CC BY
191
JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2016 - V. 23, № 4 - P. 307-315
УДК: 004.932 DOI: 10.12737/23880
АНАЛИЗ ИНСТРУМЕНТАЛЬНЫХ СРЕДСТВ ОБРАБОТКИ И ВИЗУАЛИЗАЦИИ БИОМЕДИЦИНСКИХ ДАННЫХ МАГНИТНО-РЕЗОНАНСНОЙ ТОМОГРАФИИ
(обзор литературы)
В.П. ФРАЛЕНКО*, М.В. ХАЧУМОВ**, М.В. ШУСТОВА*
*Институт программных систем им. А.К. Айламазяна РАН, ул. Петра Первого, 4«а», с. Веськово, Переславский район, Ярославская область, 152021, Россия **Федеральный исследовательский центр «Информатика и управление» Российской академии наук.
Институт системного анализа, пр-т 60-летия Октября, 9, Москва, 117312, Россия
Аннотация. В статье дан аналитический обзор современного состояния проблем обработки и визуализации данных магнитно-резонансной томографии. Показана целесообразность объединения инструментальных средств, представленных в различных программах с открытыми кодами и научных публикациях последних лет, в единый программно-инструментальный комплекс, решающий в полном объеме задачи предварительной обработки и фильтрация данных, направленной высокоточной тематической сегментации и анализа снимков, формирования признакового пространства, распознавания ситуации, 30-моделирования и визуализации. Комплекс предназначен для экспертной поддержки принятия решений врачей-исследователей в процессе проведения научных экспериментов. Поддержка основывается на применении новых методов текстурного анализа области головного мозга, эффективных метрик и развитых средств когнитивной машинной графики. Важной особенностью комплекса должен стать интерактивный режим работы врача-исследователя с данными МРТ, который может быть обеспечен применением высокопроизводительных вычислений с программной поддержкой аппаратных ускорителей. Предполагается, что он позволит проводить исследования патологических процессов в головном мозге животных, изучать пути миграции трансплантированных ме-зенхимальных стволовых клеток в норме и при экспериментальном ишемическом повреждении мозга реципиента. Работы ведутся в рамках междисциплинарного проекта Российского фонда фундаментальных исследований.
Ключевые слова: обработка данных, визуализация, магнитно-резонансная томография, программное обеспечение.
ANALYSIS OF INSTRUMENTAL MEANS PROCESSING AND VISUALIZATION OF BIOMEDICAL
DATA OF MAGNETIC RESONANCE IMAGING
V.P FRALENKO*, M.V. KHACHUMOV**, M.V. SHUSTOVA*
*Aylamazyan Program Systems Institute of RAS, Peter Pervy's street, 4 "and", s. Veskovo, The pereslavskiy region, 4Roslavskaya Oblast, 152021, Russia **ISA FRC CSC RAS, the 60 years of the Octobre, 9, Moscow, 117312, Russia
Abstract. The article gives an analytical overview of the current state of processing problems and visualization of magnetic resonance imaging. It is presented the expediency of combining of instrumental means, presented in various open source programs and scientific publications in recent years, into a single programtool complex solving in full problems of pre-processing and filtering data, directed precision thematic segmentation and analysis of images, forming the feature space, recognition of the situation, 3D modeling and visualization. The complex is designed for expert decision support of doctors-researchers in the process of carrying out scientific experiments. Support is based on the application of new methods of the brain area texture analysis, effective metrics and advanced means of cognitive computer graphics. An important feature of the complex must be the interactive operating mode of the doctor-researcher with MRI data, which can be provided by applying high performance computing with software support of hardware accelerators.
JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2016 - V. 23, № 4 - P. 307-315
It is supposed that it will allow to carrying out researches of pathological processes in the brain of animals, to study ways of migration of transplanted mesenchymal stem cells in normal and in experimental ischemic damage of the brain of the recipient. Research is carried out within the interdisciplinary project of the Russian Foundation for Basic Research.
Key words: data processing, visualization, magnetic resonance imaging, software.
Проведен аналитический обзор современной научно-технической литературы, затрагивающей научную проблему обработки и когнитивной визуализации многомерных биомедицинских данных магнитно-резонансной томографии (МРТ). Обзор направлен на выявление новых эффективных инструментальных средств для решения ряда актуальных задач, включая анализ возникновения и развития ишемиче-ских повреждений, прижизненную визуализацию и анализ путей миграции меченых клеток, таких как мезенхимальные стволовые клетки (МСК) после трансплантации реципиенту. К инструментальным средствам предъявляются требования наглядного, полного и точного анализа данных МРТ и гистологических исследований в ходе проведения экспериментов и поддержки принятия решений врачей-исследователей. Предполагается, что полученные знания позволят разработать информационно-аналитические модели, методы, алгоритмы и программное обеспечение для поддержки проведения научных исследований головного мозга животных при экспериментальном ише-мическом повреждении. Настоящая работа призвана объединить накопленный опыт врачей, ученых и инженеров для построения инструментальных средств поддержки проведения научных исследований.
