Разработка приложения для подготовки массива медицинских изображений стандарта DICOM с целью обучения сегментирующих нейронных сетей
Основой всего лечебного процесса является диагностика заболеваний. Однако клинические проявления настолько многообразны, что врачи нередко сталкиваются с трудностями при постановке диагноза. Именно поэтому развитие нейронных сетей, как инструмента, предоставляющего дополнительные данные для диагностики и упрощающего работу врачу, является перспективным направлением.
Была поставлена задача по разработке специального ПО, позволяющего визуализировать DICOM-файлы и формировать размеченные данные для нейросетей.Проектирование и разработка программного обеспечения со следующими функциями:
1. графическая интерпретация DICOM-файла,
2. просмотр изображений по слоям,
3. изменение масштаба изображений,
4. просмотр значений плотности тканей на изображении (по шкале Хаунсфилда),
5. выделение области интереса с использованием методов фильтрации изображений,
6. получение и сохранение маски по выделенной области интереса.
Визуализация КТ-исследования состоит из слоев изображений, количество которых варьируется от типа исследования, конкретного аппарата и его настроек. Для перемещения между слоями изображения реализованы два способа: прокручивание колеса мыши, наведенной на изображение, и использование ползунка, расположенного снизу от изображения.
Масштабирование позволяет пользователю детальнее рассмотреть область интереса. Функция реализована с применением ползунка, находящегося справа от изображения.
Для ограничения количества слоев тем диапазоном, на котором находится изучаемая область интереса, реализованы функции выбора левой и правой границы слоев и кнопка сохранения выбранных слоев, после нажатия на которую пользователю будет доступен только выбранный диапазон слоев.
Для анализа области интереса на тип изучаемой ткани реализован режим просмотра значений по шкале Хаунсфилда. При активации этого режима и наведении мыши на интересующую область возле курсора мыши появляется число – значение плотности выбранного пикселя в Хаунсфилдах, что позволяет определить рассматриваемую ткань.
Точность обучения нейронных сетей зависит от того, насколько точно выделена область интереса. Для выделения области интереса был применен метод бинаризации изображений с последующей эрозией. Также была реализована функция закрашивания замкнутой области, внутри которой оказался нажатый пользователем пиксель. Для закраски области был использован алгоритм заливки области с затравочным пикселем. Действие функции выделения области интереса распространяется на весь выбранный ранее диапазон слоев. Кроме того, для повышения точности выделения области интереса реализована возможность исправления и добавления области на отдельных слоях из выбранного диапазона.
Из проанализированных изображений формируются маски области интереса, которые в последствии составят массив для обучения сегментирующих нейронных сетей. После успешного выделения области интереса для каждого слоя из выбранного диапазона слоев, начиная с левого верхнего угла и двигаясь сверху вниз, считываются значения пикселей внутри общего обрамляющего прямо-угольника. Если пиксель находится внутри области интереса, то ему присваивается значение плотности по шкале Хаунсфилда, а если пиксель не принадлежит области интереса, то ему присваивается значение -2048, что является значением «фона». Массивы значений для каждого слоя записываются в строку csv-файла, количество строк которого соответствует количеству слоев маски. Перед записью массивов значений в csv-файл также заносятся информация о границах слоев и координаты общего обрамляющего прямоугольника.Широкое распространение формата DICOM создает необходимость в использовании специализированного ПО для работы с данным стандартом. В настоящее время в медицинских учреждениях используют программы для чтения данного формата данных, поставляемые вместе с оборудованием для проведения соответствующих обследований. Так как оборудование предназначено для проведения самих исследований, т.е. для получения и просмотра DICOM-файлов, в ПО, как правило, отсутствуют полноценные функции для анализа визуализаций данных, как и возможности дальнейшего исследования области интереса и выгрузки полученных в процессе обследования пациентов визуализаций.
Основой всего лечебного процесса является диагностика заболеваний. Однако клинические проявления настолько многообразны, что врачи нередко сталкиваются с трудностями при постановке диагноза. Именно поэтому развитие нейронных сетей, как инструмента, предоставляющего дополнительные данные для диагностики и упрощающего работу врачу, является перспективным направлением.
Таким образом, задача по разработке специального ПО, позволяющего визуализировать DICOM-файлы и формировать размеченные данные для нейросетей, является актуальной.