Помощь в написании студенческих работ
Антистрессовый сервис

Автоматизированная система и алгоритмы определения параметров сердца по последовательности эхокардиографических снимков

Диссертация: Автоматизированная система и алгоритмы определения параметров сердца по последовательности эхокардиографических снимков
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

За последнее время в странах ЕС смертность от ССЗ (по всем возрастным группам) неуклонно снижалась и сейчас по сравнению с уровнем 1970 г. уменьшилась вдвое, составив 240−260 на 100 тысяч населения. При этом средний показатель по странам СНГ почти в три раза превышает названный уровень и соответствует 750 на 100 тысяч населения. Только ИБС является основной причиной смертности населения… Читать ещё >

Автоматизированная система и алгоритмы определения параметров сердца по последовательности эхокардиографических снимков (реферат, курсовая, диплом, контрольная)

Содержание

  • Список используемых сокращений

ГЛАВА 1. ОБЗОР И АНАЛИЗ СИСТЕМ, МЕТОДОВ, АЛГОРИТМОВ, МЕТОДИК ОБРАБОТКИ И АНАЛИЗА ЭХОКАРДИОГРАФИЧЕСКИХ ИЗОБРАЖЕНИЙ.

1.1 Состояние проблемы диагностики ССЗ.

1.1.1. Способы диагностики ССЗ.

1Л.2 Роль и место эхокардиографических обследований в диагностике заболеваний сердца.

1 Л. З Методика проведения эхокардиографических обследований.

1 Л.4 Основные проекции и параметры сердца.

1.2 Обзор технических и программных средств обработки кардиологических данных.

1.2.1 Структура АРМ кардиолога.

1.2.2 Обзор программных средств обработки кардиологических данных.

1.2.3 Обзор ведущих производителей УЗ аппаратов и научных школ.

1.3 Стандарты медицинских изображений.

1.4 Методы и алгоритмы, применяемые для обработки УЗ изображений.

1.4.1 Основные факторы, затрудняющие автоматическую обработку.

1.4.2 Алгоритмы подавления спекл-шума.

1.4.3 Алгоритмы обработки ЭхоКГ изображений.

1.5 Трехмерное моделирование сердца.

1.6 Выводы по главе. Постановка задач исследования.

ГЛАВА 2. РАЗРАБОТКА И ИССЛЕДОВАНИЕ АЛГОРИТМОВ ОБРАБОТКИ И АНАЛИЗА ЭХОКАРДИОГРАФИЧЕСКИХ ИЗОБРАЖЕНИЙ.

2.1 Разработка и исследование алгоритмов улучшения качества.

2.1.1 Разработка алгоритма подавления линии М режима.

2.2 Исследование алгоритмов фильтрации спекл-шума.

2.2.1 Параметры оценки спекл-шума.

2.2.2 Исследование алгоритмов фильтрации спекл-шума.

2.3 Разработка алгоритма секторной сегментации ЭхоКГ снимков в проекции по длинной оси.

2.4 Алгоритм обработки изображений в проекции по короткой оси

2.5. Разработка и исследование алгоритмов обработки изображений в апикальных позициях.

2.5.1 Сегментация.

2.5.2. Определение угла наклона ЛЖ и построение описанного вокруг ЛЖ прямоугольника.

2.5.3 Формирование границы ЛЖ объединением точек в выпуклую оболочку.

2.6 Исследование алгоритма, основанного на активных контурах.

2.7 Разработка тестовых УЗ изображений сердца.

2.8 Разработка способов диагностики функционального состояния сердца.

2.9 Исследование алгоритмов обработки и анализа эхокардиографических изображений.

2.9.1 Сравнительная оценка алгоритмов сегментации УЗ снимков в апикальных позициях.

2.9.2 Сравнительная оценка вычисления параметров сердца при ручной и автоматической обработке.

2.10

Выводы по второй главе.

ГЛАВА 3. РАЗРАБОТКА АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ ОБРАБОТКИ И АНАЛИЗА ЭХОКАРДИОГРАФИЧЕСКИХ СНИМКОВ

3.1 Разработка требований к системе.

3.1.1 Задачи, решаемые системой.

3.1.2 Требования к системе.

3.1.3 Требования к изображениям. ЮЗ

3.2 Разработка структуры системы.

3.3 Разработка структуры компонентов системы.

3.3.1 Подсистема регистрации видео.

3.3.2 Подсистема предварительной обработки.

3.3.3 Подсистема основной обработки.

3.3.4 Подсистема ввода информации.

3.3.5 Подсистема работы с БД.

3.3.6 Подсистема подготовки отчетов.

