изображений "Биоскан-АТ", разработанная на базе Минского государственного

мединститута. "Биоскан-АТ" представляет собой высокоинтегрированную гибкую

аналитическую систему, основной принцип построения которой - получение

предельно широких возможностей для обработки и анализа изображений за счет

развитого и оптимизированного программного обеспечения при минимальной

сложности аппаратной части.

Особенноссистемы "Биоскан-АТ" является одномониторное исполнение. “Биоскан-

АТ” представляет собой многооконную интерактивную среду. Он содержит все

функциональные возможности современных анализаторов изображений известных

западных фирм при существенном снижении стоимости. Многооконная графическая

среда дает ряд преимуществ: одновременное отображение нескольких кадров,

работа с кадрами большого формата за счет скроллинга (прокрутки) изображения

внутри окна , экономия места на экране при использовании накладывающихся

окон. Проблема получения изображения непосредственно с телекамеры, что

является необходимым для поиска объекта исследования, регулировки

освещенности, наведения на резкость решена в системе "Биоскан-АТ" на

аппаратном уровне установкой в компьютер специального устройства ввода

изображения. Другой важной особенностью проектируемой системы является

встроенный интерпретатор языка высокого уровня, позволяющий выполнять

программу анализа изображений в автоматическом режиме. Система "Биоскан-АТ"

комплектуется дигитайзером - устройством кодирования графической информации

повышенной точности, использующимся для управления системой, редактирования

изображений и полуавтоматических измерений. Возможна замена дигитайзера

манипулятором "мышь", однако это увеличивает погрешность измерений и

исключает возможность работы с фотографиями, картами и рисунками. Встроенные

в систему функции обработки и анализа изображений реализуют большинство

известных в настоящее время подходов к получению, коррекции, преобразованию,

измерению, реконструкции и хранению изображений, в том числе методы

математической морфологии нового поколения. Система находится в непрерывном

развитии и постоянно расширяется новыми функциями и возможностями.

ГЛАВА 3. Экспериментальная часть.

3.1. Морфологическое исследование поражения нейронов вирусом простого

герпеса.

В ходе работы проводился анализ поражения коры головного мозга человека (поля

4) на поражение нейронов вирусом герпеса. Для исследования отбирался материал

по возрасту 60-70 лет, форма хронического заболевания, использовалась

классификация нейронов на поражение первого (ВПГ1) и второго типа (ВПГ2).

Посредством анализатора изображений измерялись и подсчитывались

характеристики ядер всех пирамидальных нейронов, одновременно проводилась их

классификация по виду поражения. Измерялись следующие характеристики:

количество клеток на единицу площади, площадь, фактор формы, средняя

полутоновая величина и ядерно-цитоплазматическое отношение.

Нейроны головного мозга человека являются сложным объектом для анализа их

изображений, это связано с некоторыми проблемами при приготовлении препаратов

и подготовке тканей. Поэтому для их выделения и классификации была

разработана специальная программа на языке интерпретатора системы анализа

изображений Bioscan по следующему алгоритму:

1. Захват изображения;

2. Адаптивная сегментация изображения;

3. Удаление ложных объектов, которые не являются нейронами:

a) уничтожение объектов с площадью меньше или равной 30

пиксел(удаление шумов);

b) уничтожение объектов с фактором формы, близким к 1

(это глиальные клетки);

c) выделение объектов с площадью больше или равной 30 пиксел.

4. Выделение нейронов из полутонового изображения посредством

операции конъюнкции.

5. Выделение ядер нейронов посредством пороговой сегментации.

6. Измерение характеристик ядер по типу поражения;

параметрами для классификации являются ядерно-цитоплазматическое отношение[],

среднее значение полутоновой величины.

В результате измерения были получены базы данных, содержащие описание

геометрических характеристик пораженных нейронов по каждому случаю болезни.

3.2. Статистический анализ.

Затем проводился элементарный статистический анализ полученных данных.

Каждый человеческий организм имеет множество характеристик, которые отличают

его от других. В данном случае это плотность нейронов на единицу площади и

размеры площади, которые несут одинаковую функциональную нагрузку. Поэтому,

чтобы получить статистическую устойчивость характеристик исследуемого

материала, изучался процент среднего количества нейронов данного класса в

единице площади. Использование среднего количества в единице площади

позволяет избавиться от зависимости от плотности нейронов. Использование

процента среднего количества на единицу площади позволяет избавиться от

зависимости от размеров площадей коры головного мозга, которые несут

одинаковую функциональную нагрузку.

В процессе вычислений были получены значения следующих величин: среднего

значения, дисперсии и среднеквадратичной ошибки.

ТАБЛИЦА 1. Зависимость активности заболевания от количества пораженных клеток.

Активность заболевания в месяцах		Здоровые клетки	Клетки с поражением 1-го типа	Клетки с поражением 2-го типа
7-9	Дисперсия	1.17´10-2	1.45 ´10-3	4.56´10-4
	Среднее	0.35	0.51	3.49´10-2
9-11	Дисперсия	9.77´10-3	9.51´10-4	3.66´10-4
	Среднее	0.41	0.54	2.94´10-2
11-24	Дисперсия	1.1´10-2	3.89´10-4	3.83´10-4
	Среднее	0.40	0.54	3.24´10-2
20-42	Дисперсия	1.40´10-2	7.90´10-4	6.27´10-5
	Среднее	0.36	0.51	6.73´10-2
36-60	Дисперсия	1.57´10-3	3.87´10-4	3.67´10-5
	Среднее	0.45	0.50	6.13´10-2
60-120	Дисперсия	5.94´10-4	3.95´10-4	1.72´10-4
	Среднее	0.42	0.51	6.65´10-2

Для того чтобы получить зависимости количественных характеристик клеток с

поражением определённого типа от активности заболевания проводился

регрессионный анализ. Функция, позволяющая по величине одного признака

находить средние(ожидаемые) значения другого признака, связанного с первым

корреляционно, называется регрессией. Статистический анализ регрессии

называют регрессионным анализом; он позволяет судить о том, на сколько в

среднем может измениться варьирующий признак при изменении на единицу

измерения другого, связанного с ним признака.