Выполненный обзор методов обработки и визуализации данных МРТ включает анализ современных источников предметной области. Основная цель - получение полного представления о требованиях и существующих возможностях разработки современного программного комплекса, удобного для врачей-исследователей. Основу метода научного исследования составляют поиск, обобщение и систематизация информации предметной области. В соответствии с этим все материалы исследования (статьи, монографии, диссертации, методическое и программное обеспечение) подвергнуты критическому анализу с целью выявления наиболее существенных сторон такого научного направления как обработка и ви-
зуализация данных МРТ.
МРТ является общепринятым и удобным для перенесения в клиническую практику методом, поставляющим данные для последующей обработки и визуализации [11,25]. МРТ обладает хорошим мягкотканым контрастом, что особенно необходимо при визуализации мозга, мышц, сердца и опухолей. Современные подходы к визуализации актуальны для головного мозга, имеющего сложную цитоархитек-тонику. За последнее десятилетие в мире разработано большое количество профессиональных систем обработки и различных визуализа-торов данных МРТ. Среди инструментальных средств отметим специализированную программу «BET» (Brain Extraction Tool) [18], служащую для выделения области мозга, оценки внутренней и внешней поверхности черепа и наружной поверхности волосистой части головы. Программа «NiftySeg» [26] содержит набор алгоритмов для сегментации и анализа изображений, оценки толщины коры мозга и пр. Такие средства как «RadiAnt DICOM Viewer» [28] и «ImageJ» [21] используются в основном для визуализации. Программа «xjView» [33] позволяет просматривать МРТ-изображения в различных режимах («Glass View», «Section View», «3D Render View», «Slice View»). Визуализатор «Novo Spark» [27] является мощным приложением для просмотра и качественного анализа многомерных данных. Кроссплатформенная система «3D Slicer» [35] отличается широким функционалом за счет большого количества модулей. Визуализатор «MRIcron» [24] содержит утилиту «dcm2nii», конвертирующую DICOM-файлы в файлы формата «NIfTI», востребованного в средствах обработки данных МРТ. Важно, что практически все перечисленные программы имеют открытые исходные коды и распространяются без лицензионных ограничений. Тем не менее, при ближайшем рассмотрении оказывается, что имеющихся программных средств недостаточно для решения конкретных специализированных задач, в частности детального анализа данных МРТ и при-
JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2016 - V. 23, № 4 - P. 307-315
жизненной визуализации трансплантированных МСК в головном мозге реципиентов. В настоящее время нет единого отечественного автоматизированного программного комплекса и соответствующего графического интерфейса с широким функционалом, которые позволили бы врачу-исследователю ставить и решать задачи высокоточного поиска в данных МРТ целевых объектов и областей интереса в интерактивном режиме работы, например, строить карты движения клеток. Создание такого комплекса является важнейшей задачей, решение которой может обеспечить научный прорыв в исследовании механизмов движения МСК в головном мозге. Совмещение современных методов МРТ и методов научной визуализации переносит изучение трекинга трансплантированных клеток на качественно новый уровень. Для отбора алгоритмов в программный комплекс рассмотрим более детально используемые методы обработки и визуализации по современным научным работам.
В работе [30] предложены средства изучения распределения МСК в мозге крысы, но фактически без привлечения специальных методов научной визуализации и высокопроизводительной обработки, что снижает качество исследований. Важным этапом работы с данными МРТ является предобработка, которая включает этапы коррекции движения (realigning); пространственной нормализации (normalization); сглаживания (smoothing) изображений. В монографии [2] рассматривается проблема визуализации патологических изменений. Основное внимание уделено вопросам управления контрастом для лучшей визуализации зон поражения, работе с базой данных, способам МРТ-визуализации, при которых производится подавление сигналов от нормальной ткани. Упрощение картины тканевого контраста получается за счет применения сканирующих импульсных последовательностей, обеспечивающих полное или частичное подавление сигналов от нормальных тканей. В диссертационной работе [6] предлагаемое применение алгебраических операций позволило упростить картину тканевого контраста и обеспечило лучшую визуализацию зоны поражения. Показано, что с помощью алгебраических операций с данными можно получить дополнительную информацию о тканевом составе исследуемого объекта. За счет применения алгебраических операций
сокращается время МРТ-исследования, устраняется субъективный фактор.
