RU120799U1

RU120799U1 - INTEREST AREA SEARCH SYSTEM IN THREE-DIMENSIONAL MEDICAL IMAGES

Info

Publication number: RU120799U1
Application number: RU2012120278/08U
Authority: RU
Inventors: Константин Станиславович Бразовский; Владимир Петрович Демкин; Яков Семенович Пеккер; Глеб Геннадьевич Стромов; Василий Александрович Фокин
Priority date: 2012-05-17
Filing date: 2012-05-17
Publication date: 2012-09-27

Abstract

Система поиска областей интереса в трехмерных медицинских изображениях, содержащая блок получения изображений, блок хранения референтных изображений, блок сравнения полученных и референтных изображений, блок визуализации и выделения области интереса, отличающаяся тем, что она дополнительно содержит блок статистического моделирования трехмерных референтных изображений, снабженных верифицированной клинической интерпретацией, входы которого подключены к блоку хранения референтных изображений и к блоку визуализации и выделения области интереса, выход подключен к блоку сравнения изображений, а выход блока сравнения изображений, в свою очередь, подключен к блоку визуализации и выделения области интереса. A system for searching for areas of interest in three-dimensional medical images, comprising a block for acquiring images, a block for storing reference images, a unit for comparing received and reference images, a unit for visualizing and highlighting a region of interest, characterized in that it further comprises a statistical modeling unit for three-dimensional reference images equipped with a verified clinical interpretation, the inputs of which are connected to the storage unit of reference images and to the visualization and highlighting unit In order to be of interest, the output is connected to the image comparison unit, and the output of the image comparison unit, in turn, is connected to the visualization and allocation of the area of interest.

Description

Полезная модель относится к области медицины, здравоохранения и медицинской кибернетики, более конкретно к системам для идентификации патологически измененных тканей и органов на основе анализа трехмерных томографических изображений.The utility model relates to medicine, healthcare and medical cybernetics, and more particularly to systems for identifying pathologically altered tissues and organs based on the analysis of three-dimensional tomographic images.

Известна система автоматического опознавания объектов для медицинской визуализации по патентам US №7804989, 7856130. Для получения более достоверных данных о границах объектов, которые визуализируются в процессе диагностического исследования, в предлагаемой системе осуществляется автоматизированное выделение границ объектов с использованием известного метода «адаптивного контура». Для этого на каждом плоском срезе определяется область интереса и вычисляются ее границы. Затем такая же процедура проводится на всех доступных срезах с целью вычисления границ трехмерной области. Такой подход позволяет более точно выделять патологические области и повышает качество диагностики при проведении исследований. Недостатками данного технического решения являются невозможность обрабатывать информацию в трехмерном объеме области интереса, а также отсутствие возможности клинической интерпретации выделенной области на основе существующих клинических признаков нормы и патологии на референтных изображениях.A known system for automatically recognizing objects for medical imaging according to US Pat. To do this, an area of interest is determined on each flat slice and its boundaries are calculated. Then the same procedure is carried out on all available sections in order to calculate the boundaries of the three-dimensional region. This approach allows you to more accurately identify pathological areas and improves the quality of diagnosis during research. The disadvantages of this technical solution are the inability to process information in the three-dimensional volume of the area of interest, as well as the lack of the possibility of clinical interpretation of the selected area based on existing clinical signs of norm and pathology in the reference images.