3.4 Разработка технологии проведения эхокардиографических обследований с использованием АСОПСППЭС.

3.5 Выводы по третьей главе.

ГЛАВА 4. ПРАКТИЧЕСКОЕ ПРИМЕНЕНИЕ РАЗРАБОТАННОЙ СИСТЕМЫ. П

4.1 Состав программных и аппаратных средств.

4.2 Характеристика группы пациентов.

4.3 Результаты автоматизированной обработки эхокардиографических изображений.

4.4 Примеры статистических исследований.

4.5 Выводы по четвертой главе.

За последнее время в странах ЕС смертность от ССЗ (по всем возрастным группам) неуклонно снижалась и сейчас по сравнению с уровнем 1970 г. уменьшилась вдвое, составив 240−260 на 100 тысяч населения. При этом средний показатель по странам СНГ почти в три раза превышает названный уровень и соответствует 750 на 100 тысяч населения [17]. Только ИБС является основной причиной смертности населения экономически развитых стран и суммарно составляют около 20% в структуре смертности по всему миру и более 50% в РФ [26]. Кроме того, в последнее время имеется четкая тенденция ее страшными осложнениями, поэтому решение вопросов ССЗ занимает одно из приоритетных направлений в программе здравоохранения РФ.

Своевременная диагностика играет важную роль в предупреждении и выявлении на ранней стадии болезней сердца [8, 15, 20, 27]. Одним из распространенных способов диагностики функционального состояния сердца является УЗ обследования, проводимые в покое (ЭхоКГ) и под нагрузкой (стресс-ЭхоКГ) [51, 72, 91]. Во время обследования регистрируется от нескольких десятков до тысяч снимков, из которых кардиолог из-за ограниченного времени приема обрабатывает от 1 до 10 кадров, при этом теряется большой объем информации, который следует использовать для постановки диагноза. В то же время автоматизированная обработка полученных изображений затруднена из-за малого контраста, прерывистых и нечетко выраженных контуров, наличия спекл-шума, а также из-за многофункционального назначения УЗ аппаратов [76, 93, 100, ИЗ].

Кроме того, спецификация взаимодействия программного обеспечения и операционной системой современных УЗ аппаратов является закрытой, что исключает создание модулей расширения. Таким образом, достоинства методов ЭхоКГ и стресс-ЭхоКГ не реализованы в полном объеме на широко используемых в стране УЗ аппаратах [47, 62].

Существующие алгоритмы выделения границ камер сердца, основанные на текстурной сегментации, морфологических преобразованиях, не учитыва7 ют угол наклона камер сердца, прерывистость контуров. Алгоритмы, использующие активные контуры, требуют наличия шаблона — первоначального приближения границы камеры, который итерационно вручную подгоняется под реальную границу, но из-за особенностей каждого снимка сложно подобрать параметры контура (упругость, эластичность, шаг), которые давали бы приемлемые результаты. Кроме того, эти методы являются итеративными.

В связи с этим актуальным является разработка АСОПСППЭС, что позволит провести обработку всей зарегистрированной последовательности снимков обследования, сократить время обработки и анализа каждого снимка, получить новые данные о динамике изменения параметров сердца, повысить точность диагноза за счет большего количества данных, сформировать единую базу данных обследований и вести статистические исследования по различным параметрам.

Целью диссертационной работы является создание системы, обеспечивающей определение требуемых параметров всех ультразвуковых снимков обследования сердца с высокой скоростью и нужной точностью за счет использования алгоритмов секторной сегментации.

Для достижения данной цели необходимо решить следующие задачи.

1. Обзор и анализ систем, методов, алгоритмов обработки и анализа ЭхоКГ изображений.

2. Разработка и исследование алгоритмов предварительной обработки УЗ снимков сердца.

3. Разработка и исследование (на тестовых и реальных изображениях) алгоритмов выделения границ камер сердца и аорты на ЭхоКГ снимках.

4. Создание автоматизированной системы на основе разработанных алгоритмов, программных средств и современных компьютеров.

5. Разработка технологии проведения УЗ обследований сердца в покое и под нагрузкой с использованием автоматизированной системы.

6. Формирование базы данных обработанных УЗ снимков сердца для научно-статистических исследований.

7. Практическое применение созданной системы в кардиологическом отделении больницы и проведение исследований на группе пациентов.

Объект исследования — УЗ снимки сердца, полученные в результате УЗ обследования пациентов.

Методы исследования. В работе использованы методы дискретной математики, математической логики, теории множеств, цифровой обработки изображений, математической статистики.

Научная новизна работы.