Отметим работы, которые специализируются на измерениях объемов и весовых характеристик выделенных областей. Так в диссертации [9] и в статье [10] в рамках задачи автоматизированной компьютерной сегментации изображений представлена технология, которая позволяет измерять объемы внутричерепного пространства; ликворных субарахноидальных пространств и желудочков головного мозга; белого вещества; серого вещества; цереброспинальной жидкости и др. Исследование представляет большой интерес для разработки унифицированного алгоритма получения и постпроцессинговой обработки МРТ-изображений для количественной оценки ат-рофических и очаговых изменений головного мозга. В статье [7] рассмотрена задача автоматической сегментации изображений МРТ головного мозга человека на анатомические структуры, представлены средства для измерения веса областей, для которых известна экспертная разметка; веса, определяющего меру схожести с каждым из атласов; обратного расстояния в локальной окрестности заданного радиуса; вектора объемов отличия атласов от исходного изображения в некоторой локальной окрестности. Исследование полезно для выбора алгоритма измерений, учитывающего корреляцию ошибок разных атласов. В работе [13] представлен ряд инструментов для визуализации и обработки данных МРТ. В частности, приложение «AW Oncoquant» предназначено для упорядочивания и отображения данных онкологических исследований. Оно автоматизирует рабочий процесс, облегчая выполнение сравнений данных во времени. Отметим наиболее существенные достоинства реализованных алгоритмов: автоматическое совмещение изображений, полученных с помощью различных методов; специализированные протоколы автоматического просмотра, которые позволяют определять и загружать схожие серии; контекстное меню измерений, выполняемых в ходе начального и последующих исследований; оптимизированные функции просмотра, сравнения и последующего наблюдения с помощью специализированных протоколов. Средства визуализации экспертного уровня включают функцию автоматического очерчивания конту-
JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2016 - V. 23, № 4 - P. 307-315
ров, которая обеспечивает нанесение согласующихся контуров; инструмент просмотра «Volume Viewer», который позволяет отмечать обнаруженные изменения как области.
Следует выделить такое направление как текстурный анализ изображений. В работе [4] исследуется возможность использования разнообразных текстурных признаков для выявления патологических изменений легких по двумерным цифровым изображениям компьютерной томографии. В качестве информационных признаков используются гистограммные и корреляционные характеристики, а также признаки Харалика и признаки на основе длин серий. Отбор эффективных признаков проводится на основе критерия дискриминантного анализа. Полученный набор признаков обеспечивает долю неверных распознаваний ниже аналогичных результатов, полученных без использования процедуры отбора признаков. Еще более высокие результаты получены в исследовании [8], где были использованы информативные текстурные признаки на основе масок Лоза. Отмечается весьма низкий уровень классификации тестовых наборов данных.
В последние годы наблюдается тенденция к созданию ЗО-изображений в медицине. При достаточно плотных срезах их можно рассматривать в совокупности в ЗО-пространстве. В работе [3] представлены нейроанатомические модели для анализа изображений головного мозга. В частности, предлагается два варианта гистограмм ориентации и отмечается необходимость применения метрик, учитывающих неоднородность вокселей, для чего применяются свертки изображения с маской вдоль трех осей. В статье [5] рассмотрен подход к восстановлению изображения ЗО-объекта и к поиску сопряженных точек между фрагментами изображений проекций объекта с применением алгоритмов контурного анализа. Достоинство этого подхода состоит в снижении трудоемкости вычислений за счет отказа от анализа каждой точки изображения проекций объекта и в переходе к обработке лишь контуров этих изображений. Алгоритм, позволяющий построить трехмерную модель по координатам точек параллельных срезов, полученных на основе данных МРТ, рассмотрен в работе [14]. Предлагается метод визуализации модели, основанный на применении полигональных сеток. С помощью
методов томографии удается с большой результативностью локализовать пораженные участки костных тканей с установлением точного геометрического положения, размера, повреждения или изменения положения окружающих костных тканей, удается представить трехмерную форму объекта в виде совокупности поставленных друг на друга многогранников, основания которых соответствуют срезам и параллельны между собой. После получения модели осуществляется ее визуализация методами машинной графики.
