Инновационный проект "Разработка метода ранней дифференциальной дигностики заболеваний поджелудочной железы на основе анализа анизотропии тканей КТ - изображений"

Дата выхода товара на рынок:

В наличии

Сфера применения товара:

Медицинская промышленность

Поставщик:

Разработанный метод позволит более точно проводить дифференциальную диагностику рака
поджелудочной железы и хронического панкреатита.
Метод будет использоваться в лечебно-профилактических учреждениях, занимающихся лечением
заболеваний поджелудочной железы.  

Конкурентные приемущества:

Мы планируем разработать новый дополнительный способ оценки КТ-изображений
поджелудочной железы при помощи анализа анизотропии тканей, и, следовательно, повысить
качество дифференциальной диагностики заболеваний данного органа.
Разработанный метод будет включать:
1) компьютерную программу по визуализации анизотропии поджелудочной железы по данным КТ-
изображений;
2) показатели анизотропии поджелудочной железы в норме, а также у пациентов с раком
поджелудочной железы, хроническим панкреатитом;
3) подробное описание метода с алгоритмом действий по дифференциальной диагностике
заболеваний поджелудочной железы при помощи анализа анизотропии тканей;
4) инструкцию на метод.
Анизотропия – (от греч. ánisos - неравный и tróроs - направление), зависимость физических свойств
вещества (механических, тепловых, электрических, магнитных, оптических) от направления (в
противоположность изотропии - независимости свойств от направления).
Известно, что при анализе анизотропии тканей по данным КТ изображений выделяютсяследующие три основных типа ориентационного строения текстур: 1) анизотропия
однонаправленная, имеющая одно достаточно явное направление ориентации; 2) анизотропия
многонаправленная, имеющая несколько явно выраженных направлений ориентации без
очевидного доминирования какого-либо из них; 3) изотропная, не имеющая сколь-нибудь
заметного направления в пространстве.
Известно, что анизотропия КТ изображений текстур может быть количественно охарактеризована
круговой диаграммой распределения ориентации градиентов типа «розы ветров». При этом
вычислительная процедура состоит в равномерном разбиении окружности на секторы одинаковых
размеров и подсчете круговой гистограммы, т.е. количества векторов градиентов, ориентация
которых попадает в пределы каждого сектора.
Суть методики будет заключаться в следующем. На КТ изображениях будет вычисляться градиент
яркости в окрестности каждого пикселя интересующей области. Минимальный размер
окрестности составляет 3х3=9 пикселей. Величина градиента яркости выражает степень
изменения яркости (уменьшения или увеличения) в пределах рассматриваемой окрестности. На
основе градиента яркости каждого пикселя области интереса КТ изображения будут вычисляться
следующие статистические параметры градиента и параметры анизотропии:
    1. экстремальный коэффициент анизотропии, определяемый как отношение максимального
значения ориентационной гистограммы к минимальному (F1);
    2. интегральный коэффициент анизотропии (F2), определяемый как глобальное
среднеквадратичное отклонение значений частот распределения векторов градиентов по 12
возможным направлениям величиной 360/12 = 30 градусов каждый (среднее значение
вычисляется по всем 12 направлениям);
    3. коэффициент пространственной неоднородности анизотропии (F3), вычисляемый как
локальное среднеквадратичное отклонение значений частот распределения векторов градиентов
по тем же 12 направлениям, но измеряемое по отношению к соседним направлениям (т.е. среднее
значение вычисляется только по двум соседним направлениям);
    4. зернистость текстуры (G) - параметр, определяющий степень вариабельности яркости
пикселей в пространстве и вычисляемый как среднее значение абсолютных величин локальных
градиентов пикселей, участвующих в подсчёте градиентов.
Метод планируется разработать на основе анализа КТ-изображений 50-100 пациентов с раком
поджелудочной железы, хроническим панкреатитом, которые находились и будут находиться на
стационарном лечении в Калининградской областной клинической больнице с проведением ретро-
и проспективного анализа. Оценка эффективности метода будет проведена на примере 40-50
пациентов с заболеваниями поджелудочной железы путем проспективного анализа.
В  работе планируется использовать архив КТ-изображений 82 больных раком поджелудочной
железы Международной базы данных  (The Cancer Imaging Archive 
http://www.cancerimagingarchive.net/about-the-cancer-imaging-archive-tcia/)