1. Предложен алгоритм сегментации изображений на последовательности эхокардиографических снимков в проекции по длинной оси, отличающийся предварительным разбиением изображения на секторы с равномерной яркостью и позволяющий автоматически осуществить выделение камер сердца и аорты и измерение их размеров с погрешностью не более 5%.

2. Разработан алгоритм автоматического построения непрерывных границ камер сердца на последовательности эхокардиографических снимков в апикальных проекциях, основанный на предварительном выделении правой и левой стенок левого желудочка, что дает возможность использовать произвольный угол наклона камер без применения шаблонов и осуществлять измерение их размеров с погрешностью не более 5%.

3. Разработан способ определения признаков нарушения локальной сократимости левого желудочка сердца, заключающийся в анализе вектора смещения его центра тяжести между снимками последовательности эхокардиографических изображений, позволяющий, в отличие от ранее используемого способа разбиения левого желудочка на отрезки, оценить локальную сократимость в парастернальных проекциях.

Практическая ценность работы. Разработанные алгоритмы и программные модули составляют основу автоматизированной системы определения геометрических параметров сердца, применение которой позволит решать следующие задачи практической медицины:

— использовать для постановки диагноза информацию, содержащуюся во всех снимках, полученных в результате обследования;

— исключить субъективные ошибки врача при расчете геометрических параметров сердца;

— сократить время обследования пациентов.

Реализация результатов работы. Разработанная автоматизированная система используется в кардиологическом отделении больницы на станции Муром ОАО «РЖД» и в учебном процессе Муромского института (филиала) ФГБОУ ВПО «Владимирский государственный университет имени А. Г. и Н. Г. Столетовых» в виде цикла практических занятий по дисциплине «Методы и системы цифровой обработки изображений», что подтверждается соответствующими актами.

На защиту выносятся следующие основные результаты работы.

1. Алгоритм и программный модуль сегментации изображений на последовательности эхокардиографических снимков в проекции по длинной оси, отличающиеся предварительным разбиением изображения на секторы с равномерным контрастом и позволяющие автоматически осуществить выделение камер сердца и аорты и измерение их размеров с погрешностью не более 5%.

2. Алгоритм и программный модуль автоматического построения непрерывных границ камер сердца на последовательности эхокардиографических снимков в апикальных проекциях, основанные на предварительном выделении правой и левой стенок левого желудочка, что дает возможность использовать произвольный угол наклона камер без применения шаблонов и осуществлять измерение их размеров с погрешностью не более 5%.

3. Способ и программный модуль определения признаков нарушения локальной сократимости левого желудочка сердца, заключающиеся в анализе вектора смещения его центра тяжести между снимками последовательности эхокардиографических изображений, позволяющие, в отличие от ранее используемого способа разбиения левого желудочка на отрезки, оценить локальную сократимость в парастернальных проекциях.

4. Устройства и автоматизированная система обработки и анализа эхо-кардиографических снимков, позволяющие получить геометрические параметры сердца по последовательности ультразвуковых снимков.

Апробация работы. Основные результаты диссертационной работы докладывались и обсуждались: на международной конференции «Биомедси-стемы 2009» (г. Рязань, 2009) — XII международной специализированной выставке «Кардиология 2010» (г. Москва, 2010) — всероссийской научно-практической конференции с международным участием «Высокотехнологичные методы диагностики и лечения заболеваний сердца, крови и эндокринных органов» (г. Санкт-Петербург, 2010) — международной научно-технической конференции «Медико-экологические информационные технологии — 2009» (г. Курск, 2009) — IX международной научно-технической конференции «Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации» «Распознавание — 2010» (г. Курск, 2010).

Публикации. Основные результаты диссертации опубликованы в 20 работах, в том числе в 4 статьях в журналах из перечня ВАК, одной монографии, 6 статьях в других научных журналах и 5 тезисах докладов. Получены 2 патента РФ на полезные модели и 2 свидетельства о регистрации программ для ЭВМ.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы из 114 наименований, 72 рисунков, 9 таблиц. Общий объем диссертации 157 страниц, в том числе 133 страницы основного текста, 12 страниц литературы, 12 страниц приложений.

4.5 Выводы по четвертой главе.

Эспериментальное исследование АСОПСППЭС показало, что разработанная система предоставляет врачу следующие возможности:

1. Проводить автоматизированный анализ всех зарегистрированных снимков, тратя на каждый кадр от 2 до 3 секунд (врач вручную обрабатывает один снимок примерно за минуту).

