CC BY
151
БЛИНДАРЬ1 Валентина Николаевна, д.б.н., проф.; НИКИТАЕВ2 Валентин Григорьевич, д.т.н., проф.; НАГУМАНОВА3 Юлия Рафаиловна; ПРОНИЧЕВ4 Александр Николаевич, к.т.н.;
ЧИСТОВ5 Кирилл Сергеевич, к.т.н.
ЭКСПЕРТНАЯ СИСТЕМА ДЛЯ ДИАГНОСТИКИ ОСТРЫХ ЛЕЙКОЗОВ
В статье представлена концептуальная, модель экспертной системы, для. диагностики острых лейкозов с применением методов компьютерной микроскопии. Рассмотрены, факторы, оказывающие воздействие на результат, распознавания изображений бластных и небластных клеток.
Ключевые слова: экспертная, система, влияющие факторы, распознавание изображений, база знаний, текстурный анализ.
The article presents a conceptual model of the expert system, for diagnosis of acute leukemia, using methods of computer microscopy. Are considered, the factors affecting the results of image recognition of blsat and not blast blood, cells.
Keywords: expert system, influence factors, image recognition, knowledge base, texture analysis.
Актуальность проблемы диагностики острых лейкозов обусловлена ростом заболеваемости у населения. Среди пациентов с гемобластозами острый лейкоз занимает лидирующую позицию, составляя около 1/3 от их общего числа [1]. 75% случаев болезни диагностируется у взрослых и 25% у детей. Острые миелоидные лейкозы (ОМЛ) составляют около 80% у взрослых пациентов в возрасте старше 40 лет. У детей наиболее часто диагностируются лимфоидные формы острого лейкоза — до 90% [2].
Одним из первых этапов диагностики острых лейкозов является исследование периферической крови на наличие бластных клеток. Данная процедура сопряжена с рядом трудностей, главная из которых — высокая вариабельность бластных клеток и схожесть изображений некоторых из них с небластными клетками, что вызывает ошибки в их классификации (рис. 1).
Ситуация усугубляется дефицитом высококвалифицированных специалистов
— врачей гематологов. В поликлиниках врачи в большинстве случаев исследуют нормальные мазки крови, отсюда — отсутствие необходимого опыта анализа патологической крови, и, как следствие, риск пропустить пациента с острым лейкозом. В этой связи актуальна разработка экспертной системы для диагностики острых лейкозов с применением методов компьютерной микроскопии. Отметим, что в данном случае экспертная система служит инструментом врача-гематолога при диагностике острых лейкозов.
Целью настоящей работы является разработка концептуальной модели экспертной системы для диагностики острых лейкозов с применением методов компьютерной микроскопии, а также анализ влияния факторов, оказывающих воздействие на результат распознавания слабоформализованных объектов (изображений бластных и не-бластных клеток).
Концептуальная модель экспертной системы для диагностики острых лейкозов с применением методов компьютерной микроскопии
В ходе анализа морфологических характеристик клеток периферической крови нередко возникают спорные случаи, когда процесс интерпретации исследуемых объектов приобретает характер неоднозначности. Повысить достоверность итоговой оценки изображений клеток крови можно путем использования экспертных методов. Предлагаемый подход к распознаванию изображений клеток крови базируется на использовании знаний специалистов в области гематологии и заключается в создании экспертной системы для диагностики острых лейкозов. В основе системы — эталонная выборка цифровых изображений, описания которых хранятся в базе знаний, важным компонентом системы является аналитическая подсистема, включающая множество правил, по которым осуществляется принятие решения (рис. 2).
Рис. 1. Примеры изображений бластных и небластных клеток: а) - лимфоцит; б) - атипичный мононуклеар; в) - бластные клетки
При формировании экспертами эталонной выборки изображений клеток крови, могут возникать спорные моменты ввиду неоднозначности изображений бластных клеток. Практика показала, что даже один эксперт в разное время (через неделю, месяц) может по-разному оценивать принадлежность одного и того же изображения к категории бластных или небластных клеток. Естественно, что и у разных экспертов зачастую возникают разные мнения по поводу отнесения рассматриваемой клетки к бластным или небластным. Поэтому при формировании базы знаний экспертной системы необходимо предусмотреть процедуры оценки сходимости и воспроизводимости результатов создания эталонной выборки.