Наиболее близким к заявленному техническому решению по назначению и достигаемому результату является патент US №7783094, опубликован 24.08.2010. Изобретение имеет отношение к автоматизированному автоматическому обнаружению отклонений в медицинских изображениях и к анализу медицинских изображений. Медицинские изображения анализируются, чтобы извлечь и идентифицировать ряд особенностей в изображении, релевантных диагнозу. Система вычисляет начальный диагноз, основанный на наборе идентифицированных особенностей и модели диагноза, которые предоставляются пользователю для обзора с возможностью модификации. После модификации пользователем набора идентифицированных особенностей вычисленный диагноз динамически перевычисляется. Когда пользователь выбирает диагноз, основанный на рекомендации системы, генерируется сообщение о диагнозе, отражая особенности, присутствующие в медицинском изображении, как подтвержденные пользователем, так и выбранный пользователем диагноз.Closest to the claimed technical solution for the intended purpose and the achieved result is US patent No. 7783094, published 08/24/2010. The invention relates to automated automatic detection of deviations in medical images and to the analysis of medical images. Medical images are analyzed to extract and identify a number of features in the image that are relevant to the diagnosis. The system calculates the initial diagnosis based on a set of identified features and a diagnosis model that are presented to the user for review with the possibility of modification. After the user modifies the set of identified features, the calculated diagnosis is dynamically recalculated. When the user selects a diagnosis based on a recommendation from the system, a diagnosis message is generated, reflecting the features present in the medical image, both confirmed by the user and the diagnosis selected by the user.

В данной системе производится автоматическое определение областей интереса и динамическая коррекция выделенных участков изображения в интерактивном режиме с участием эксперта (врача лучевой диагностики). Клиническая интерпретация изображений производится как путем сравнения с существующими атласами изображений, так и визуальным анализом.This system automatically detects areas of interest and dynamically corrects selected areas of the image in an interactive mode with the participation of an expert (radiation diagnostic doctor). Clinical interpretation of images is made both by comparison with existing atlases of images, as well as visual analysis.

Недостатком системы является невозможность обработки трехмерных медицинских изображений и значительный субъективный компонент в принятии диагностических решений.The disadvantage of the system is the impossibility of processing three-dimensional medical images and a significant subjective component in making diagnostic decisions.

Общим признаком рассмотренных решений является сравнение анализируемых изображений с ограниченным количеством верифицированных изображений, что в условиях большой размерности обрабатываемых данных приводит к низкой достоверности автоматической классификации. Для снижения вероятности диагностических ошибок требуется привлечение эксперта в предметной области или врача-клинициста.A common feature of the considered solutions is the comparison of the analyzed images with a limited number of verified images, which in the conditions of a large dimension of the processed data leads to a low reliability of the automatic classification. To reduce the likelihood of diagnostic errors requires the involvement of an expert in the subject area or a clinician.

Задачей, на решение которой направлена заявляемая полезная модель, является повышение точности и информативности диагностики заболеваний на основе сравнения с модельными референтными изображениями.The task to which the claimed utility model is directed is to increase the accuracy and informativeness of disease diagnosis based on comparisons with model reference images.

Данная задача решается за счет анализа и интерпретации трехмерных медицинских изображений. При автоматическом анализе области интереса используется большой набор модельных референтных изображений со статистическими характеристиками, которые аналогичны характеристикам массива реальных изображений с верифицированной клинической интерпретацией. Это достигнуто за счет включения в систему модуля статистического моделирования трехмерных изображений, проводимого на основе реальных верифицированных данных.This problem is solved by analyzing and interpreting three-dimensional medical images. The automatic analysis of the area of interest uses a large set of model reference images with statistical characteristics that are similar to the characteristics of an array of real images with verified clinical interpretation. This was achieved due to the inclusion in the system of a module for statistical modeling of three-dimensional images based on real verified data.

Структурная схема системы поиска областей интереса в трехмерных медицинских изображениях изображена на фиг.1.The structural diagram of a system for searching for areas of interest in three-dimensional medical images is shown in FIG.

