Оценивание геометрических признаков пространственной структуры кровеносных сосудов
Ильясова Н.Ю.

Аннотация:
Представлены методы и алгоритмы оценки геометрических признаков двумерных и трёхмерных древовидных структур. Основными областями применения методов являются биомедицинские задачи, связанные с анализом и измерением системных сосудистых особенностей сетчатки глаза и сердца. Представлены экспериментальные исследования устойчивости методов оценивания к шумам различной природы и возможности кластеризации выборки сосудов.

Ключевые слова :
кровеносные сосуды, геометрические признаки.

Литература:

  1. Teng, T. Progress towards automated diabetic ocular screening: a review of image analysis and intelligent systems for diabetic retinopathy / T. Teng, D. Claremont, M. Lefley // Medical & Biological Engineering & Computing. – 2002. – Vol. 40(1). – P. 2-13.
  2. Foracchia, M. Extraction and quantitative description of vessel features in hypertensive retinopathy fundus images / M. Forac­chia // Book Abstracts / 2nd International Workshop on Computer Assisted Fundus Image Analysis. – 2001. – P. 6.
  3. Hiroki, M. Tortuosity of the white matter medullary arterioles is related to the severity of hypertension / M. Hiroki, K. Miyashita, M. Oda // Cerebrovascular Diseases. – 2002. – Vol. 13(4). – P. 242-250.
  4. Bribiesca, E. A measure of tortuosity based on chain coding // Pattern Recognition. – 2013. – Vol. 46, Issue 3. – P. 716-724.
  5. Cheung, C.Y. Retinal Vascular Tortuosity, Blood Pressure, and Cardiovascular Risk / C.Y.  Cheung, Y. Zheng, W. Hsu, M.L. Lee, Q.P. Lau, P. Mitchell, J.J. Wang, R. Klein, T.Y. Wong // Ophthalmology. – 2011. – Vol. 118(5). – P. 812-818.
  6. Martin Rodriguez, Z. Improved characterisation of aortic tortuosity / Z. Martin Rodriguez, P. Kenny, L. Gaynor // Medical Engineering & Physics. – 2011. – Vol. 33(6). – P. 712-719.
  7. Bullitt, E. Analyzing attributes of vessel populations / E. Bullitt, K.E. Muller, I. Jung, W. Lin, S. Aylward // Medical Image Analysis.– 2005. – Vol. 9(1). – P. 39-49.
  8. Sasongko, M.B. Alterations in retinal microvascular geometry in young type 1 diabetes / J.J. Wang, K.C. Donaghue, N. Che­ung, A.J. Jenkins, P. Benitez-Aguirre, J.J. Wang // Diabetes Care. – 2010. – Vol. 33(6). – P. 1331-1336.
  9. Johnson, M.J. Robust measures of three-dimensional vascular tortuosity based on the minimum curvature of approximating polynomial spline fits to the vessel mid-line / M.J. Johnson, G. Dougherty // Medical Engineering & Physics. – 2007. – Vol. 29(6). – P. 677-690.
  10. Ильясова, Н.Ю. Методы цифрового анализа сосудистой системы человека. Обзор литературы // Компьютерная оптика. – 2013. – Т. 37, № 4. – С. 517-541. – ISSN 0134-2452.
  11. Ильясова, Н.Ю. Биомеханические характеристики сосудов для цифрового анализа изображений глазного дна / Н.Ю. Ильясова, А.В. Куприянов, Н.А. Гаврилова, Г.А. Шилкин, Н.И. Ланевская // Биомеханика глаза. – 2002. – С. 18-30.
  12. Smedby, O. Two-dimensional tortuosity of the superficial femoral artery in early atherosclerosis / O. Smedby, N.  Hög­man, S.  Nilsson, U.  Erikson, A.G.  Olsson, G.  Walldius // Journal of Vascular Research.– 1993. – Vol. 30(4). – P. 181-191.