1 — с.н.с., Российский онкологический научный центр им. Н.Н.Блохина РАМН;2 — зав. каф. НИЯУ «МИФИ»; 3 — аспирант НИЯУ «МИФИ»;4 — доцент НИЯУ «МИФИ»; 5 — доцент НИЯУ «МИФИ».
Рис. 2. Концептуальная модель экспертной системы СППР для диагностики острых лейкозов
Рис. 3 Архитектура сети для проведения телемедицинских консультаций
Микроскоп ► Камера ► Компьютер
Рис. 4. Структурная схема системы компьютерной микроскопии
Результатом работы экспертной системы является заключение о принадлежности клетки к определенному типу с указанием вероятностной оценки. Последнее потребует создания необходимого объема репрезентативной эталонной выборки изображений клеток. Особенностью рассматриваемой экспертной системы является то, что
наряду со знаниями экспертов, аккумулированных в ней, создается база данных по результатам измерения количественных признаков, полученных в результате автоматизированной обработки изображений. Далее формируется заключение, основанное на оценке вероятности принадлежности рассматриваемой клетки
к перечню возможных типов клеток крови.
В состав экспертной системы для диагностики острых лейкозов входит система для проведения телемедицинских консультаций, основанная на передаче данных по сети между врачом-экспертом и консультируемым (рис. 3). Благодаря телемедицинским консультациям врачи клиник и больниц, находящихся в отдалении от крупных медицинских центров, имеют возможность получить заключение высококвалифицированного специалиста в сложных диагностических случаях. Так как заключение по результатам исследования препарата с применением экспертной системы формируется на основе результатов компьютерной обработки изображений, необходимо рассмотреть факторы, влияющие на точность измерений, выполняемых в системе.
Исследование факторов, влияющих на правильность распознавания типа клеток
Традиционный подход к выявлению бластных клеток в периферической крови основан на визуальном анализе препаратов крови методом световой микроскопии. Изображения бластных клеток характеризуются разнообразной и сложной структурной организацией. Это затрудняет их однозначное определение и автоматизацию анализа. Структурная схема автоматизированной системы компьютерной микроскопии представлена на рис. 4.
Общий подход к распознаванию объектов на изображениях различной природы основан на выполнении следующих этапов обработки информации: предобработка изображений,
описание объектов на изображении, классификация объектов (рис. 5).
Для рассматриваемой задачи автоматизации анализа клеток крови на первом этапе выполняются процедуры улучшения изображения, связанные с подавлением факторов, искажающих изображение (фильтрация помех, устранение неравномерностей освещения и т.п.).
На этапе описания производится расчет признаков, характерных для объекта, на основе которых на третьем этапе производится отнесение объекта к тому или иному классу. Ключевым
и 16.01.2012 13:26:55
Рис. 5. Этапы обработки изображений при распознавании объекта
Инструментальные
Влияющие факторы
Методические
Субъективные ошибки пользователя
Рис. 6. Факторы, оказывающие доминирующее влияние на правильность распознавания типов клеток
из этих трех этапов является этап описания. Именно от выбора признаков и их информативности (возможности по значению признака отнести объект к тому или иному классу) зависит результат распознавания. Но из-за множества влияющих факторов значения признаков даже для клеток одного типа изменяются в некотором диапазоне. При этом можно выделить две группы факторов: первая — это свойства самого объекта (изображения бластов очень разнообразны); вторая — это условия формирования изображения (шумы датчика, неравномерность освещения объекта и т.п.).
Одной из задач предпроектного исследования с точки зрения анализа объектной среды является изучение факторов, влияющих на правильность распознавания изображений бластных клеток крови, и оценка возможностей уменьшения их влияния. Среди факторов первой группы следует учитывать вариативность изображений клеток в крови как одного пациента, так и разных пациентов, на разной стадии развития заболеваний, в том числе, учитывая применяемое ранее лечение. С другой стороны, здесь следует учитывать подготовку препарата — изготовление мазка, его фиксацию, окраску, выбор поля на препарате для исследования. Во второй группе факторов существенное значение имеют выбор для исследования объектива микроскопа, формата изображения (разрешающей способности датчика), настройка освещения и контрастности изображения в микро-
-1.indd 76
скопической системе, сфокусированность изображения, цветовой баланс системы регистрации, влияние внешнего освещения и т.п.