Зависимость между биологическими признаками может быть самой разнообразной. В

большем числе случаев эмпирические регрессии выражаются простым уравнением

линейной зависимости:

,

где - ожидаемое

значение переменной Y, соответствующее заданному значению переменной Х; a и b -

параметры уравнения; а служит свободным членом, а b является показателем

пропорциональности, называемым коэффициентом регрессии.

Регрессионный анализ проводится следующим образом. Из нескольких

математических моделей выбирается та, которая с большей точностью описывает

экспериментальную зависимость (по максимуму коэффициента корреляции, по

минимуму стандартной ошибки и т.п.). Для описания экспериментальных

зависимостей в работе были использованы следующие модели:

1.линейная модель: ;

2.логистическая: ;

Линейная модель применима для зависимостей, у которых первая производная

(скорость изменения Y) постоянна. Логистическая модель используется для

описания ограниченных монотонно возрастающих и монотонно убывающих

экспериментальных зависимостей в случае двух пределов. В данной модели

значение параметра "а" определяет нижний предел, а значение параметра "b" -

расстояние между нижним и верхним пределами.

3.2. Построение модели заболевания.

В результате анализа полученных данных можно сделать вывод о том, что процесс

поражения ВПГ не является линейным , поэтому для его характеристики с

помощью линейных уравнений необходимо использовать систему, которая описывает

как средние величины исследуемых характеристик, так и величину,

характеризующую разброс, т.е. дисперсию.

;

;

;

где:

Y0-процент количества здоровых клеток на единицу площади ,

Y1-процент количества пораженных клеток первого типа на единицу площади,

Y2-процент количества пораженных клеток второго типа на единицу площади,

Х- длительность заболевания (в месяцах).

Следует отметить,

что разброс исследуемой характеристики по каждому типу поражения клеток

определяется длительностью заболевания. При длительности 5 месяцев дисперсия

составляет примерно 4,88·10-2 (при средней величине характеристики

0,5), после 10 месяцев она стремится к 0. Т.е. система имеет малые погрешности

при условии большой длительности заболевания (слабой активности вируса), при

уменьшении продолжительности система теряет свою устойчивость.

Это приводит к выводу, что активность заболевания характеризуется

статистическим разбросом количества пораженных клеток, следовательно, система

является нелинейной. В зависимости от возраста меняется дисперсия, которая

описывается следующей системой уравнений:

;

; ;

где

-дисперсия процента количества здоровых клеток на единицу площади,

-дисперсия процента

количества пораженных клеток первого типа на единицу площади,

-дисперсия процента

количества пораженных клеток второго типа на единицу площади,

Х- длительность заболевания (в месяцах).

Данная система способна совершать хаотические переходы между различными

устойчивыми состояниями, что требует дополнительного

исследования.?????????????

3.3. Анализ результатов.

При исследовании геометрических характеристик нейронов, пораженных ВПГ, были

выявлены следующие особенности:

1. ............................... Из этого следует, что

..................................

2. ......................

Измерение характеристик ............. показало, что зависимость

................. Таким образом, целесообразно использование

...................................

В процессе исследований для ..........................предложен и реализован

метод .......................... Суть этого метода состоит

в.....................

ЗАКЛЮЧЕНИЕ.

В ходе проведенной работы исследовалось поражение центральной нервной системы

вирусом простого герпеса. Были измерены различные геометрические

характеристики пораженных и здоровых нейронов. Проводился подсчет нейронов и

их классификация на три класса: здоровые, пораженные ВПГ1 и пораженные ВПГ2.

Классификация проводилась по морфологическим особенностям, которые

описываются геометрическими параметрами.

Для того, чтобы избавиться от влияния таких характеристик, как размер

выборки и исследуемого участка ткани, был подобран статистически устойчивый в

этом отношении параметр: процент среднего количества на единицу площади.

В ходе исследования были построены зависимости, из которых видно, что система

поражения вирусом носит явно нелинейный характер.Из-за недостаточного

количества данных для построения нелинейной модели, система была описана

уравнениями, описывающими изменения средней величины и дисперсии.

Полученные уравнения полностью адекватны экспериментальным данным . Это

позволяет сделать вывод о том, среднее количество клеток, пораженных ВПГ1 и

ВПГ2, вопреки сложившемуся мнению, слабо характеризует активность заболевания

и не может являться достоверным для диагностики параметром.

Данная работа имеет как научное, так и практическое значение. Разработанная

модель показывает картину течения заболевания и будет использована в

патологоанатомии при заключениях о правильности и своевременности

поставленных диагнозов, что позволит в будущем корректировать методы лечения.

Очевидность того, что система поражения вирусом нервной системы носит

нелинейный характер оправергает существующее мнение о простой картине

заболевания и указывает направление для новых научных исследований.

ЛИТЕРАТУРА:

1. Иваницкий Г.Р., Кринский В.И., Сельков Е.Е. Математическая биофизика

клетки. - М.: Наука, 1978.-312с.

2. Михайленко А.А. Клинико-патогенетическая классификация нервной системы

герпетической этиологии. // Материалы 3-го съезда невропатологов и

психиаторов Белоруссии. - Минск

Страницы: 1, 2, 3, 4, 5