Академический Документы
Профессиональный Документы
Культура Документы
В данной статье описан метод отслеживания кончика иглы в режиме реального времени с
помощью двумерных ультразвуковых изображений для роботизированной биопсии.
Данный метод использует алгоритм обработки изображений (фильтра Габора) для
определения положения кончика иглы, и фильтрацию выходных данных с помощью
фильтра Калмана. В статье так же представлен эксперимент по отслеживанию кончика иглы
для проверки точности фильтра Калмана при смещении положения и деформации ткани.
Для выполнения предлагаемого способа в режиме реального времени, используется
алгоритм формирования в ячейки, позволяющий сократить время обработки изображений
на 56% без использования графического процессора. Предлагаемый метод был
протестирован в четырех различных образцах и водной среде. Полученная
среднеквадратичная ошибка определения положения иглы, измеренная при помощи
лазерного трекера, равна 1.17 мм. Эксперименты показали, что метод позволяет
отслеживать кончик иглы в режиме реального времени.
I. Введение
Алгоритм локализации состоит из двух похожих этапов обработки (рис.1). Траектория иглы
и угол ее введения оцениваются на первом этапе; а положение кончика иглы на втором
этапе. На обоих этапах фильтр Габора используется для сегментирования пикселей иглы.
Отфильтрованные изображения бинаризируются благодаря методу настройки параметров
на основе определения энтропии изображения.
На первом этапе создается ядро фильтра Габора в соответствии с заданным значением угла
введения. После того, как исходное изображение свернуто с помощью ядра фильтра,
применяется медианный фильтр размером 7 на 7 для сглаживания, отфильтрованного
изображения. Затем сглаженное изображение преобразуется в двоичную
форму(оцифровывается) благодаря умножению параметра настройки (α) и порогового
значения Оцу. затем применяется морфологическая эрозия с помощью линейного
структурирующего элемента 3 на 3. Наконец, траектория иглы и ее угол введения
оцениваются благодаря подгонке линии RANSAC и выделяется интересующая область
иглы.
На втором этапе ядро фильтра Габора создается с использованием параметра угла равному
углу введения, оцененного на первом этапе, поскольку при таком подходе видимость иглы,
особенно ее кончика, достигает максимума. Затем исходное изображение сворачивается
благодаря ядру фильтра и применению медианного фильтра 7 на 7 для сглаживания,
отфильтрованного изображения. Затем сглаженное изображение преобразуется в двоичную
форму(оцифровывается), используя средние значения Оцу и настроенные пороговые
значения. На следующем этапе интересующая область иглы обрезается от оцифрованного
изображения и вычисляется вероятность соответствия каждого пикселя острию иглы.
Пиксель с максимальной вероятностью определяется как острие иглы, а также
сглаживаются выбросы значений координат положения острия иглы благодаря фильтру
Калмана(рис.2).
Фильтр Калмана для сглаживания шума оценки положения: Геометрическая форма иглы
очень близка к прямой линии на двухмерных ультразвуковых снимках. В режиме реального
времени возможны колебания оценочной траектории острия иглы из-за шума оценки
положения, исходящих из алгоритма, описанного выше. Оценочный шум возникает из-за
различной видимости острия иглы и погрешностей выравнивания между плоскостью
изображения ультразвукового зонда и иглой.
На двухмерных ультразвуковых изображениях видимость острия иглы может быть низкой
либо острие может рассматриваться как независимая структура от иглы. В этом случае
острие иглы обнаруживается с погрешностью оценки. Однако, если есть смещение, то шум
оценки положения может быть высоким. Точка, в которой игла пересекает плоскость
ультразвукового снимка, оценивается как острие иглы во время возникновения
смещения(несоответствия). Кроме того, игла может полностью исчезнуть или RANSAC не
обнаружит иглу на изображении. В результате острие иглы не может быть оценено. Фильтр
Калмана используется для сглаживания оценочного шума и оценки положения острия иглы,
когда ось иглы не обнаружена. двумерное положение (x,y) и линейные скорости
выбираются в качестве состояний для фильтра Калмана и описываются формулой:
𝑥𝑡 = [𝑥 𝑦 𝑥̇ 𝑦̇ ] 𝑇 ;
Динамическая модель системы xk и модель измерения zk могут быть сформулированы как:
𝑥𝑘 = 𝐴𝑥𝑘−1 + 𝜔𝑘 ,
𝑧𝑘 = 𝐻𝑥𝑘 + 𝑣𝑘 ,
1 0 𝑑𝑡 0 1
0 1 0 𝑑𝑡 1
Где 𝐴= [ ]; 𝐻= [ ];
0 0 1 0 0
0 0 0 1 0
Шум процесса (wk) и шум измерения (vk) предполагаются как Гауссовы распределения с
нулевым средним с ~N(0,Q) и ~N(0,R) соответственно. Q и R – ковариационная матрица
шума и ковариационная матрица шума измерения. Эти матрицы набираются вручную и
связаны с производительностью фильтра Калмана. Для того, чтобы оценить
производительность фильтра Калмана в реальных условиях и для получения оптимальных
значений для матриц Q и R, разработана симуляция для отслеживания острия иглы.