В настоящее время приобретает актуальность проблема оперативного анализа большого объема динамически изменяющихся параметров всего комплекса исследуемых объектов. Визуальный анализ может сыграть важную роль в любом научном эксперименте, особенно там, где необходима быстрая оценка главных аспектов набора данных. В особенности важным подходом является когнитивная визуализация, т.е. графика, способствующая пониманию ситуации. В работе [12] рассмотрено применение пакета «ЫоиоБрагк Visualizer». Пакет предназначен для визуализации многомерных данных, отображаемых из и-мерного пространства переменных в двумерные или трехмерные, т.е. когнитивные графические образы, которые образуют соответствующие ассоциации в мозгу человека. Основной идеей когнитивного подхода является представление каждого многомерного наблюдения в виде двумерной кривой. Если два наблюдения близки по значениям, то их кривые будут похожи друг на друга, в противном случае кривые будут очень отличаться. В статье [16] рассматривается программно реализованный метод визуализации и качественного анализа многомерных данных, в котором основой является линейное преобразование значений многомерного наблюдения в двумерную кривую. Для более детального сравнения наблюдений данные можно трансформировать путем нормализации или стандартизации, что позволяет успешнее идентифицировать закономерности. В работе [15] предлагаются принципиально новые алгоритмические подходы к когнитивной визуализации, основанные на гиперболической геометрии и алгебраических многообразиях для разработки систем поддержки принятия решений. При восприятии этих образов человек-оператор способен выяв-
JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2016 - V. 23, № 4 - P. 307-315
лять отдельные геометрические свойства наблюдаемого образа и связывать их с предметным содержанием обрабатываемых многомерных данных. В статье [1] представлен обзор средств для визуализации медицинских данных, проанализированы их достоинства и недостатки. Исследование показало перспективность программы «MeVisLab» [23], которая представляет собой платформу для обработки изображений и медицинской визуализации. Программа может быть использована в клинических условиях для сегментации, регистрации, волюметрии и количественного морфологического и функционального анализа. «MeVisLab» используется в широком спектре медицинских и клинических исследований на снимках МРТ. К возможностям платформы можно отнести алгоритмы обработки и гибкой визуализации, кроссплатформенность, высокую производительность для больших наборов данных, модульные расширяемые C++-библиотеки обработки изображений, объектно-ориентированный графический интерфейс, поддержку стандарта DICOM. В работе [17] приводится описание метода построения 3D-модели головного мозга на основе гистологических исследований. Большое число исследуемых срезов мозга позволяет строить его высокоточную модель. Однако, у такого подхода есть ряд своих недостатков и проблем при его реализации, связанных с разрывами слоев, что требует значительной предобработки. В материалах [19,22] описаны методы и программные средства для построения различных карт и атласов мозга человека и крысы. В работе [31] описано исследование движения и визуализации МСК в мозге человека. Приведено подробное описание экспериментов по визуализации и анализу миграции МСК с помощью МРТ и гистологии. Помимо отмеченных визуализаторов стоит обратить внимание на готовые программные продукты с открытыми кодами, функции которых могут быть интегрированы в перспективный исследовательский программный комплекс. Программа «3D-DOCTOR» (США) [34] предназначена для трехмерного моделирования, визуализации 3D-объектов в научных целях и в области высокоточных измерений. Интерфейс программы ориентирован на визуализацию, сегментирование и анимацию. Программа используется в
ведущих больницах, медицинских учебных заведениях и научных организациях по всему миру. Программа «3D slicer» (США) [35] может быть легко расширена для развития интерактивных и пакетных инструментов обработки в различных приложениях. Программа обеспечивает регистрацию изображений, интерфейс для внешних устройств, работу с графическими процессорами. Она позволяет легко добавлять новые интерактивные возможности визуализации произвольно ориентированных изображений, создавать поверхности. Программное обеспечение «Visualization Toolkit» (VTK, США) [32] предназначено для визуализации научной 2D- и 3D-графики, моделирования и обработки изображений. VTK включает вспомогательную поддержку параллельных вычислений и реализовано как инструментарий на языке C++, что позволяет легко интегрироваться в различные приложения. Программа «Drishti 2.0» (Австралия) [20] служит для визуализации данных томографии, электронно-микроскопических данных, позволяет пользователям применять функции передачи по «плотности» или «значению», а также «градиенту», удалять некоторые области пространства данных. Отметим, что стандартное программное обеспечение, несмотря на многочисленные реализации, не позволяет экспортировать восстановленные трехмерные объекты в известные форматы хранения объемных тел, имеются сложности, связанные с анализом взаимной геометрии и структуры внутренних органов на основе данных в трехмерной постановке. Имеются интерфейсные неудобства из-за отсутствия ряда функциональных возможностей.
Представлена классификация, интегрирующая направления обработки данных МРТ (рис.).
Аналитический обзор показал перспективность интеграции методов в единый программно-инструментальный комплекс. Авторами предлагается совместить набор диагностических методов для удобства врачей-исследователей. Среди первоочередных задач следует отметить создание высокопроизводительных программных средств, осуществляющих нормализацию и приведение моделей мозга различных реципиентов к единому виду, пригодному для выполнения сравнений; создание методов текстурного анализа и метрик, способных выполнять сегментацию мозга; соз-
JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2016 - V. 23, № 4 - P. 307-315
дание методов когнитивной визуализации, способствующей быстрому пониманию ситуации; объединение инструментов в единую гибридную технологию, в которой различные методы совмещены в одну сложную систему и позволяют проводить диагностику с большим эффектом. С учетом открытости кодов можно предложить интеграцию в единую технологию следующих алгоритмов и методов:
- алгоритмы конвертации данных из DICOM;
- стандартные и оригинальные алгоритмы первичной обработки данных [2,6];
- методы выделения и тематической сегментации области мозга: «BET» и «NiftySeg», а также специальные разработки [4,8];
- методы глубокой обработка данных с распознаванием и измерением областей поражения [9];
- методы научной визуализации данных («Image]», «RadiAnt DICOM Viewer», «xjView», «Novo Spark», «3D Slicer» и др.).
