Ученые из Института вычислительного моделирования ФИЦ КНЦ СО РАН совместно с коллегами из СибГУ имени академика М.Ф. Решетнева, КрасГМУ имени профессора В.Ф. Войно-Ясенецкого и СФУ разработали новый подход к анализу медицинских изображений. Результаты исследований опубликованы в монографии Computer Vision in Control Systems-4 издательства Springer. Цифровая обработка снимков на основе оригинальных алгоритмов и их цветовое кодирование позволяют на 25% уменьшить погрешность измеряемых параметров. Благодаря такой методике хирурги смогут проводить более точную диагностику заболеваний, в том числе и топическую. Обработка медицинских изображений внутренних органов играет важную роль в диагностике и выявлении заболеваний пациентов, страдающих урологическими заболеваниями и грыжесечением. Коллектив ученых из Красноярска предложил вычислительную методику обработки и анализа медицинских изображений, которая позволяет разрабатывать новые алгоритмы в диагностике в урологии и пластической хирургии. Благодаря анализу снимков можно обнаружить неоднородности в ткани, оценить местоположение очага заболевания, его контуры и размеры. При анализе снимков в пластической хирургии для врачей также важно знать морфологические особенности строения ткани. Медицинские снимки, как любое изображение, содержит артефакты, связанные с техническими особенностями получения фотографии. Для повышения качества снимка можно использовать различные фильтры. Красноярские ученые предложили использовать новую методику обработки медицинских изображений, которая в отличие от традиционных, кроме снижения шума, производит цветовое кодирование. Для этого исследователи оптимизировали алгоритмы нескольких фильтров, наиболее часто используемых для предварительной обработки изображений. По сравнению с обычными фильтрами новая методика позволяет повысить точность снимка и уменьшить погрешность измеряемых параметров до 25%. Коллектив математиков и медиков рекомендует следующий алгоритм анализа медицинских изображений: применить фильтры шумоподавления, выделить характерную область заболевания, провести цветовое кодирование на различных масштабах и сформировать полученные данные. «Раскрашивая» разными цветами области поражения ткани на различных масштабах, мы с соавторами выяснили, что алгоритмическое цветовое кодирование позволяет выявить тонкие особенности строения, как изучаемого конкремента, так и пространства вокруг него», - рассказал доктор технических наук, ведущий научный сотрудник Института вычислительного моделирования ФИЦ КНЦ СО РАН Константин Симонов. Такие технологии обработки изображений могут применяться и в других отраслях цифровой медицины - в магнитно-резонансной томографии (МРТ), ультразвуковой визуализации и рентгеновских снимках. Подготовила Дарья Тюльганова Источник