efficient MRI-based method for estimation of knee cartilage volume using surface registration // Osteoarthritis and Cartilage. 2006. Vol. 14. P. 914—922. DOI: 10.1016/j.joca.2006.03.004
6. Swanson M. S., Prescott J. W., Best T. M. et al. Semi-automated segmentation to assess the lateral meniscus in normal and osteoarthritic knees // Osteoarthritis and Cartilage. 2010. Vol. 18, N 3. P. 344—353. DOI: 10.1016/j.joca.2009.10.004
7. Гонсалес Р., Вудс Р. Цифровая обработка изображений. М.: Техносфера, 2006. 1072 с.
8. Сизиков В. С. Обратные прикладные задачи и MatLab. СПб: Лань, 2011.
9. Казначеева А. О. Возможности и ограничения высокопольной магнитно-резонансной томографии (1,5 и 3 Тесла) // Лучевая диагностика и терапия. 2010. № 4. С. 83—87.
10. Казначеева А. О. Разработка методов и средств шумоподавления в томографии: Дис. … канд. техн. наук. СПб, 2006. 167 с.
11. Матвеева А. В. и др. Анализ востребованности специализированных РЧ-катушек в МРТ // REJR. 2015. Т. 5, № S2. С. 318—319.
12. Антонова А. С., Казначеева А. О., Шостак Д. М. Сегментация изображений суставов на основе количественной оценки интенсивностей МР-сигналов // REJR. 2014. Т. 3, № S2. С. 425—426.
13. Антонова А. С. Сегментация магнитно-резонансных томограмм коленного сустава // Альманах современной науки и образования. 2014. № 10(88). С. 18—21.
14. Никитин О. Р., Пасечник А. С. Оконтуривание и сегментация в задачах автоматизированной диагностики патологий // Методы и устройства передачи и обработки информации. 2009. № 11. С. 300—309.
15. Захаров А. В., Кольцов П. П., Котович Н. В. и др. Критерии оценки качества сегментации изображений // НИИСИ РАН. 2012. Т. 2, № 2. С. 87—99.