По результатам выполненного аналитического обзора можно сформулировать основные требования к новой интеллектуальной технологии, предназначенной для построения программного комплекса обработки и визуализации данных МРТ: интерактивность - возможность врача проводить исследования в интерактивном режиме, т.е. режиме диалога с томографом и программно реализованными методами исследования в реальном времени; функциональная полнота - наличие методов, алгоритмов и методик, обеспечивающих достаточность функционального обеспечения комплекса при решении задач обработки и когнитивной визуализации многомерных биомедицинских данных; параллельность обработки - обеспечение режима реального времени за счет распараллеливания программ применительно к мультипроцессорным системам и аппаратным ускорителям; интеграция оборудования - соединение в единую приборную систему компьютерной вычислительной сети и томографа
Рис. Классификация материалов по научной проблеме обработки и визуализации данных МРТ
Заключение. Современное состояние исследований можно оценить как быстро развивающееся наукоемкое направление. Оно характеризуется созданием программного обеспечения, ориентированного на обработку данных МРТ, и разработкой методов научной визуализации, что в совокупности помогает врачу ставить эксперименты с привлечением необходимой аппаратной поддержки. Несмотря на наличие готового программного обеспечения с открытыми кодами, необходимо создание новых инструментальных средств, интегрирующих имеющиеся возможности для успешного решения врачами-исследователями задач предметной области.
для повышения вычислительной мощности и оперативности; кроссплатформенность - возможность работы в операционных системах Windows и Linux.
Предлагаемые методы, алгоритмы и программное обеспечение позволят провести прижизненное наблюдение миграции меченных клеток в головном мозге; производить расчеты, связанные с поиском скоплений клеток, измерением размеров этих скоплений; проводить глубокую обработку за счет привлечения высокопроизводительной вычислительной техники и выполнять когнитивную визуализацию, связанную с различной подсветкой выделяемых областей по желанию врача-исследователя. Ожидается, что это позволит создать техноло-
JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2016 - V. 23, № 4 - P. 307-315
гию, сравнимую с передовыми достижениями, представленными в работе [29].
Авторы выражают благодарность к.м.н. Губскому Илье Леонидовичу (ГБОУ ВПО
РНИМУ им. Н.И. Пирогова Минздрава России) за ценные консультации и помощь в подготовке настоящего исследования.
Работа выполнена при финансовой поддержке проекта РФФИ №16-29-07116 «Информационно-аналитические модели и методы когнитивной визуализации процессов миграции и хоуминга трансплантированных мезенхимальных стволовых клеток для поддержки проведения научных исследований и разработки подходов к лечению заболеваний методами клеточной терапии».
Литература
References
1. Андреева А. Д., Маркина С.Э. Обзор программ для визуализации медицинских данных // Молодой ученый. 2013. №3. С. 512-516.
2. Анисимов Н.В., Батова С.С., Пирогов Ю.А. Магнитно-резонансная томография: управление контрастом и междисциплинарные приложения. М.: МАКС Пресс Москва, 2013. 244 с.
3. Вахрамеева О.А., Фокин В.А., Лебедев А.В., Харау-зов А.К., Соколов А.В., Шелепин Ю.Е. Статистический параметрический анализ активности мозга человека при пассивном наблюдении стимула и в задаче активного выбора, 2014.
Andreeva AD, Markina SE. Obzor programm dlya vi-zualizatsii meditsinskikh dannykh [Survey of programs for the visualization of medical data]. Molodoy uchenyy. 2013;3:512-6. Russian.
Anisimov NV, Batova SS, Pirogov YuA. Magnitno-rezonansnaya tomografiya: upravlenie kontrastom i mezhdistsiplinarnye prilozheniya [the Magnetic- resonance laminography: control of contrast and the interdisciplinary applications]. Moscow: MAKS Press Moskva; 2013. Russian.
Vakhrameeva OA, Fokin VA, Lebedev AV, Kharauzov AK, Sokolov AV, Shelepin YuE. Statisticheskiy parame-tricheskiy analiz aktivnosti mozga cheloveka pri pas-sivnom nablyudenii stimula i v zadache aktivnogo vy-bora [Statistical parametric analysis of the activity of the brain of man with the passive observation of stimulus and in the task of the active selection]; 2014. Rus-
4. Гайдель А.В., Зельтер С.С., Капишников А.В., Храмов А.Г. Возможности текстурного анализа компьютерных томограмм в диагностике хронической обструктивной болезни // Компьютерная оптика. 2014. №4. С. 843-850.