  13. Abramoff, M. Web-based screening for diabetic retinopathy in a primary care population: The eye check project / M. Abramoff, M. Suttorp // Telemedicine and e-Health. – 2005. – Vol. 11(6). – P. 668-674.
  14. Pai, R. Automated Diagnosis of Retinal Images Using Evidential Reasoning / R. Pai, A. Hoover, M. Goldbaum. – International Conference on SENG, 2002.
  15. Ilyasova, N.Yu. Measuring Biomechanical Characteristics of Blood Vessels for Early Diagnostics of Vascular Retinal Pathologies / N.Yu. Ilyasova, M.A. Ananin, N.A. Gavrilova, A.V. Kupriyanov // Lecture Notes in Computer Science. Medical Image Computing and Computer Assisted Intervention, MICCAI 2004, Proceedings of 7th International, Conference Saint-Malo, France, 2004, September. – Vol. 3217, Issue 1. – Part II. – P. 251-258.
  16. Ильясова, Н.Ю. Компьютерная технология восстановления пространственной структуры коронарных сосудов по ангиографическим проекциям / Н.Ю. Ильясова, Н.Л. Казанский, А.О. Корепанов, А.В. Куприянов, А.В. Ус­тинов, А.Г. Храмов // Компьютерная оптика. – 2009. – Т. 33, № 3. – С. 281-318.
  17. Ilyasova, N.Yu. An Expert Computer System for Diagnosing Eye Diseases from Retina Images / N.Yu. Ilyasova, A.V. Ustinov, V.G. Baranov // Optical Memory and Neural Networks. – 2000. –Vol. 9, Issue 2. – P. 133-145.
  18. Ильясова, Н.Ю. Диагностический комплекс анализа изображений сосудов глазного дна // Биотехносфера. – 2014. – № 3(33) – С. 20-24.
  19. Сойфер, В.А. Методы компьютерного анализа диагностических изображений глазного дна / В.А. Сойфер, Н.Ю. Ильясова, А.В. Куприянов, А.Г. Храмов, М.А. Ананьин // Технологии живых систем. – 2008. – T. 5, № 5-6. – C. 61-71.
  20. Ilyasova, N. A Method of the Wavelet Transformation for Estimation of Geometrical Parameters upon the Diagnostic Images / N. Ilyasova, A.O. Korepanov, A. Kupriyanov // Optical Memory & Neural Networks (Information Optics). – 2009. – Vol. 18, Issue 4. – P. 343-348.
  21. Куприянов, А.В. Оценивание геометрических параметров области диска зрительного нерва на изображении глазного дна / А.В. Куприянов, Н.Ю. Ильясова, М.А. Ананьин, А.М. Малафеев, А.В. Устинов // Компьютерная оптика. – 2005. – № 28. – С. 136-139.
  22. Ильясова, Н.Ю. Информационные технологии анализа изображений в задачах медицинской диагностики / Н.Ю. Ильясова, А.В. Куприянов, А.Г. Храмов. – М.: Радио и связь, 2012. – 424 с.
  23. Куприянов, А.В. Разработка информационной технологии оценивания геометрических параметров изображений глазного дна / А.В. Куприянов, Н.Ю. Ильясова // Вестник Самарского государственного аэрокосмического университета им. С.П. Королёва (национального исследовательского университета). – 2008. – № 2(15). – С. 221-235.
  24. Ilyasova, N.Yu. Methods for formation of features of tree-like structures on fundus images / N.Yu. Ilyasova, V.V. Yatul’chik // Pattern Recognition and Image Analysis. Advances in Mathematical Theory and Applications. – 2006. – Vol. 16, Issue 1. – P. 124-127.
  25. Ильясова, Н.Ю. Измерение биомеханических характеристик сосудов для ранней диагностики сосудистой патологии глазного дна / Н.Ю. Ильясова, А.В. Куприянов, М.А. Ананьин, Н.А. Гаврилова // Компьютерная оптика. – 2005. – № 27. – С. 165-170.
