воды (такая шкала ослабления излучения получила название шкалы
Хаунсфилда)
a
= 1000
∙
a
п
−
a
в
a
в
,
(3)
где
а
п
,
а
в
— коэффициенты затухания пациента и воды соответственно.
Средний показатель в шкале Хаунсфилда (0 HU) соответствует
затуханию луча в воде, отрицательные значения шкалы — воздуху и
жировой ткани, положительные — мягким тканям, костной ткани и
более плотному веществу (металл).
Следует отметить, что коэффициент затухания — это усредненное
значение поглощения тканью излучения; при оценке сложной анатомо-
гистологической структуры измерение такого коэффициента не всегда
позволяет с точностью утверждать, какая ткань визуализируется (на-
пример, насыщенные жиром мягкие ткани имеют плотность, соответ-
ствующую плотности воды).
После получения послойных изображений необходимо провести
сегментацию — выделение на изображениях интересующих структур.
Обычно сегментация изображений осуществляется путем сопоставле-
ния группы пикселов или вокселов конкретному объекту, либо поис-
ком границы между различными структурами. Сопоставление осно-
вано на зависимости яркости пиксела и материала, однако иногда со-
поставляются другие атрибуты (например, текстура, область которой
может быть сопоставлена с пикселами). Алгоритмы нахождения гра-
ниц обычно ориентируются на плавность изменения яркостей, более
сильные изменения соответствуют границам.
Известны алгоритмы, позволяющие сегментировать медицинские
изображения, но не существует такого, который давал бы удовлетво-
рительные результаты во всех случаях. Как правило, методы сегмента-
ции подразделяются на методы, основанные на поиске краев областей,
на формировании однородных областей, методы водораздела (поня-
тие “водораздел” связано с представлением изображения как трехмер-
ной поверхности, заданной двумя пространственными координатами и
уровнем яркости в качестве высоты) и методы теории графов [9]. В ис-
следовании проведена полуавтоматическая сегментация, при которой
опытным путем установлена зависимость яркостей пикселов от типов
биологических тканей. Данные соответствия выбирают индивидуаль-
но для каждого пациента. Затем на основе автоматически полученных
областей выполняют проверку и ручное уточнение границ структур.
Этот процесс можно автоматизировать и значительно улучшить каче-
ство сегментации, применяя поиск известных форм субъектов, однако
это не было реализовано и является темой дальнейших исследований.
112
ISSN 1812-3368. Вестник МГТУ им. Н.Э. Баумана. Сер. “Естественные науки”. 2014. № 3