5. Гайсин Р.Р., Закиров Р.Х., Зарипов Р.А., Никифорова А.В., Саченков О.А. Трехмерная реконструкция внутренних органов с одним характерным размером на основе компьютерной томографии. URL: http://mfvt.ru/trexmernaya-rekonstrukciya-vnutrennix-organov-s-odnim-xarakternym-razmerom-na-osnove-kompyuternoj-tomografii/ (дата обращения: 29.06.2016).
6. Гуляев М.В. Управление контрастом в магнитно-резонансной томографии в полях 0,5 и 7 тесла: Дисс. на соиск. учен. степени канд. физико-математических наук. М., 2013. 114 с.
7. Зубов А.Ю., Сенюкова О.В. Сегментация изображений МРТ головного мозга с помощью сопоставления с несколькими атласами. GraphiCon, 2015, Россия, Протвино (Парк Дракино), 22-25 сентября 2015 г. URL: http://www.graphicon.ru/html/2015/papers/11.pdf (да-
Gaydel' AV, Zel'ter SS, Kapishnikov AV, Khramov AG. Vozmozhnosti teksturnogo analiza komp'yuternykh tomogramm v diagnostike khronicheskoy obstruktiv-noy bolezni [Possibilities of the textural analysis of computer tomograms in diagnostics of the chronic obstructive disease]. Komp'yuternaya optika. 2014;4:843-50. Russian.
Gaysin RR, Zakirov RKh, Zaripov RA, Nikiforova AV, Sachenkov OA. Trekhmernaya rekonstruktsiya vnu-trennikh organov s odnim kharakternym razmerom na osnove komp'yuternoy tomografii [Three-dimensional reconstruction of internal organs with one significant dimension on the basis of the computer laminography]. Russian. URL: http://mfvt.ru/trexmernaya-
rekonstrukciya-vnutrennix-organov-s-odnim-xarakternym-razmerom-na-osnove-kompyuternoj-tomografii/ (data obrashcheniya: 29.06.2016). Gulyaev MV. Upravlenie kontrastom v magnitno-rezonansnoy tomografii v polyakh 0,5 i 7 tesla [Control of contrast in the magnetic- resonance laminography in fields 0,5 and 7 T] [dissertation]. Moscow (Moscow region); 2013. Russian.
Zubov AYu, Senyukova OV. Segmentatsiya izobrazhe-niy MRT golovnogo mozga s pomoshch'yu sopostavle-niya s neskol'kimi atlasami [Segmentation of the images MRT of brain with the aid of the comparison with several atlases]. GraphiCon, 2015, Rossiya, Protvino (Park Drakino), 22-25 sentyabrya 2015 g. URL:
JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2016 - V. 23, № 4 - P. 307-315
та обращения: 29.06.2016).
8. Кутикова В.В., Гайдель А.В. Отбор информативных признаков на основе масок Лоза для распознавания диагностических текстурных изображений // Материалы Всероссийской школы-семинара «Методы компьютерной диагностики в биологии и медицине - 2015», 2015. С. 158-161.
9. Магонов Е.П. Комплексная магнитно-резонансная морфометрия очаговых и атрофических изменений головного мозга (на примере рассеянного склероза и ранних стадий ВИЧ-инфекции): Дисс. на соиск. учен. степени канд. мед. наук. Санкт-Петербург, 2015. 167 с.
10. Магонов Е.П., Катаева Г.В., Трофимова Т.Н. Современные методы автоматического вычисления объема внутричерепного пространства при МРТ-морфометрии головного мозга // Вестник новгородского государственного университета. 2015. №2. С. 98-104.
11. Многоядерная визуализация.
URL: http://www.nazdor.ru/topics/improvement Меуке5/шггеП/463100/#Многоядерная% 20визуализация (дата обращения: 29.06.2016).
12. Осадчая И.А. Применение когнитивной графики и многомерных методов анализа медицинских данных // V Международная студенческая электронная научная конференция «Студенческий научный форум» 15 февраля - 31 марта 2013 года., URL: http://www.scienceforum.ru/2013/28/6334 (дата обращения: 29.06.2016).
13. Расширенные возможности визуализации в МРТ. URL: http://www3.gehealthcare.ru/ru-ru/products/ categories/advanced_ visualization/mri_imaging_ software (дата обращения: 29.06.2016).
14. Серегин П.С. Сравнительный анализ и усовершенствование методов параллельной реконструкции изображений магнитно-резонансной томографии // Вестник новых медицинских технологий. 2012. №2. С. 74-76.