Факторы, оказывающие доминирующее влияние на правильность распознавания типов клеток
В результате проведенных исследований выявлен ряд факторов, оказывающих наиболее существенное влияние на точность результатов измерений, их можно разделить по виду источника на три группы (рис. 6).
Для рассматриваемой системы инструментальные факторы, можно классифицировать на две группы: первая — факторы, обусловленные физическими процессами в используемой аппаратуре; вторая — факторы, обусловленные влиянием внешних условий. К первой группе инструментальных факторов относятся шум датчика изображения, цветовые, яркостные искажения камеры, дифракционные эффекты оптической системы микроскопа, неравномерность спектральной характеристики осветителя в микроскопе, неравномерность освещения препарата в поле зрения камеры и т.п. К факторам второй группы относятся факторы, обусловленные внешними условиями применения системы. Так, например, на регистрируемое в системе изображение препарата могут влиять такие факторы, как наличие яркого постороннего освещения (солнечный свет), вследствие которого
может понизиться контрастность изображения. Кроме того, к внешним факторам относится вибрация поверхности, на которой установлен микроскоп (это может приводить к смазу изображения при больших экспозициях). Такие вибрации могут быть вызваны как работой технологического оборудования в здании (насосами, вентиляторами), вызывающими постоянную вибрацию, так и эпизодическими событиями, связанными со случайными процессами (колебания земли от проходящего транспорта — метропоезда, трамвая, большегрузных автомобилей и др.; колебания пола от шагов проходящих людей, от хлопков закрывающихся дверей, колебания поверхности стола от действий пользователя — случайные толчки стола, резкие нажатия на клавиши компьютерной клавиатуры при наборе текста и др.).
К методическим факторам, прежде всего, относятся модель измерения, математические методы обработки изображения, которые реализованы в программном обеспечении системы, операции дискретизации и квантования при формировании цифрового изображения.
Группа факторов, зависящих от пользователя, связана с настройкой микроскопа (выбор объектива, положения конденсора, полевой и апертурной диафрагмы, накала лампы и фильтров коррекции светового потока, предметного и покровного стекол, иммерсионного масла, положения фокусировки объектива). Наряду с этим, к данной группе относятся факторы, связанные с выбором поля препарата для исследования и позиционирования объекта исследования в поле зрения камеры, и факторы, зависящие от пользователя при интерактивном режиме обработки изображения (когда параметры обработки указываются пользователем в ходе применения программного обеспечения, реализующего обработку изображения, например выбор порога бинаризации).
Меры по снижению влияющих факторов
На основе данных, полученных в результате анализа объектной среды, необходимо сформировать требования к предобработке, определяющие необходимую степень подавления искажа-
Требования к экспертной системе для диагностики острых лейкозов
Общие требования к системе
назначению, функциям системы
Требования к составу разрабатываемых подсистем
Требования к видам обеспечения
Требования к точностным, временным характеристикам
Требования к стыковке системы с внутренними и внешними системами
Требования к объектной среде
Требования к подготовке, правилам отбора и качеству препаратов
Требования к определению информативной зоны препаратов, размеру поля зрения
Требования к порядку процедуры сканирования препарата
Требования к форме представления результатов работы системы
Эксплуатационные
требования
Требования по информационной безопасности
Требования к оценке качества препарата
Требования к правилам настройки, проверки работоспособности, эксплуататации системы
Пользовательские
Требования к
пользователей
Требования к пользовательскому интерфейсу
Требования к регламенту обучения работе с системой
Требования к регламенту эксплуатации, обслуживания системы
Требования к данным, содержащимся в атласе
Требования к количественному диапазону объектов атласа
Рис. 7. Требования к экспертной системе для диагностики острых лейкозов