Моделирование подробно объясняется в следующем разделе.
Рис.3: Имитация снимков отслеживания острия иглы. Область введения иглы обозначена
пунктирными линиями. Ткань не жесткая. Круглая область указывает на область ткани с
возможным поражением, а знак «+» в этой области указывает на цель для иглы. Прямая
линия в области введения иглы обозначает иглу, а фактический кончик иглы указывается с
помощью «+». Расчетный кончик иглы и выходной сигнал фильтра Калмана указывается
как «*» и «о» соответственно. Состояния смещения указаны метками, а игла не видна.
Писал выше про это Как показана на изображениях, фильтр Калмана позволяет оценить
положение острия иглы, когда сама игла не видна.
Исходными параметрами для моделирования являются: (1) расположение цели, (2) угол
введения угла, (3) ширина интересующей области иглы, (4) модель движения иглы, (5)
модель шума измерения острия иглы, (6) модуль упругости и коэффициент Пуассона для
ткани, (7) приложенное усилие и (8) шаг моделирования (dt).
Выходными параметрами для моделирования являются: (1) деформированная сетка
относительно dt и (2) погрешность фильтра Калмана.
Виртуальная модель пружины была использована для моделирования деформации ткани в
статье (14). В этой модели ткань предполагалась однородной и сделанной из линейно
упругого материала (15). Пока игла вводится с приложенным усилием(𝐹𝑎𝑝𝑝𝑙𝑖𝑒𝑑 ), ткань
сопротивляется движению в обратном направлении. Сила реакции вызывает силы
внутреннего демпфирования(Fdamping, искусственное подавление колебаний системы) ткани
и жесткости(Fstiffness). Общая сила, которую нужно приложить к острию иглы для надреза
ткани описывается следующим образом:
𝐹𝑐𝑢𝑡𝑡𝑖𝑛𝑔 = 𝐹𝑎𝑝𝑝𝑙𝑖𝑒𝑑 − 𝐹𝑠𝑡𝑖𝑓𝑓𝑛𝑒𝑠𝑠 − 𝐹𝑑𝑎𝑚𝑝𝑖𝑛𝑔 ;
𝑀𝑎𝑡 = 𝐹𝑎𝑝𝑝𝑙𝑖𝑒𝑑 − 𝐾𝑢𝑡 − 𝐶𝑣𝑡 ;
V. BIN PACKING
Чтобы выполнить предложенный способ локализации острия иглы в режиме реального
времени, время его обработки должно быть значительно уменьшено. Предложенный
алгоритм локализации иглы является довольно сложным и состоит из двенадцати основных
этапов обработки. В течение локализации кадры обрабатываются последовательно, так как
каждый шаг обработки зависит от вывода предыдущего. Кроме того, разделение
изображений на подизображения и их параллельная обработка не лучший способ ускорения
процесса, поскольку структура иглы может быть не обнаружена, а объединение этих
подизображений увеличивает время вычислений. Следовательно, ускорить время
обработки для значительного количества одиночных изображений сложно. Однако
последовательность кадров можно обрабатывать параллельно, применяя специальный
метод многопоточной обработки изображений «метод формирования ячеек» для ускорения
процесса.
Метод формирования в ячейки делит операции на равные интервалы времени, а процессы
упаковываются в ячейки. Процессы в ячейках применяются к разным кадрам
последовательно в отдельных потоках. Каждый поток начинает обрабатывать новый
входящий кадр, когда процессы в первой ячейке завершены. Схематическое представление
методов последовательного и формирования в ячейки показано на рис.6. В этом
исследовании измеряется время обработки шагов метода (таблица 1), и, соответственно,
метод делится на четыре ячейки (Р1,Р2,Р3 и Р4) по времени их обработки. Предполагается,
что время обработки каждой ячейки примерно одинаковое, Т/4 в лучшем случае. Если за
один раз обрабатывается одно изображение, то за время Т острие иглы локализуется в кадре
№1 в потоке №1.
Время
Процесс Ячейка
процесса (мс)
Считывание изображения 2.51 ± 0.41
Фильтр Габора 0.92 ± 0.18 P1
Этап №1 Медианный фильтр 7.43 ± 1.22
Метод Оцу 0.42 ± 0.09
Настройка параметров 1.98 ± 0.39
Морфологические операции 0.10 ± 0.02
P2
Подбор направления RANSAC 3.99 ± 0.55
Фильтр Габора 0.31 ± 0.05
P3
Медианный фильтр 7.25 ± 1.13
Этап №2 Метод Оцу 0.31 ± 0.06
Настройка параметров 1.70 ± 0.21 P4
Предварительный расчет острия иглы 3.31 ± 0.34
Общее время процесса 35.01 ± 3.04