способ идентификации физиологических систем

Формула изобретения

1. СПОСОБ ИДЕНТИФИКАЦИИ ФИЗИОЛОГИЧЕСКИХ СИСТЕМ, включающий микроскопирование биологических проб, формирование многоканального видеоизображения пробы, подсчет величины биологического признака в пробе и сравнение результатов подсчета с эталонным образцом, отличающийся тем, что в качестве биологического признака берут один из текстурных признаков, а подсчет величины текстурного признака производят в окнах фильтрации видеоизображения.

2. Способ по п.1, отличающийся тем, что количество окон фильтрации определяют степенью увеличения микроскопа и используемым текстурным признаком.

Описание изобретения к патенту

Изобретение относится к способам распознавания физиологического материала и может быть использовано при диагностировании заболеваний путем анализа биологических проб и данных.

В настоящее время в мире наблюдается неуклонный рост физиологических исследований в научной и медицинской практике, в частности, морфометрических исследований биологического материала. До сих пор большинство морфометрических исследований проводится простым (ручным) способом. "Вручную" ведется измерение и подсчет биологических микрообъектов в исследуемом биологическом образце. Учитывая, что значительная часть микрообъектов имеет сложную форму, а биологический материал сложную структуру, "ручная" идентификация очень трудоемка и не исключает субъективизма и личностных факторов, что сказывается на точности диагностирования.

В последние годы разработаны различные автоматизированные системы количественных морфометрических исследований, обзор которых приведен в кн. Г.Г. Автандилова "Медицинская морфометрия". М. "Медицина", 1990, с. 342-351. Некоторые из указанных в книге систем уже используются в практической медицине, например, анализатор напряжения "Интеграл 2МГ", некоторые находятся в стадии экспериментальных испытаний, например, система, раскрытая в докладе А. В.Жуковского и Т.Г.Путина "Особенности использования компьютерной системы анализа изображения на световых микроскопах для целей морфодиагностики и идентификации микробиологических объектов" на I Всесоюзной конференции "Распознавание образов и анализ изображений: новые информационные технологии". Тезисы докладов 14-18 октября 1991 г. в 4 частях. Часть III, секция 3, АН СССР. Минск, 1991 г. с. 56 (прототип).

В известных автоматизированных системах для идентификации физиологических систем (биологических проб) осуществляются следующие операции: микроскопирование препарата; формирование его видеоизображения; выделение на изображении биологических микроструктур, их измерение и подсчет по всему полю изображения в автоматическом режиме; сравнение результатов подсчета с эталонным образцом; по совпадению с результатами эталонного образца диагностирование соответствующего заболевания.

Сложность структуры и форм микрообъектов затрудняет создание математической модели процесса автоматических вычислений. Допуски и усреднения при создании модели снижают точность результатов. (Кн. М.И.Рыбальского "Галлюцинаторные феномены и компьютерная диагностика", М. "Медицина", 1992).

Задача предлагаемого способа упрощение, снижение трудоемкости и повышение достоверности результатов идентификации при автоматическом процессе морфометрических исследований.

Для решения поставленной задачи в способе идентификации физиологических систем, включающем микроскопирование биологической пробы, формирование многоканального видеоизображения пробы, выделение биологического признака, расчет его величины, сравнение результата с эталонным образцом, в качестве биологического признака берется один из текстурных признаков биологической пробы, а величина этого признака подсчитывается в окнах фильтрации видеоизображения.

Количество окон фильтрации определяется степенью увеличения микроскопа и сложностью рисунка микрообъектов текстурного признака и равно 2^mn, где n количество окон фильтрации эталонного образца, а m порядковое число. Вычисление значения текстурного признака при количестве окон больше n осуществляется путем последовательной медианной фильтрации значения признака до получения n результатов.

Основное отличие способа от известных заключается в том, что в нем отсутствует измерение и подсчет количества отдельных конкретных микрообъектов по всему полю исследуемого образца, а осуществляется усреднение в масштабах окон фильтрации изображения результатов вычисления одного признака, причем признака, характеризующего текстуру исследуемого материала. Усреднение производится в масштабах окон фильтрации изображения, соответствующих окнам эталонного образца. В случае превышения окон фильтрации, которое зависит от увеличения микроскопа и сложности рисунка анализируемого признака, осуществляется дальнейшее усреднение результатов путем медианной фильтрации соседних окон, до получения n результатов.

Предлагаемый способ более соответствует моделированию мысленного процесса анализа и идентификации материала экспертом, который на основании имеющегося опыта и воображения воспринимает не отдельные детали изображения, а всю картину в целом, т.е. текстуру материала.

Предлагаемый способ проще известных, менее трудоемкий, исключает ошибки, вызванные помехами электронной аппаратуры при регистрации микрообъектов, и тем самым повышает надежность и достоверность результатов. Кроме того в предлагаемом способе достоверность результатов проверяется многократностью совпадения результатов по разным каналам изображения и по разным текстурным признакам.

Способ реализуется на следующей аппаратуре: микроскоп, видеовыход которого соединен с контрольным монитором, и IВМ совместный компьютер типа АТ.

Специально приготовленный биологический препарат помещают под микроскоп и получают на мониторе видеоизображение. Используя три канала цветного монитора от одного объекта, формируют три видеоизображения, которые поочередно можно включать на экран монитора. Далее производят локализацию окон фильтрации на видеоизображении (разделение изображения на квадраты), и в каждом окне (квадрате) вычисляют один из текстурных признаков. По результатам вычислений осуществляется цветовое кодирование окон (квадратов) для удобства считывания оператором. В результате на мониторе появляется картина из 64 цветных квадратов (8х8). Эта картина сравнивается с эталонным образцом и по их совпадению осуществляется идентификация препарата и диагностирование заболевания.

Аналогичная процедура производится с другими видеоизображениями того же объекта, полученными с двух других каналов монитора. При тройном совпадении результатов с эталонным образцом происходит окончательная идентификация препарата. При несовпадении результатов с разных каналов видеоизображения процедура идентификации повторяется для другого текстурного признака до трехкратного совпадения результатов.

В зависимости от степени увеличения микроскопа количество окон фильтрации О_ф может быть разным, но подчинено равенству О_ф 2^mn, где n- количеcтво окон в эталоне, m- любое порядковое чиcло. Поcле вычиcления значений одного из текcтурных признаков в 2^mn окнах, осуществляется медианная фильтрация этих значений в соседних окнах, в результате получится 2^m-1n значений текстурного признака. Подобная операция должна производится до получения 64 показателей (окон), которые затем сравниваются с эталонным образцом.

Сопровождающая биологический препарат информация об анамнезе формирует путь на дереве гипотез, который определяет процесс автоматической локализации окон на изображении, определения размеров, а также порогов для всех процедур анализа изображения внутри окна.

Результаты, достигнутые с использованием данного способа идентификации препаратов, показали эффективность и надежность способа.

Универсальность подхода к распознаванию физиологических систем позволяет распространить предлагаемый способ во многих областях: гистологии, эмбриологии, цитологии, гистохимии, электроэнцефалографии, нейрофизиологии, магнитоэнцефалографии, при клинических лабораторных исследованиях, связанных с микроскопией, а также в геологии, метеорологии, металлургии.