  26. Ананьин, М.А. Метод оценивания морфологических параметров сосудов на изображениях глазного дна на основе матриц видимости кривых / М.А. Ананьин, Н.Ю. Ильясова // Вестник Самарского государственного аэрокосмического университета им. С. П. Королёва (национального исследовательского университета). – 2008. – № 2(15). – C. 258-260.
  27. Computer Image Processing, Part II: Methods and algorithms: Appendix A2. Biomedical Images Processing / N.Yu. Ilyasova, A.V. Kupriyanov A.G. Khramov, A.O. Ko­repanov. – Ed. by Victor A. Soifer. – VDM Verlag, 2009. – 584 p.
  28. Anan’in, M.A. Estimating Directions of Optic Disk Blood Vessels in Retinal Images / M.A. Anan’in, N.Yu. Ilyasova, A.V. Kupriyanov // Pattern Recognition and Image Analysis Advances in Mathematical Theory and Applications. – 2007. – Vol. 17, Issue 4. – P. 523-526.
  29. Kupriyanov, A.V. Geometrical Parameters Estimation of the Retina Images for Blood Vessels Pathology Diagnostics / A.V. Kupriyanov, N.Yu. Ilyasova, M.A. Ananin // Proceedings of 15th European Signal Processing Conference September 3-7 2007, EUSIPCO 2007, Poznan, Poland. – 2007. – P. 1251-1254.
  30. Soltanian-Zadeh, H. 3-D quantification and visualization of vascular structures from confocal microscopic images using skeletonization and voxel-coding/ H. Soltanian-Zadeh, A. Shahrokni // Computers in Biology and Medicine 35. – 2005. – P. 791-813.
  31. Abdul-Karim, M. Automated tracing and change analysis of angiogenic vasculature from in vivo multiphoton confocal image time series / M. Abdul-Karim, K. Al-Kofahi // Microvascular Research 66. – 2003. – P. 113-125.
  32. Tyrrell, J.A. 2-D/3-D model-based method to quantify the complexity of microvasculature imaged by in vivo multiphoton microscopy / J.A. Tyrrell, V.A. Mahadevan // Microvascular Research 70. – 2005. – P. 165-178.
  33. Metzen, J.H. Matching of anatomical tree structures for registration of medical images / J.H. Metzen, T. Kröger, A. Schenk [et al.] // Image and Vision Computing. – 2009. – Vol. 27. – P. 923-933.
  34. Lesage, D. A review of 3D vessel lumen segmentation techniques: Models, features and extraction schemes / D. Lesage, E.D. Angelini, I. Bloch, G. Funka-Lea // Medical Image Analysis. – 2009. – Vol. 13. – P. 819-845.
  35. Heimann, T. Statistical shape models for 3D medical image segmentation: A review / T. Heimann, H.P. Meinzer // Medical Image Analysis. – 2009. – Vol. 13. – P. 543-563.
  36. Демидович, Б.П. Основы вычислительной математики / Б.П. Демидович, И.А. Марон. – М.: Наука, 1966. – 664 с.
  37. Гашников, М.В. Методы компьютерной обработки изображений /М.В. Гашников, Н.И. Глумов, Н.Ю. Ильясо­ва, В.В. Мяс­ников, С.Б. Попов, В.В. Сергеев, В.А. Сойфер, А.Г. Хра­мов, А.В. Чернов, В.М. Чернов, М.А. Чичева, В.А.Фур­сов. – Под ред. В.А. Сойфера. – Изд. второе, испр. – М.: Физматлит, 2003. – 780 c.
  38. MacQueen, J. Some methods for classification and analysis of multivariate observations / J. MacQueen // Proceedings of 5th Berkeley Symposium on Mathematical Statistics and Probability. – 1967. – P. 281-297.
    © 2009, IPSI RAS
    Institution of Russian Academy of Sciences, Image Processing Systems Institute of RAS, Russia, 443001, Samara, Molodogvardeyskaya Street 151; E-mail: ko@smr.ru; Phones: +7 (846) 332-56-22, Fax: +7 (846) 332-56-20