СОДЕРЖАНИЕ

Введение

В настоящее время моделирование и трёхмерная реконструкция всё чаще применяются как прикладные инструменты в различных областях. К таким областям, в частности, относится и медицина. Сегодня, при появлении новых, ранее не известных науке заболеваний, врачам всё сложнее ставить правильные диагнозы при обследовании пациентов, а при проведении высокоточного хирургического вмешательства необходимо иметь как можно более подробное представление о состоянии внутренних органов, а также о механизмах, протекающих на клеточном уровне. Например, часто требуется точно построить трёхмерную модель кости человека для последующего выбора оптимального протеза или спланировать стоматологические операции, такие как имплантация зубов, остеопластика, синус-лифтинг и др. [2] Создание интерактивных телемедицинских систем [1, 2], включающих модули трёхмерной реконструкции и моделирования данных компьютерной томографии, существенным образом упрощает работу врачей как конечных пользователей таких систем. Трёхмерная реконструкция органов пациента повышает информативность исследования и позволяет эффективнее выстраивать план его лечения.

Другой сферой применения моделирования и реконструкции данных являются исследования в молекулярной биологии [3, 4, 5]. Особую важность представляет собой исследование природы синаптической активности клеток головного мозга (нейронов) на определённом промежутке времени, а также участия в данном процессе межклеточных образований – астроцитов [5]. Средства виртуальной реальности позволяют проводить вычислительные эксперименты гораздо удобнее: использование лабораторных образцов становится необходимым только для получения исходных данных.

Во многих случаях для установления диагноза врач зрительно анализирует изображения отдельных сечений объекта, полученных при томографическом обследовании. Однако, для некоторых клинических задач, подобных хирургическому планированию, необходимо понимать 3D-структуру данных во всей её сложности, вплоть до мельчайших деталей. Практика свидетельствует, что «умозрительная реконструкция» объектов по изображениям их сечений чрезвычайно трудна и сильно зависит от опыта и воображения наблюдателя. В таких случаях хотелось бы уметь представлять человеческие органы такими, какими их увидел бы хирург или анатом. Поэтому актуальность представляет собой не только задача трёхмерной реконструкции и моделирования всех исходных данных как единого целого, но и их отдельных частей, соответствующих разным объектам (внутренним органам, клеткам и т.п.)

3

Извлечение информации об объектах из исходных данных, перед их 3Dреконструкцией, может включать в себя несколько этапов: фильтрацию, сегментацию и идентификацию [9]. Фильтрация проводится для общего улучшения качества при построении трёхмерной модели, сегментация используется непосредственно для разделения исходных данных на разные объекты или их части, а и дентификация требуется для сопоставления объектов из отдельных сегментов в единое целое, а также их классификации.

Впроцессе выполнения каждого из вышеперечисленных этапов приходится сталкиваться с определёнными трудностями. Во-первых, исходные данные могут быть сильно зашумлёнными вследствие шума аппаратуры, используемой для их получения; при этом шум по своим размерам и текстуре иногда очень похож на объекты, представляющие интерес для исследований, – например, части клеток мозга. Кроме того, ограничения на оперативную память часто не позволяют работать сразу со всем набором исходных данных, а только лишь с его конкретной порцией, меньшей по размеру и/или по разрешению снимков, вследствие чего невозможно воссоздать трёхмерную модель целиком. Наконец, может отсутствовать какая бы то ни было априорная информация об интересующих пользователя объектах (их положении, текстуре, метрических характеристиках и т.д.), а отличить объекты друг от друга может только эксперт в данной предметной области. В этом становится актуальной автоматизация процесса поиска всевозможных объектов, представляющих интерес, для их дальнейшей трёхмерной реконструкции.

Врамках данной работы ставилась задача разработать экспериментальную программную систему, осуществляющую решение задачи 3D-реконструкции объектов по данным компьютерной томографии и электронной микроскопии в полуавтоматическом режиме. Основная часть работы состоит из 3 разделов. В первом разделе приводится краткий обзор известных на сегодняшний день программных систем и методов, используемых для реконструкции объектов по биомедицинским данным. Во втором разделе излагаются конкретные модели, методы и алгоритмы, которые были применены для разработки программной системы. При этом основное внимание уделяется сегментации исходных данных, фильтрации полученных сегментов и автоматической идентификации объектов. В третьем разделе приводится описание разработанного программного комплекса.

