Рассмотрим базово-уровневую модель информационной системы 3d визуализации медицинской информации в пульмонологии.
Основная функция интерфейсного модуля:
• Минимизация времени расчетов, повышение точности результатов за повышения уровня детализации моделей.
Пути реализации основных функций:
• Размещение вычислительной составляющей системы на вычислительном кластере;
• Обработка входящих данных с целью удаления шумов;
Основа структуры вычислительного модуля, включающая:
• Блок диалога ИС и врача-пользователя;
• Блок обработки запросов пользователя и машинных ответов;
• Блок графической визуализации;
Направленность функционирования:
• Облегчение эксплуатации и сопровождения программного обеспечения;
• Повышение производительности труда пользователя.
Цель функционирования:
• Повышение эффективности распределенной обработки информации;
• Увеличение отдачи инвестиций в разработку информационных систем.
Структурная модель
Структурная схема, представленная на рисунке 2.1, показывает, что информационная система представляет собой совокупность трех уровней:
• уровень представления данных;
• уровень расчетов и операций;
• уровень хранения данных.
 | |||
|
Математическая модель
Проведя поиск существующих на данный момент времени методов оценки информативности, был найден один из наиболее подходящих методов. Найденный метод был принят за прототип и использовался в дальнейшем как основной.
Способ оценки информативности рентгеновского снимка, основанный на определении для исследуемой рентгенограммы характеризующего ее информационного индекса, показывающего количество содержащейся в ней информации, отличающийся тем, что рентгеновский снимок оцифровывается путем разбиения его на элементарные участки - пиксели, причем для каждого пикселя определяется значение, соответствующее его плотности почернения, а характеризующий рентгеновское изображение информационный индекс определяется по формуле
где xmax и y max - число пикселей в строках и столбцах соответственно, Iх,у - показатель плотности почернения пикселя с координатами х и у, а Сmin - пороговое значение контраста, причем в случае выполнения условия неравенства для двух соседних пикселей на величину, превышающую Сmin, к общему информационному индексу Q прибавляется единица, в противном случае - ноль.
В настоящее время существует несколько различных способов оценки «качества» рентгенограмм ([1] Новиков В.И. Способы оценки качества рентгеновских изображений. // Медицинская техника, 1975, №2, с.35-38., [2] Приставко В.В. Оценка качества изображения способом сопоставления объективных и субъективных характеристик. // Журнал научной и прикладной фотографии и кинематографии, 1973, том 18, вып.4, с.308-313).
Однако единственным требованием, предъявляемым к рентгеновскому снимку, является его информативность, под которой понимают количество полезной информации, полученной рентгенологом при анализе данного снимка. Информативность рентгенограммы может быть оценена при помощи субъективных (визуальных) и объективных (физических) характеристик.
К субъективной оценке, являющейся наиболее распространенным способом оценки качества рентгенограммы, относятся визуально определяемая полнота воспроизведения в изображении заданного набора деталей объекта исследования. Однако такой способ весьма зависим от особенностей восприятия наблюдателя, условий просмотра снимков и т.д., что является его существенным недостатком.
Объективная оценка производится или по пограничной кривой (распределению оптической плотности на границе изображения) или по частотно-контрастной характеристике системы преобразования изображения.
К настоящему времени известны способы оценки информативности снимка, цель которых - возможность охарактеризовать качество рентгеновского снимка одним числом, неким информационным индексом.
Наиболее близким к заявляемому способу является способ оценки информационной емкости рентгеновской пленки, определяемой количеством информации в двоичном коде, которая может быть записана на единице площади фотоматериала ([3] Рентгенотехника. Справочник // Под ред. В.В.Клюева, кн. 2. - М.: Машиностроение, 1992, с.338).
/ Государственное образовательное учреждение высшего профессионального образования "Санкт-Петербургский государственный электротехнический университет "ЛЭТИ" им. В.И. Ульянова (Ленина)"
Адаптация данного метода заключалась в суммировании максимальных по информативности срезов и поиск среднеарифметического значения информативности по всему пакету DICOM. Таким образом, возможна как отдельная оценка информативности среза, так и общая оценка информативности всего пакета, что позволяет проводить анализ связей. При каких заболеваниях, какие срезы и участки легочной ткани наиболее информативны для диагностики.
