Алгоритм напівавтоматизованого вимірювання товщини комірного простору у плоду

Схема узагальненого алгоритму напівавтоматизованого вимірювання товщини комірного простору у плоду представлена ​​на рис. 6.4. Ультразвукове зображення сагітального перетину плоду отримують за допомогою ультразвукового сканера, після чого зображення проходить попередню обробку з метою фільтрації спекл шуму, виділення зони інтересу. Процес сегментації зони інтересу ультразвукового зображення проводиться з метою виділення безпосередньо зони комірного простору. Далі проводиться виділення країв зони комірного простору. Після цього обчислюється її товщина d. Отримане значення ТКП d разом з даними про вік матері і про концентрацію пов'язаного з вагітністю протеїну плазми крові і вільної β-субодиниці гормону, що виділяється плацентою під час вагітності, використовуються в процедурі розрахунку ризику генетичних відхилень.

Рис. 6.4. Узагальнений алгоритм вимірювання товщини комірного простору у плоду

Однією з головних проблем методу ультразвукової діагностики є спекл-шум, який значно впливає на сприйняття зображення і призводить до того, що воно виглядає «зернистим». Спекл-шуми ускладнюють впровадження алгоритмів автоматичної діагностики. Спекл-шум ─ мультиплікативний шум, який спотворює УЗ зображення, вносячи в нього різкі скачки яскравості ─ білі крапки і провали ─ чорні крапки). Спекл-шум в ультразвукових медичних сканерах викликаний енергетичними перешкодами безладно розподілених відбивачів, занадто малих для того, щоб їх могла відобразити система. Спекл-шум погіршує просторове і контрастне дозвіл ультразвукових зображень, і, таким чином, знижує їх цінність для діагностики. Мета алгоритмів фільтрації ─ усунення шуму без зниження деталізації або, іншими словами, зменшення зернистості ультразвукових зображень. При цьому важливо не згладити зображення малорозмірних об'єктів.

У випадку, якщо дрібні деталі на темних ділянках ультразвукового зображення видно погано, а самі зображення характеризуються низьким контрастом, то з метою підвищення контрасту таких зображень використовують методи зміни гістограми розподілу яскравостей зображення. Суть цих методів полягає в перетворенні яскравостей ультразвукового зображення таким чином, щоб гістограма розподілу яскравостей придбала потрібну форму. Гістограма розподілу яскравості цифрового зображення ─ це дискретна функція, що описує частоту появи (ймовірність) рівня сірого в зображенні і представляється ​​у вигляді графіку. По осі абсцис відкладаються номери градацій рівнів сірого за зростанням (значення інтенсивності), а по осі ординат ─ кількість пікселів, що мають даний рівень сірого (частоту появи даної інтенсивності). Гістограма складається з n стовпців, для напівтонового зображення n =256. Гістограма може свідчити про загальну яскравості і контрасті зображень, тому є цінним методом як кількісної, так і якісної обробки зображення. Оптимальним з точки зору зорового сприйняття людиною є зображення, елементи якого мають рівномірний розподіл яркостей. Покращене ультразвукове зображення можна отримати шляхом вирівнювання гістограми (еквалізації), тобто досягаючи рівномірності розподілу яскравостей обробленого зображення.

Сегментація ультразвукового зображення являє собою поділ зображення на області за подібністю властивостей (ознак) в їх точках. До основних видів сегментації зображень відноситься сегментація за яскравостю, колірним координатам, контурам, формі. При пошуку перепадів яскравості на зображенні використовуються похідні першого і другого порядків. Основна ідея виявлення перепадів базується на пошуку місць зображення, де яскравість змінюється швидко.

Мета обробки зображення комірцевої зони полягає в побудові контуру цієї зони, що є найсуттєвішою деталлю на аналізованому зображенні. Контури несуттєвих деталей зображення, в даному випадку м'яких тканин, тільки заважають при визначенні товщини комірцевої зони, тому їх необхідно видалити. Контур комірцевої зони повинен бути окреслений правильно, без розривів. Однак, присутність інформації про інші структури на зображенні утруднює визначення товщини комірцевої зони. Для покращення результатів перед етапом виділення країв комірцевої зони необхідно застосувати метод вирощування областей ─ групування пікселів або підобластей в більші області за заданим критерієм зростання. При цьому шляхом завдання рівня яскравості ультразвукового зображення, який відповідає комірцевої області, задається центр кристалізації, а потім на нього нарощуються області шляхом додавання до центру тих сусідніх пікселів, які за своїми властивостями близькі до центру кристалізації, тобто мають яскравість в заданому діапазоні.