4

1. Программные системы и методы 3D-реконструкции биомедицинских данных

1.1. Обзор программных комплексов

На сегодняшний день существует мало систем (как свободно распространяемых, так и коммерческих) по реконструкции данных с томографов или электронных микроскопов. Одной из таких систем является SynapseWeb – проект Laboratory of Synapse Structure and Function [6]. Данное свободно распространяемое программное обеспечение предназначено, в первую очередь, для реконструкции серии изображений, полученных с электронного микроскопа, а также для редактирования, выравнивания исследуемых снимков, выделения различных областей, измерения расстояний на них и пр.

Для работы с системой пользователь должен загрузить серию снимков (например, в формате jpg), сделать нужную калибровку, далее на каждом снимке необходимо выделить часть, которую требуется реконструировать. Процесс выделения областей на каждом снимке не автоматизирован, что в конечном итоге может привести к ошибке в финальном результате, так как пользователю не всегда понятно, как данный элемент будет выглядеть на следующем снимке. Интерфейс программы представлен на рис. 1,

Рис. 1. Внешний вид главного окна программы SynapseWeb

где показан загруженный снимок; красным контуром выделена часть объекта, который пользователь выбрал для реконструкции. На всех последующих снимках пользователь

5

должен отследить этот объект и так же выделить его. При этом можно выделять сразу несколько объектов на одном слое. Далее в разделе объектов пользователь выбирает те объекты, которые нужно реконструировать. Результатом реконструкции каждого объекта является 3D-модель, которая выглядит следующим образом:

Рис. 2. Пример реконструированной 3D-модели объекта

Система также предоставляет статистику по построенной модели (количество вершин, объектов и др.) Её преимуществом является то, что пользователь может получить общее представление о 3D-модели, даже при не совсем аккуратном выделении объекта на каждом снимке. При большом опыте исследователя и правильном выделении получается адекватная модель. Также система предоставляет широкие возможности редактирования снимков и имеет подробный документ по эксплуатации. К основному недостатку можно отнести то, что система выделения объекта на каждом слое не автоматизирована. Ошибка в выделении области может привести к ошибке в построении 3D-модели. Можно также отметить недружественный интерфейс.

Ещё одной свободно распространяемой системой является EM3D 2.0 [7]. Это программное обеспечение, разработанное в Стэндфордском университете, предназначено для анализа, обработки и визуализации данных с электронного микроскопа. Система восстанавливает трёхмерную поверхность по тестовой серии снимков, идущей с ней в комплекте, однако на произвольной последовательности снимков ведёт себя нестабильно, позволяет смотреть только проекции на различные плоскости. На рис. 3 показан её интерфейс:

6

Рис. 3. Интерфейс системы EM3D 2.0, визуализация XY-вида и поперечных видов

Визуализатор, встроенный в систему, выглядит следующим образом:

Рис. 4. Визуализатор 3D-моделей объектов в системе EM3D 2.0

К преимуществам системы может быть отнесено то, что на специально подобранных снимках с конкретного электронного микроскопа модель реконструируется очень точно. Система также предоставляет возможность расчёта и оценки расстояний на снимке, а также

7

сегментации набора данных для более точной реконструкции. Также к ней прилагается хорошее руководство пользователя.

К недостаткам можно отнести то, что система предназначена для обработки изображений, полученных только с одного, определённого микроскопа. На других данных система может проявлять нестабильность, часто выдавать ошибки и аварийно завершать работу при загрузке больших объёмов данных. Кроме того, интерфейс системы перегружен и не является интуитивно-понятным для пользователя.

Бесплатно распространяемая cистема IMOD, разработанная в Boulder Laboratory For 3- D Electron Microscopy of Cells [8], предназначена для 3D-реконструкции и моделирования по данным томограмм и снимков с электронных микроскопов. Это достаточно мощный инструментарий, который предназначен для решения проблем, возникающих при реконструкции, в частности, для работы с очень большими наборами данных. Система также позволяет выравнивать изображения, смотреть проекции по срезам, отображать и моделировать данные, полученные из различных графических файлов (рис. 5). К недостаткам можно отнести сложную установку системы – для этого необходим предварительно поставленный эмулятор ОС Linux Cygwin, а также CUDA и другие дополнительные библиотеки. К преимуществам можно отнести то, что к системе прилагаются подробные видео-инструкции, предназначенные для обучения работы с её интерфейсом. Также стоит отметить, что система работает на любой платформе.

Рис. 5. Главное окно системы IMOD

8