Дальнейшее применение данного метода позволило вывести среднестатистическую оценку информативности на различных этапах компьютерной обработки информации.
Первый этап. Первичное представление.
На данном этапе мед.информация представлена набором двухмерных срезов с возможностью последовательного перехода. Первичное изображение имеет наименьшую информативность (40%) для специалиста.
Второй этап. Построение объёмной модели по первичной информации
На данном этапе строится поверхностная модель с возможностью манипуляции и проникновения. Построение трехмерного изображения с возможностью измерения объёма и измерения отдельных крупных объектов. Информативность возрастает до 50-55%
Третий этап. Выделение моделируемой области.
На данном этапе происходит сегментное выделение области. В частности выделение непосредственно изучаемого органа и построение 3D модели с детальной обработкой внутренней структуры. Выделенная по отмеченным точкам область проецируется в трехмерную модель с возможностью измерения всех элементов. Информативность возрастает до 65-75%
Четвертый этап. Измерение элементов, построение секущих.
Построение секущих в любых плоскостях, возможность «проникновения» внутрь элементов размерами до 5мм кубических. Информативность увеличивается до 80- 90%.
Основываясь на полученных результатах, были проведены расчеты динамики поражения
Для численного анализа прогресса/регресса лечения пациентов и измерения изменений объёма поражений применяется следующая технология.
Метка для построения моделей MeVisLab ставится на одно и то же место на пакете снимков пациента в случаях до и после лечения.
Далее с помощью изменения коэффициента чувствительности построения моделей оптимизируется модель до степени отображения плевры, поражённых областей, сосудов и бронхов. Полученные объёмы моделей сравниваются, разница полученных данных является показателем прогресса/регресса лечения. Т.к. разница объёмов является изменением объёма поражения.
Vp – объем поражения
Vp1 – Объем плевры, поражённых областей, сосудов и бронхов до лечения
Vp2- объем плевры, поражённых областей, сосудов и бронхов после лечения
Vp=|Vp2-Vp1|
878.83
Результирующий объем поражения 257.6565
Однако существует погрешность измерений, обусловленная условиями диагностики и получения изображения с КТ и динамической природой пациента. Для ее вычисления путем установки меток и изменения коэффициента чувствительности строятся последовательно модель костной ткани, и общего объема обследуемой области тела пациента до и после лечения. Примеры данных операций приведены ниже на рисунках.
Полученные объемы вычитаются попарно, далее считается среднеарифметическое значение разницы объемов, которое вычитается из полученного ранее значения изменения объема пораженной области. Полученное число является погрешностью моделирования, которое следует вычесть из изменения объема пораженной области для получения финального результата.
Vs- Объем костной ткани
Vs1-объем костной ткани до лечения
Vs2- объем костной ткани после лечения
Vs=|Vs2-Vs1|
Vs=| 512.618 - 916.135 |=403.517
Vt- Общий объем обследуемой области тела пациента
Vt1- Общий объем обследуемой области тела пациента до лечения
Vt2- Общий объем обследуемой области тела пациента после лечения
Vt=|Vt2-Vt1|
Vt=| 7173.59 - 9898.63 |=2725.04
Алгоритмические модели
В данном разделе представлены алгоритмыполученные путем сбора и нализа действийспециалистов с целью формализации их действий для последующей оцифровки и занесения в базу знаний.
Рисунок 4 Алгоритм выявления поражения метастазами
2.5 Результаты и выводы по главе 2
Результаты
В результате моделирования функционального модуля информационной системы визуализации медицинских данных созданы следующие модели: созданные в процессе анализа предметной области и использованные в процессе проектирования системы: концептуальные (общая и базово-уровневая), структурная, алгоритмические, функциональные и информационная модели, а так же IDEF0 модель системы, полностью описывающая все уровни проектируемой системы.
Выводы
Полученный пакет моделей моделирования функционального модуля информационной системы визуализации дает представление о концептуальном устройстве модуля и принципах его функционирования, позволяет провести проектирование модуля.
