ИСТИНА

Создание математических методов обработки и анализа изображений, ориентированных на использование в медицине, очень важно. Это обусловлено целым рядом причин, включающим в себя, в том числе: - необходимость обработки специальных видов и классов изображений, получаемых на новых приборах различных модальностей, интенсивно разрабатываемых в настоящее время; - резко возросшими возможностями совместного анализа медицинских данных, полученных с различных приборов (например, совместная обработка данных МРТ и УЗИ); необходимостью создания компьютерных методов поддержки диагностических решений для врачей (в ряде случаев не являющимися специалистами, имеющими большой опыт работы с данным классом изображений) и др. Это направление имеет большой потенциал. Она позволяет осуществлять массовую диагностику с минимальным участием врачей, сокращает время на анализ изображений и имеет положительный эффект для бюджета здравоохранения. В то же время, необходимой составляющей всех этих методов является эффективное решение задачи повышения качества входной информации, поскольку во многих случаях медицинские изображения не имеют достаточно высокого разрешения, получены при недостаточно большой частоте кадров, обладают различными артефактами, характерными для конкретной медицинской модальности и т.д. Проект направлен на разработку новых оригинальных методов решения задач предобработки и повышения качества медицинских изображений, основанных на синтезе идей регуляризирующих методов и методов адаптивной деформации пиксельной сетки. В рамках проекта планируется провести не только разработку методов, но и их практическую реализацию для ряда классов медицинских изображений. Разработанные общие методы повышения качества и предобработки медицинских изображений будут адаптированы для следующих классов: изображения магнитно-резонансной томографии, изображения глазного дна, изображения ультразвукового допплеровского сканирования и др.

Development of new image processing and analysis methods for medical applications is a very important task. This is caused by many reasons including: – necessity to process special types and classes of images that are obtained with new recently constructed devices of different modalities; - fast increasing possibilities of joint analysis of different modality medical data obtained from different devices (an example is joint MRI and US data processing); - necessity to design diagnosis solution support computer methods for doctors (in some cases they do not have enough experience of work with the given image class), etc. This activity has a big potential. It enables to carry out massive diagnostics with a minimum participation of doctors, shorten the time of image analysis and has a positive effect for the public health budget. At the same time, an effective solving of the input information quality enhancement task is an essential component of all these methods. It is caused by the fact that in many cases medical images are of a low resolution, are obtained with an insufficient frame rate, have different artifacts that are inherent for the specific modality, etc. The aim of the project is to develop new original methods for medical image preprocessing and enhancement based on the synthesis of the regularizing methods and adaptive pixel grid warping. It is planned in the project to perform not only devlopment but also perform practical realization of the developed methods for some medical image classes. The developed general image enhancement and preprocessing methods will be applied to the following classes: MRI images, retinal images, Doppler ultrasound scans and other.

Ключевой идеей проекта является применение синтеза оригинального метода адаптивной деформации пиксельной сетки изображения и регуляризирующих методов для повышения качества медицинских изображений. Метод деформации пиксельной сетки изображения может быть применён как самостоятельный алгоритм, так и включён в состав различных алгоритмов обработки и анализа медицинских изображений с целью повышения качества результата. Разработка метода деформации пиксельной сетки изображения задействует математический аппарат решения уравнений математической физики, в частности методы оптимизации, методы математического моделирования, численные методы решения уравнений в частных производных. Предлагается использование метода деформации пиксельной сетки в качестве дополнения для задач суперразрешения, подавления эффекта Гиббса, регуляризирующих методов повышения качества медицинских изображений и задачи обнаружения различных структур на изображениях глазного дна. Разработка алгоритма суперразрешения медицинских изображений предполагает разработку и использование следующих методов: - метод вычисления векторов движения с субпиксельной точности; - алгоритм обнаружения областей несоответствия между изображениями; - регуляризирующий метод нахождения решения задачи суперразрешения и численный метод минимизации регуляризирующего функционала. Для разработки алгоритма подавления эффекта Гиббса на изображениях магнитно-резонансной томографии необходимы методы: - метод обнаружения, оценки уровня и локализации эффекта Гиббса с использованием метода разреженных представлений; - метод обнаружения базовых контуров — резких контуров, удалённых от других контуров, пригодных для анализа уровня эффекта Гиббса и контроля качества изображений; - регуляризирующий метод проекции на множество изображений с ограниченной полной вариацией. Решение задачи восстановление фазы доплеровского ультразвукового сигнала будет основано на использовании итерационных регуляризирующих методов. Результаты планируется опубликовать в серии статей (не менее 10 статей). Серия статей будет включать не менее 4 статей в журналах WoS, в том числе, не менее 1 статьи с JCR > 2 и 1 статьи с 1<JCR<2, и, кроме того, 3 статей в журналах Scopus. Будет сделано не менее 10 докладов на международных конференциях, включая не менее 4 докладов на ведущих международных конференциях в области обработки изображений. К ведущим конференциям по тематике исследования относятся: IEEE ICIP (International Conference on Image Processing), IAPR ICPR (International Conference on Pattern Recognition), IEEE ICASSP (International Conference on Acoustics, Speech and Signal Processing) и MICCAI (International Conference on Medical Image Computing and Computer Assisted Intervention). Планируются доклады на международных конференциях: ICIAR ( International Conference on Image Analysis and Recognition), GraphiCon (International Conference on Computer Graphics and Vision) и других.