15. Цаплин В.В., Горохов В.Л., Витковский В.В. Когнитивные технологии визуализации многомерных данных для интеллектуальной поддержки принятия решений // Программные продукты и системы. 2014. №3. С. 22-25.
16. Эйдензон Д., Шамрони Д., Воловоденко В. Визуализация и анализ многомерных данных с использованием пакета NovoSpark® Visualizer, 2013. URL:
http://www.graphicon.ru/html/2015/papers/11.pdf (data obrashcheniya: 29.06.2016).
Kutikova VV, Gaydel' AV. Otbor informativnykh priz-nakov na osnove masok Loza dlya raspoznavaniya di-agnosticheskikh teksturnykh izobrazheniy [Selection of informative signs on the basis of masks rod for the recognition of the diagnostic textural images]. Materialy Vserossiyskoy shkoly-seminara «Metody komp'yuter-noy diagnostiki v biologii i meditsine - 2015»; 2015. Russian.
Magonov EP. Kompleksnaya magnitno-rezonansnaya morfometriya ochagovykh i atroficheskikh izmeneniy golovnogo mozga (na primere rasseyannogo skleroza i rannikh stadiy VICh-infektsii) [Complex magnetic- resonance morphometry of focus and atrophic changes in the brain (based on the example of multiple sclerosis and early stages of Hiv- infection)] [dissertation]. Sankt-Peterburg (Leningrad region); 2015. Russian. Magonov EP, Kataeva GV, Trofimova TN. Sovremen-nye metody avtomaticheskogo vychisleniya ob"ema vnutricherepnogo prostranstva pri MRT-morfometrii golovnogo mozga [Contemporary methods of the automatic calculation of the volume of intracranial space with the MRT- morphometry of the brain]. Vestnik novgorodskogo gosudarstvennogo universiteta. 2015;2:98-104. Russian. Mnogoyadernaya vizualizatsiya. URL: http://www.nazdor.ru/topics/improvement /devices/current/463100/#Mnogoyadernaya% 20vizualizatsiya (data obrashcheniya: 29.06.2016). Russian.
Osadchaya IA. Primenenie kognitivnoy grafiki i mno-gomernykh metodov analiza meditsinskikh dannykh. V Mezhdunarodnaya studencheskaya elektronnaya nauchnaya konferentsiya «Studencheskiy nauchnyy forum» 15 fevralya - 31 marta 2013 goda., URL: http://www.scienceforum.ru/2013/28/6334 (data ob-rashcheniya: 29.06.2016). Russian. Rasshirennye vozmozhnosti vizualizatsii v MRT. URL: http://www3.gehealthcare.ru/ru-ru/products/catego-ries/advanced_ visualization/mri_imaging_ software (data obrashcheniya: 29.06.2016). Russian. Seregin PS. Sravnitel'nyy analiz i usovershenstvovanie metodov parallel'noy rekonstruktsii izobrazheniy mag-nitno-rezonansnoy tomografii [Comparative analysis and the improvement of the methods of the parallel reconstruction of the images of the magnetic- resonance laminography]. Vestnik novykh meditsinskikh tekhno-logiy. 2012;2:74-6. Russian
Tsaplin VV, Gorokhov VL, Vitkovskiy VV. Kognitivnye tekhnologii vizualizatsii mnogomernykh dannykh dlya intellektual'noy podderzhki prinyatiya resheniy [Cognitive technologies of the visualization of the multidimensional given for the intellectual support of adoption solutions]. Programmnye produkty i sistemy. 2014;3:22-5. Russian.
Eydenzon D, Shamroni D, Volovodenko V. Vizualizat-siya i analiz mnogomernykh dannykh s ispol'zovaniem paketa NovoSpark® Visualizer, 2013. URL:
JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2016 - V. 23, № 4 - P. 307-315
http://www.uran.donetsk.ua/~masters/2013/fknt/nosov/ library/ article5.htm (дата обращения: 29.06.2016).
17. BigBrain: an ultrahigh-resolution 3D human brain model / Amunts K. [et al.] // Science. 2013. Vol. 340, No.6139. P. 1472-1475.
18. BET - FslWiki. URL: http://fsl.fmrib.ox.ac.uk/ fsl/fslwiki/BET
19. Brain map. URL: http://www.brain-map.org/
20. Drishti : Volume Exploration and Presentation Tool. URL: https://sf. anu .edu.au/Vizlab/drishti/
21. ImageJ. URL: http://imagej.net/
22. Masullo L., Tripodi M. Crawling towards a map of the brain // eLife, 5:e15438. URL: https://elifesciences.org/content/5/e15438v1
23. MeVisLab. URL: http://www.mevislab.de/download
24. Mricron - magnetic resonance image conversion, viewing and analysis. - Debian Neuroscience Package Repository. URL: http://neuro.debian.net/pkgs/mricron.html
25. Nejadnik H., Castillo R., Daldrup-Link H.E. Magnetic Resonance Imaging and Tracking of Stem Cells // Methods in Molecular Biology. 2013. Vol. 1052. P. 167-176.