ющих факторов или восстановления искаженных изображений. Соответственно к признакам, являющимся основой для классификации типов клеток, предъявляются требования в том, чтобы различия признаков для разных типов клеток превосходили вариабельность значений признаков внутри одного типа клеток. Выполнение этого требования зависит как от модели признака, так и от применяемых операций предобработки. Здесь следует учитывать тот факт, что в условиях, когда клетки визуально весьма похожи, значения вычисляемых признаков тоже оказываются близкими. Поэтому при проектировании этапов предобработки и описания необходимо в максимальной степени предпринять усилия по подавлению искажающих факторов и точному вычислению признаков. Наряду с естественными факторами, влияющими на вариабельность признаков (природные свойства объектов, шумы электронных приборов и т.п.), на результат распознавания влияют и субъективные факторы, зависящие от точности выполнения методик подготовки образцов, настройки аппарату-
ры и проведения измерений. В целях снижения влияния этих факторов при проектировании системы необходимо предусмотреть разработку подсистемы оценки качества препарата и изображения объекта, формируемого в системе. При разработке методики проведения измерений и обработки их результатов необходимо учитывать случайный характер воздействия ряда факторов (электронный шум приборов, положение объектов измерения в поле зрения, выбор пользователем параметров обработки при использовании интерактивного режима обработки изображения и т.п.). Уменьшение случайной составляющей в результатах измерений можно уменьшить путем проведения многократных измерений с последующим усреднением результата. Это приводит к увеличению точности, но также и к увеличению времени измерения, поэтому необходимо найти компромиссное решение между необходимой точностью и приемлемой трудоемкостью процесса измерения. В идеале необходимо, чтобы в признаковом пространстве кластеры объектов разных типов не пересекались, на практике же этого
добиться крайне сложно, а вероятность правильного результата в 95% считается хорошим достижением.
При формировании методик измерения необходимо разрешить проблемы неоднозначности трактовки измеряемых величин (например, размер клетки, размер ядра, учитывая многообразие форм этих объектов). При выборе моделей измерения следует учитывать (а для этого необходимо провести предварительные исследования) достижимую точность в измерении рассматриваемых параметров (например, точность измерения ядерно-цитоплазматического отношения, являющегося одним из признаков, широко используемых врачами для дифференцировки клеток по типам, зависит от точности сегментации изображений ядра и цитоплазмы).
С учетом результатов предпроектных исследований необходимо сформировать перечень измеряемых величин, определить диапазоны их изменения и определить требуемые точности их измерения.
Разработка требований к экспертной системе для диагностики острых лейкозов
Вышеприведенные факторы необходимо учитывать при разработке требований к проведению измерений с применением экспертной системы. Предлагаемая структура требований представлена на рис. 7. Можно выделить четыре основные группы требований: общие требования к системе, требования к объектной среде, эксплуатационные и пользовательские требования. Общие требования к системе учитывают факторы, обусловленные физическими процессами в используемой аппаратуре, а также методические факторы. Для снижения влияния внешних условий на точность результатов измерений разработаны эксплуатационные требования, которые включают требования к проведению измерений, настройке аппаратуры и т.д. В целях уменьшения влияния субъективного фактора, связанного с ошибками при подготовке образца, выборе поля препарата для исследования, позиционировании объекта в поле наблюдения и т.д., разработаны требования к объектной среде.
Для того чтобы обеспечить качественный контроль выполнения требований,
необходимо определить класс измерительных приборов, которые будут обеспечивать необходимый контроль.
Заключение
Предложена концептуальная модель экспертной системы при диагностике острых лейкозов, которая снизит неоднозначность интерпретации объектов исследования. Рассмотрены факторы, влияющие на правильность распознавания сложноформализуемых объектов (изображений бластных и небласт-ных клеток крови) с использованием экспертной системы, базирующейся на методах компьютерной микроскопии. Предложены пути по уменьшению влияющих факторов. Представлена структура требований, которые необходимо учитывать при разработке систем такого типаИ
Литература
1. Руководство по гематологии: в 3т. Т.1./ Под ред. А.И. Воробьева. 3-е изд. Перераб. и допол. — М.: Ньюдиамед, 2002. — 280 с.
2. Клетки, крови, и. костного мозга: Ат-
лас./ Г.И. Козинец, З.Г. Шишканова, Т.Г.