Научной группой было разработано и опубликовано значительное количество математических методов обработки изображений, в том числе ряд методов был использован для обработки медицинских изображений: - Регуляризирующий алгоритм обнаружения и подавления эффекта Гиббса на изображениях. - Регуляризирующий алгоритм восстановления неполных и зашумленных изображений по фазе доплеровского ультразвукового сканирования. - Вариационный метод обработки и анализа ультразвуковых дерматологических изображений. - Вычислительный метод обнаружения поражений мозга при диффузно-аксональном повреждении по данным магнитно-резонансной томографии. - Алгоритм антиалиасинга изображения фазы доплеровского ультразвукового сканирования сердца. - Алгоритм анализа уровня размытости контуров на изображениях. - Алгоритм обнаружения различных структур на изображениях глазного дна. Указанные алгоритмы были опубликованы в международных журналах и представлены на международных конференциях. Группой также была создана программа для анализа изображений сетчатки глаза.

Все запланированные в рамках проекта научные результаты достигнуты. В 2014 были получены следующие результаты: 1. Разработаны основные составляющие алгоритма повышения качества контуров на изображении. Алгоритм включает в себя: - одномерный алгоритм деформации пиксельной сетки; - двумерный алгоритм деформации пиксельной сетки, основанный на решении задачи Дирихле для уравнения Пуассона; - метод интерполяции после деформации координат в узлах сетки пикселей исходного изображения. 2. Создан базовый алгоритм суперразрешения медицинских изображений по нескольким входным изображениям, включающий в себя: - метод вычисления векторов движения, основанный на комбинации блочного подхода и методов оптического потока; - метод обнаружения несоответствий между фрагментами входных изображений для задачи суперразрешения медицинских изображений; - применение деформационного алгоритма к векторам движения на этапе реконструкции изображения высокого разрешения. 3. Создан алгоритм предобработки изображений гистологических срезов, включающий в себя аффинный метод совмещения изображений в последовательности гистологических срезов. 4. Создан алгоритм обнаружения эффекта Гиббса на основе анализа профиля контура с помощью метода разреженных представлений. 5. Разработан регуляризирующий алгоритм совместной обработки кадров видеоданных в задаче восстановления фазы допплеровского ультразвукового сигнала. В 2015 году: 1. Создан двухмерный алгоритм деформации пиксельной сетки, основанный на неитерационном методе вычисления векторного поля смещения пикселей, и результаты анализа выбора функции целевой плотности пикселей для задачи повышения качества контуров на изображении. Создан алгоритм деформации пиксельной сетки для трёхмерных изображений. 2. Разработан метод предобработки последовательностей гистологических срезов, включающий в себя алгоритмы совмещения, восстановления порядка следования и выделения характерных структур. 3. Создан алгоритм повышения качества медицинских изображений с помощью комбинации регуляризирующих методов и метода деформации пиксельной сетки для задач повышения резкости, повышения разрешения и подавления эффекта Гиббса. 4. Разработан алгоритм суперразрешения медицинских изображений по нескольким входным изображениям, включающий в себя метод вычисления векторов движения, основанный на комбинации блочного подхода и методов оптического потока с использованием иерархического подхода; алгоритм приведения характеристик используемых в задаче суперразрешения входных изображений к одному уровню; алгоритм нахождения приближённого решения задачи суперразрешения медицинских изображений с использованием взвешенного медианного усреднения с адаптивным выбором весов. 5. Разработан алгоритм обнаружения и определения уровня эффекта Гиббса и ложного оконтуривания на основе блочного анализа базовых контуров с помощью метода разреженных представлений. 6. Создан набор модельных данных и модифицированных экспериментальных ультразвуковых данных для проведения тестов и оптимизации восстановления фазы доплеровского ультразвукового сканирования сердца. 7. Разработан метод восстановления фазы доплеровского ультразвукового сигнала, учитывающий трёхмерную информацию. В 2016 году: 1. Разработана параллельная реализация двухмерного алгоритма деформации пиксельной сетки для задачи повышения резкости контуров на изображении. 2. Создан двухмерный алгоритм деформации пиксельной сетки в областях, включающих и контуры, и текстуры. 3. Разработан регуляризирующий метод вычисления векторов движения для изображений с областями, в которых невозможно однозначное определение векторов движения. 4. Разработан метод ресамплинга изображений и видеоданных на основе адаптивного выбора ядра интерполяции. 5. Разработана параллельная реализация алгоритма суперразрешения медицинских изображений. 6. Создан алгоритм обнаружения, определения уровня и подавления эффекта Гиббса на медицинских изображениях с использованием методов разреженных представлений и деформации пиксельной сетки. 7. Исследована задача восстановления фазы доплеровского ультразвукового сигнала и потоков крови по мультимодальным данным. Проведена валидация результата восстановления фазы доплеровского ультразвукового сигнала и потоков крови. 8. Разработан метод подавления спеклов на УЗИ, основанный на минимизации полной вариации с учетом мультипликативной модели шума.