26. Nifty Seg. URL: https://sourceforge.net/ projects/niftyseg/
27. NovoSpark Visualizer: Обзор. URL: http://www.novospark.com/ru/Products/Visualizer/ Overview.aspx
28. RadiAnt DICOM Viewer. URL: http://www.radiantviewer.com/
29. Shim J., Kwak B.K., Jung J., Park S. Evaluation of En-graftment of Superparamagnetic Iron Oxide-labeled Mesenchymal Stem Cells Using Three-dimensional Reconstruction of Magnetic Resonance Imaging in Pho-tothrombotic Cerebral Infarction Models of Rats // Korean Journal of Radiology: Official Journal of the Korean Radiological Society. 2015. Vol. 16(3). P. 575-585.
30. MRI/SPECT/Fluorescent Tri-Modal Probe for Evaluating the Homing and Therapeutic Efficacy of Transplanted Mesenchymal Stem Cells in a Rat Ischemic Stroke Model / Tang Y. [et al.] // HHS Public Access, 2015. 23 p.
31. MRI/SPECT/Fluorescent Tri-Modal Probe for Evaluating the Homing and Therapeutic Efficacy of Transplanted Mesenchymal Stem Cells in a Rat Ischemic Stroke Model / Tang Y. [et al.] // Advanced functional materials. 2015. Vol.25, No.7. P. 1024-1034.
32. Visualization Toolkit - Freecode. URL: http://freecode.com/projects/vtk
33. xjView, a viewing program for SPM. URL: http://www.alivelearn.net/xjview
34. 3D-DOCTOR 4.0.20110710 - Графика, 3D, моделирование. URL: http://cwer.ws/node/238193/
35. 3D Slicer. URL: https://www.slicer.org/
http://www.uran.donetsk.ua/~masters/2013/fknt/nosov/ library/ article5.htm (data obrashcheniya: 29.06.2016). Russian.
Amunts K, et al. BigBrain: an ultrahigh-resolution 3D human brain model. Science. 2013;340(6139):1472-5.
BET - FslWiki. URL: http://fsl.fmrib.ox.ac.uk/ fsl/fslwiki/BET
Brain map. URL: http://www.brain-map.org/
Drishti : Volume Exploration and Presentation Tool.
URL: https://sf.anu.edu.au/Vizlab/drishti/
ImageJ. URL: http://imagej.net/
Masullo L., Tripodi M. Crawling towards a map of the brain // eLife, 5:e15438. URL: https://elifesciences.org/content/5/e15438v1 MeVisLab. URL: http://www.mevislab.de/download Mricron - magnetic resonance image conversion, viewing and analysis. - Debian Neuroscience Package Repository. URL: http://neuro.debian.net/pkgs/mricron.html Nejadnik H, Castillo R, Daldrup-Link HE. Magnetic Resonance Imaging and Tracking of Stem Cells. Methods in Molecular Biology. 2013;1052:167-76. Nifty Seg. URL: https://sourceforge.net/ projects/niftyseg/
NovoSpark Visualizer: Обзор. URL:
http://www.novospark.com/ru/Products/Visualizer/
Overview.aspx
RadiAnt DICOM Viewer. URL:
http://www.radiantviewer.com/
Shim J, Kwak BK, Jung J, Park S. Evaluation of En-graftment of Superparamagnetic Iron Oxide-labeled Mesenchymal Stem Cells Using Three-dimensional Reconstruction of Magnetic Resonance Imaging in Pho-tothrombotic Cerebral Infarction Models of Rats. Korean Journal of Radiology: Official Journal of the Korean Radiological Society. 2015;16(3):575-85. Tang Y, et al. MRI/SPECT/Fluorescent Tri-Modal Probe for Evaluating the Homing and Therapeutic Efficacy of Transplanted Mesenchymal Stem Cells in a Rat Ischem-ic Stroke Model. HHS Public Access; 2015.
Tang Y, et al. MRI/SPECT/Fluorescent Tri-Modal Probe for Evaluating the Homing and Therapeutic Efficacy of Transplanted Mesenchymal Stem Cells in a Rat Ischem-ic Stroke Model. Advanced functional materials. 2015;25(7):1024-34. Visualization Toolkit - Freecode. URL: http://freecode.com/projects/vtk xjView, a viewing program for SPM. URL: http://www.alivelearn.net/xjview 3D-DOCTOR 4.0.20110710 - Графика, 3D, моделирование. URL: http://cwer.ws/node/238193/ 3D Slicer. URL: https://www.slicer.org/