Заявленное устройство состоит из блока получения трехмерных изображений 1, выход которого подсоединен к входу блока визуализации и выделения области интереса (ВВОИ) 2. Выход блока ВВОИ 2 подсоединен к входу блока статистического моделирования референтных изображений (СМРИ) 4. К другому входу блока СМРИ 4 подсоединен выход блока хранения референтных изображений 3. Выход блока СМРИ 4 подсоединен к входу блока сравнения изображений 5. Второй вход блока сравнения изображений 5 подсоединен к выходу блока визуализации и выделения области интереса ВВОИ 2. Выход блока сравнения изображений 5 подсоединен к соответствующему входу блока визуализации и выделения области интереса 2.The claimed device consists of a block for obtaining three-dimensional images 1, the output of which is connected to the input of the block of visualization and highlighting the area of interest (BBOI) 2. The output of the block BBOI 2 is connected to the input of the block of statistical modeling of reference images (CMRI) 4. To the other input of the block CMRI 4 is connected the output of the reference image storage unit 3. The output of the CMRI 4 is connected to the input of the image comparison unit 5. The second input of the image comparison unit 5 is connected to the output of the visualization unit and highlighting the area of interest YOURSELF 2. The output of the image comparison unit 5 is connected to the corresponding input of the visualization unit and highlighting the area of interest 2.

Система поиска областей интереса в трехмерных медицинских изображениях работает следующим образом (фиг.1). Изображение из блока получения трехмерных изображений 1 поступает на вход блока визуализации и выделения области интереса 2, где в интерактивном режиме задаются параметры автоматического анализа изображения для выделения области интереса. Затем параметры выделенной области интереса передаются в блок статистического моделирования референтных изображений СМРИ 4, где происходит генерация большого количества модельных изображений, статистические свойства которых идентичны свойствам референтных изображений. Все референтные изображения снабжены соответствующей клинической интерпретацией. Массив модельных изображений с выхода блока 4 поступает на вход блока сравнения изображений 5. Одновременно на второй вход блока сравнения изображений 5 из блока 2 поступает анализируемое изображение. В блоке 5 производится сравнение анализируемого изображения с массивом модельных изображений и находятся референтные области интереса, которые в наибольшей степени соответствуют анализируемому изображению. С выхода блока 5 выделенная область интереса и ее клиническая интерпретация передаются в блок 2, в котором происходит визуализация изображения и отображение сопоставленной ей клинической информации.The system for searching for areas of interest in three-dimensional medical images works as follows (Fig. 1). The image from the block for receiving three-dimensional images 1 is fed to the input of the block of visualization and selection of the region of interest 2, where the parameters of automatic image analysis for selecting the region of interest are interactively set. Then, the parameters of the selected region of interest are transferred to the block of statistical modeling of reference images CMRI 4, where a large number of model images are generated, the statistical properties of which are identical to the properties of reference images. All reference images are provided with an appropriate clinical interpretation. An array of model images from the output of block 4 goes to the input of the image comparison unit 5. At the same time, the analyzed image is fed to the second input of the image comparison unit 5 from block 2. In block 5, the analyzed image is compared with an array of model images and the reference areas of interest are found that most closely correspond to the analyzed image. From the output of block 5, the selected area of interest and its clinical interpretation are transferred to block 2, in which the image is visualized and the clinical information associated with it is displayed.

Техническим результатом является снижение временных затрат на поиск, повышение точности диагностики заболеваний и информативности клинической информации.The technical result is to reduce the time spent on searching, improving the accuracy of diagnosis of diseases and the informational content of clinical information.

Использованные источники информации.Used sources of information.

1. Pat. US №7804989. Object Recognition System for Medical imaging (2008).1. Pat. US No. 7804989. Object Recognition System for Medical imaging (2008).

2. Pat. US №7856130. Object Recognition System for Medical imaging (2010).2. Pat. US No. 7856130. Object Recognition System for Medical imaging (2010).

3. Pat. US №7783094. System and method of computer-aided detection (2010). Прототип.3. Pat. US No. 7783094. System and method of computer-aided detection (2010). Prototype.

Claims

A system for searching for areas of interest in three-dimensional medical images, comprising a block for acquiring images, a block for storing reference images, a unit for comparing received and reference images, a unit for visualizing and highlighting a region of interest, characterized in that it further comprises a block for statistical modeling of three-dimensional reference images equipped with a verified clinical interpretation, the inputs of which are connected to the reference image storage unit and to the visualization and highlighting unit In order to be of interest, the output is connected to the image comparison unit, and the output of the image comparison unit, in turn, is connected to the visualization and allocation of the area of interest.