Поражение нейронов вирусом герпеса (стр. 5 из 7)

2.2. Система анализа изображений.

Основными методами исследования нервных тканей являются удаление, стимуляция, электрическая регистрация, химический и гистологический анализ. Например:

а) Расположение нервных структур, отвечающих за определенное поведение, может быть установлено путем максимального удаления участков мозга, при котором это поведение сохраняется, и/или путем минимального удаления, при котором оно исчезает. Той же цели может служить и функциональная блокада нервных центров.

б) Нервный субстрат реакции можно проанализировать путем нахождения области и максимальных параметров электрической и химической ее стимуляции, вызывающих такую же реакцию.

в) Электрическая активность, сопровождающая поведенческий акт, может отражать процессы, важные для его реализации. Электрофизиологические методы могут использоваться для выявления распространения афферентных импульсов в мозге, активности, предшествующей возникновению внешней реакции, или для соотнесения вероятности и/или величины поведенческой и электрической реакции.

г) Активация и возможная модификация нервных цепей, вызванная обучением, может отражаться в локальных изменениях метаболизма медиаторов, нуклеиновых кислот и белков.

д) Гистологическое описание позволяет качественно охарактеризовать структуру ткани и получить ее количественные характеристики, что позволяет строить математические модели по различным функциональным процессам в исследуемой ткани.

2.2.1.Основы математической обработки изображений.

Важную роль в гистологическом исследовании играет анализ изображений. Геометрические измерения анализа изображения появились из основных понятий стереологии [16], поэтому они активно используют понятия и методы этой науки. Основными геометрическими понятиями являются площадь, периметр, центр масс, моменты инерции и ориентация объекта. Изображение в памяти вычислительной техники дискретно и представляет набор пикселов, что вносит определённые поправки в измерения. Алгоритмы вычисления площади и периметра описываются на модели дискретизации [3]. В соответствии с этой моделью любая плоская непрерывная кривая представляется на дискретном растре с шагом дискретизации h множеством точек растра, для которых выполняется одно из следующих условий:

1) расстояние от точки растра до ближайшей точки пересечения кривой с некоторой линией растра, проходящей через эту точку меньше 0,5h.

2) если это ближайшее расстояние равно 0.5h, то есть кривая пересекает линию растра ровно по середине, говорят, что кривая содержит точку неопределённости и любая из них включается в дискретное представление кривой.

Чтобы избежать трудоёмкого просмотра контурных точек, для вычисления площади используют теорему Пика [3]: площадь произвольного треугольника со всеми вершинами в узлах ортогональной решетки равна сумме числа точек растра, лежащих внутри многоугольника и половины числа контурных точек, уменьшенной на единицу:

где

- число внутренних точек фигуры; - число точек принадлежащих контуру фигуры:

.

Из описанной выше модели и определённых упрощений вытекает и формула для периметра [3,16,17]:

где

- контурные точки только по горизонтальной оси, - по вертикальной оси, - одновременно по обоим осям.

Все остальные параметры легко вычисляются с помощью рассмотренных выше [2,7,9,11,16,17].

Важным моментом измерения является оценка или классификация объектов измерения. Необходимо различать четыре общих уровня измерения или оценки: номинальный, ординальный, интервальный и соотносительный. Низшим уровнем является номинальный, где такие символы, как буквы или цифры, используются просто для классификации объектов или явлений. В этом случае количество измерений, попадающих в различные классы в условиях эксперимента и контроля, сравниваются с использованием биномиальной статистики. Если возможно упорядочить наблюдения так, чтобы они находились в каких то отношениях ( например, ²больше чем ², ²меньше чем² и т.д.), то будем иметь дело с ординарной шкалой. Если , кроме того, можно обнаружить интервалы между числами на такой шкале, то будем иметь дело с интервальной шкалой, которая имеет произвольную нулевую точку( как в случае температурной шкалы). Если же шкала имеет еще и истинную нулевую точку в начале, как, например, шкалы высоты, массы, то будет достигнут наивысший уровень измерения, то есть соотносительная шкала. Параметры, измеряемые с помощью номинальной или ординарной шкалы, обрабатываются с применением непараметрической статистики, тогда как данные, измеряемые по интервальной и соотносительной шкале, кок правило, обрабатываются с помощью параметрических статистических методов. Параметры популяции, подвергаемые непараметрическим статистическим процедурам, не обязательно должны соответствовать определенным условиям, например, нормальному распределению.

2.2.2.Основные принципы анализа изображений.

1. захват и улучшение изображения,

2. сегментация ( бинаризация ),

3. обнаружение объектов ( идентификация ),

4. измерение,

5. анализ.

Под процессом захвата изображения понимают его преобразование в электрический сигнал, пригодный для оцифровки и хранения в памяти компьютера в виде битовой карты. В результате оцифровки получается серое изображение с квантованным пространством и интенсивностью (уровнем серого).

Процесс квантования пространства приводит к геометрическим искажениям, которые трудно поддаются учету и вносят определенную погрешность в измерения. Дискретизация оптической плотности структуры объекта по амплитуде также приводит к различного рода искажениям. Естественно, что квантование функции тесно связано с квантованием ее аргументов. Кроме того, во время захвата изображения не исключено возникновение точечных шумов, которые сказываются на качестве изображения. Для удаления таких шумов используется медианная и усредняющая фильтрация. Медианная фильтрация представляет собой метод нелинейной обработки сигналов. Одномерный медианный фильтр - это скользящее окно, охватывающее нечетное число элементов изображения. Центральный элемент заменяется медианой всех элементов изображения в окне. Медианой дискретной последовательности a1,a2,...,an для нечетного n является тот элемент, для которого существует (n-1)/2 элементов больших или равных ему по величине и (n-1)/2 - меньших или равных ему. Усредняющими являются низкочастотные пространственные фильтры, которые наиболее эффективны при сглаживании шумов. Они также, как и медианные фильтры представляют собой скользящее окно размера n×n, где заменяется только центральный элемент по формуле:

, где

- сглаживающий массив, часто называемый шумоподавляющей маской.

Одним из способов выделения границ объекта является метод статистического дифференцирования [ 15, 16 ], где значение яркости каждого элемента делится на статистическую оценку среднеквадратичного отклонения

:

; где - среднее значение яркости исходного изображения в точке с координатами ( j, k ).

Также для улучшения изображения используется функция контрастирования, осуществляемая варьированием масштабов частот серого уровня изображения [ 15, 16, 17, 18] .

Под сегментацией понимают получение бинарного изображения, требующего задания всего двух уровней яркости. Различают три метода сегментации:

1. выбор порога;

2. выделение границ;

3. выращивание регионов.

Итак, мы имеем бинарное изображение, в котором есть уровень, соответствующий пустому пространству, и уровень, соответствующий объектам. Далее необходимо выделить какой-либо индивидуальный признак для каждого объекта. Этот процесс называется идентификацией.

В результате проделанных операций будет получено изображение по которому можно проводить автоматические измерения с записью результатов в базу данных для дальнейшей обработки.

2.2.2. Анализаторы изображений.

Работа автоматизированных систем анализа изображений основана на методах, которые относят к разделам технического зрения. Использование таких систем предоставляют исследователю ряд преимуществ. Во-первых, количественный учет и классификация признаков объектов более объективны, так как для электронно-вычислительной техники все признаки равноценны. Во-вторых, расчеты и измерения выполняются намного быстрее чем вручную. В-третьих, в течении длительной работы исследователь устает, в силу чего начинает пропускать интересующие его структуры. У автоматических анализаторов это исключено. В-четвертых, эти анализаторы могут применятся для обработки любого изображения, в чём заключается их универсальность.