Способи попередньої обробки зображень КТ ОГК для діагностики тромбоемболії легеневої артерії

Скорочена інформація про документ
dc.contributor.authorАлієв, Е. І.
dc.contributor.authorГородецька, О. К.
dc.date.accessioned2023-02-21T13:37:46Z
dc.date.available2023-02-21T13:37:46Z
dc.date.issued2022
dc.description.abstractenBackground. Pulmonary embolism (PE) is the third most common cardiovascular disease (the estimated incidence in Europe and the USA is at least 650-700 thousand per year), as well as one of the main causes of death. At the same time, over the past two decades, a steady increase in the incidence of PE has been registered with a relatively stable prevalence of deep vein thrombosis. The most common method of diagnosing this condition is computed tomography (CT) of the chest’s organs. A patient with suspected PE requires urgent diagnosis. Therefore, automating the process of segmentation of the pulmonary artery (PA) and its branches on the image for further manual or automated analysis can speed up the diagnostic process, which in turn will ensure a quick diagnosis, prescribe therapy, and increase the patient's chances of survival. Objective of study. The aim of the work is to create an algorithm for pre-processing chest CT images that will increase their informativeness and simplify further manual or automated analysis. Methods. Images captured by CT of the chest contain information about the radiodensity of the scanned structures. To date, there is a clear understanding of radiodensity ranges for organs and formations in the human body, which allows, using threshold methods of image processing and morphological operations on objects, to segment the region of interest (ROI). Using methods of histogram processing, it is possible to contrast the image in such a way as to best visualize the difference between some depicted structures and others. Results. The constructed algorithm allows very accurate segmentation of ROI (PA) and image contrast in such a way as to maximally visualize areas of thrombosis in the lumen of the PA and its branches. The average speed of the algorithm when processing a series of 300 images is 324.5 milliseconds. Conclusions. As a result of the work, an algorithm of pre-processing of images obtained by CT of the chest, based on the usage of threshold methods of image segmentation, morphological operations and histogram processing was developed, which allows obtaining the most informative and unencumbered images for further analysis.uk
dc.description.abstractukПроблематика. Тромбоемболія легеневої артерії (ТЕЛА) є третьою за поширеністю серцево-судинним захворюванням (розрахункова захворюваність у Європі та США становить не менше 650-700 тис. на рік), а також однією з основних причин смертності. При цьому, за останні два десятиліття реєструється неухильне зростання захворюваності на ТЕЛА при відносно стабільній поширеності тромбозу глибоких вен. Найпоширенішим методом діагностики цього стану є комп’ютерна томографія (КТ) органів грудної клітини (ОГК). Хворий з підозрою на ТЕЛА вимагає швидкої діагностики. Тому автоматизація процесу виділення на зображенні ділянки легеневої артерії (ЛА) та її гілок для подальшого мануального чи автоматизованого аналізу може пришвидшити процес діагностики, що в свою чергу забезпечить швидку постановку діагнозу, призначення терапії та збільшить шанси пацієнта на виживання. Мета дослідження. Метою роботи є створення алгоритму попередньої обробки зображень КТ ОГК, що підвищить їхню інформативність та спростить подальший мануальний чи автоматизований аналіз. Методика реалізації. Зображення тримані за допомогою КТ ОГК несуть в собі інформацію про радіощільність відсканованих структур. На сьогоднішній день є чітке розуміння про діапазони радіощільності для органів та утворень в організмі людини, що дозволяє, використовуючи порогові методи обробки зображень та морфологічні операції над об’єктами, відсегментувати зону інтересу. Використовуючи методи гістограмної обробки можна контрастувати зображення таким, щоб якнайкраще візуалізувати відмінність одних зображених структур від інших. Результати дослідження. Побудований алгоритм дозволяє дуже точно сегментувати зону інтересу (ЛА) та контрастувати зображення таким чином, щоб максимально візуалізувати ділянки тромбозу в просвіті ЛА та її гілок. Середня швидкість роботи алгоритму при проведенні обробки серії з 300 зображень становить 324,5 мс. Висновки. В результаті роботи одержано алгоритм попередньої обробки зображеннях отриманих за допомогою КТ ОГК на основі використання порогових методів сегментації зображень, морфологічних операцій та гістограмної обробки, що дозволяє отримувати максимально інформативне та необтяжене зображення для подальшого аналізу.uk
dc.format.pagerangeС. 69-80uk
dc.identifier.citationАлієв, Е. І. Способи попередньої обробки зображень КТ ОГК для діагностики тромбоемболії легеневої артерії / Алієв Е. І., Городецька О. К. // Біомедична інженерія і технологія. – 2022. – № 7. – С. 69-80.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/52853
dc.language.isoukuk
dc.publisherКПІ ім.Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.sourceЖурнал Біомедична інженерія і технологія, № 7, 2022uk
dc.subjectТЕЛАuk
dc.subjectлегенева артеріяuk
dc.subjectтромбозuk
dc.subjectкомп’ютерна томографіяuk
dc.subjectзона інтересуuk
dc.subjectпорогові методи сегментаціїuk
dc.subjectморфологічні операціїuk
dc.subjectгістограмна обробкаuk
dc.subjectPEuk
dc.subjectpulmonary arteryuk
dc.subjectthrombosisuk
dc.subjectcomputed tomographyuk
dc.subjectregion of interestuk
dc.subjectthresholdinguk
dc.subjectmorphological operationsuk
dc.subjecthistogram processinguk
dc.subject.udc616.1 + 004.67uk
dc.titleСпособи попередньої обробки зображень КТ ОГК для діагностики тромбоемболії легеневої артеріїuk
dc.typeArticleuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
BmT-2022-7_p69-80.pdf
Розмір:
777.83 KB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.1 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Біомедична інженерія і технологія, № 7