Сарычева и др./ Под ред. Г.И.Козинца.
— М: Медицинское информационное агентство, 2004. — 203 с
3. Луговская С.А., Морозова В. Т., Почтарь М.Е., Долгов В.В. Лабораторная гематология. — Тверь: ООО «Издательство «Триада», 2006. — 224 с.
4. Компьютерные системы, гематологической диагностики. Введение: Учебное пособие./ В.Г. Никитаев, И.А. Воробьев, В.Н. Блиндарь и др. — М.: МИФИ, 2006. — 168 с.
5. Nikitaev V.G., Pronichev A.N., Chistov K.S. Method of computerized, image analysis of blast cells at diagnostics of acute leukoses./ Procedings XII international work-shop «Medicine of XXI century». — Slovakia, Low Tatras, 2004. — January, 10 — 24. — PP. 27, 28.
6. Никитаев В.Г., Чистов К.С., Зубрихи-на Г.Н. и. др. Методика автоматизированного микроскопического анализа препаратов периферической, крови при. диагностике острых лейкозов./ Успехи, современного естествознания, 2004. — № 6. — С. 108, 109.
7. Никитаев В.Г., Проничев А.Н., Чистов К.С. Оценка информативности признаков бластных клеток для. автоматизированной системы, диагностики острых лейкозов./ Качест-
во, инновации, образование и САЬБ технологии. Материалы международного симпозиума./ Под ред. проф. В.Н. Азарова. — М.: Фонд «Качество», 2006. — С. 174.
8. Способ распознавания изображения текстуры клеток./ Никитаев В.Г., Проничев А.Н., Чистов К.С., Хоркин В.А./ Патент № 2385494.
9. Способ автоматизированного микроскопического исследования, образца./ Никитаев В.Г., Проничев А.Н., Бердникович Е.Ю., Кучеренко И.Ю., Комаров В.В./ Патент № 2330265.
10. Способ микроскопического исследования. образца./ Никитаев В.Г., Проничев А.Н., Бердникович. Е.Ю., Петровичев Н.Н., Ротин Д.Л./ Патент № 2318201.
11. Способ микроскопического исследования образца, содержащего микрообъекты. с разнородными, зонами./ Никитаев В.Г., Проничев А.Н., Чистов К.С., Зайцев С.М./ Патент. № 2308745.
12. Устройство для автоматического обнаружения бластных клеток в периферической крови./ Никитаев В.Г., Проничев А.Н., Чистов К.С., Кучеренко И.Ю./Патент № 61890.
ДАНИЛОВ1 Алексей Владимирович; НИКИТАЕВ2 Валентин Григорьевич, д.т.н., проф.; НАГУМАНОВА3 Юлия Рафаиловна; ПРОНИЧЕВ4 Александр Николаевич, к.т.н.;
ЧИСТОВ5 Кирилл Сергеевич, к.т.н.
ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ ВАРИАБЕЛЬНОСТИ ТЕКСТУРНЫХ ХАРАКТЕРИСТИК КЛЕТОК КРОВИ В СИСТЕМЕ КОМПЬЮТЕРНОЙ МИКРОСКОПИИ
Проведение экспериментального исследования, влияния фокусировки и освещенности на распознавние бластных и неблас-тных клеток крови. Распознавание основано на текстурном анализе.
Ключевые слова: острый лейкоз, распознавание клеток крови, текстурный анализ.
A pilot study of the effect of focusing and illumination on recognition of blast and. not blast blood, cells. The recognition is based, on texture analysis.
Key words: acute leukemia, blood, cell recognition, texture analysis.
Главная проблема распознавания микроскопии тесно связана с близо- Целью настоящей работы является
бластных и небластных клеток в стью в пространстве признаков класте- экспериментальная оценка влияю-
процессе диагностики острых лейкозов ров идентифицируемых разнородных щих факторов на текстурные при-
с применением методов компьютерной объектов. знаки, применяемые для описания
1 — студент НИЯУ «МИФИ»;2 — зав. каф. НИЯУ «МИФИ»;3 — аспирант НИЯУ «МИФИ»; 4 — доцент НИЯУ «МИФИ»;5 — доцент НиЯУ «МИФИ».