2. Прослеживать изменение всех вычисленных параметров в динамике сокращения сердца, автоматически определяя отклонения от допустимых норм, оценивать ЛС ЛЖ.

3. Хранить полученные результаты в БД.

4. Отслеживать и оценивать изменения параметров сердца разных обследований одного пациента.

5. Проводить статистические исследования для выявления общих закономерностей, что может быть использовано для моделирования развития ИБС.

6. Использовать полный объем информации (все зарегистрированные снимки и рассчитанные параметры, графики их динамики изменений в рамках одного и нескольких обследований) для постановки более точного диагноза.

Заключение

.

В диссертационной работе были получены следующие основные теоретические и практические результаты.

1. Проведены обзор и анализ способов, существующих алгоритмов, методов и систем обработки эхокардиографических снимков. Показано, что существующая ручная технология обработки УЗ снимков не позволяет провести полный анализ зарегистрированных кадров каждого пациента из-за трудоемкости и ограниченности времени приема, не удается оценить изменение параметров в динамике от снимка к снимку в основных позициях, что приводит к потере большого объема информации, необходимого для анализа признаков ИБС.

2. Разработаны:

— алгоритм сегментации изображений на последовательности эхокардиографических снимков в проекции по длинной оси, отличающийся предварительным разбиением изображения на секторы с равномерной яркостью и позволяющий автоматически осуществить выделение камер сердца и аорты и измерение их размеров с погрешностью не более 5%.

— алгоритм автоматического построения непрерывных границ камер сердца на последовательности эхокардиографических снимков в апикальных проекциях, основанный на предварительном выделении правой и левой стенок левого желудочка, что дает возможность использовать произвольный угол наклона камер без применения шаблонов и осуществлять измерение их размеров с погрешностью не более 5%.

— способ определения признаков нарушения локальной сократимости левого желудочка сердца, заключающийся в анализе вектора смещения его центра тяжести между снимками последовательности эхокардиографических изображений, позволяющий, в отличие от ранее используемого способа разбиения левого желудочка на отрезки, оценить локальную сократимость в па-растернальных проекциях.

3. Проведены исследования разработанных, существующих алгоритмов, а также ручной обработки на моделях УЗ снимков и реальных изображениях.

4. Создана тиражируемая автоматизированная система, построенная по модульному принципу, позволяющая врачу-кардиологу:

— регистрировать последовательность УЗ снимков обследований на ПК;

— проводить полный автоматизированный анализ зарегистрированной последовательности, в результате которого локализуются границы камер сердца и аорты, рассчитываются основные параметры и сравниваются с нормой;

— использовать полный объем вычисленных параметров для всей зарегистрированной последовательности для постановки диагноза ИБС;

— сохранять результаты в БД, что дает возможность вести различную статистику по всем и каждому пациенту, анализировать характер изменения параметров функционального состояния сердца между обследованиями;

— автоматически создавать отчеты о проведенных обследованиях и формировать больничный лист;

— проводить перспективные кардиологические исследования.

5. Разработана технология проведения эхокардиографических обследований в покое и под нагрузкой с использованием разработанной системы.

6. Разработана и сформирована БД для проведения научно-статистических исследований.

7. Созданная система эксплуатируется в кардиологическом отделении больницы ОАО «РЖД» на станции Муром.

Вышеизложенное позволяет утверждать, что поставленные задачи выполнены и цель достигнута.

Показать весь текст

Список литературы

  1. A.B. Методы математического моделирования для трехмерной реконструкции функционального анализа желудочков сердца человека по данным эхокардиографии: Автореферат диссертации канд. техн. наук. / Алпатов A.B. Рязань, 2003.
  2. A.B. Математическое моделирование формы желудочков сердца по данных эхокардиографии. / Алпатов A.B. // Вестник Рязанского государственной радиотехнической академии. 2001, № 8. — С. 35 — 38. — ISSN 1995−4565.
  3. Д.Е. Модификация фильтра Рампони для подавления спекл-шума на медицинских изображениях. / Андрианов Д. Е., Орлов A.A. // В сб. ст. Обработка и анализ данных. Ташкент: НПО «Кибернетика» АН РУз, 1998.-С. 21−25.
  4. АРМ врача-диагноста. Электронный ресурс. URL: http://doctorsoft.ru/.
  5. Д.М. Функциональные пробы в кардиологии. Лекция 5 / Д. М. Аронов, В. П. Лупанов // Кардиология. 1996, № 4. — С. 95 — 98. — ISSN 229 040.
  6. Борьба с основными болезнями в Европе актуальные проблемы и пути их решения. Факты и цифры ЕРБ B03/03/06. Копенгаген, 11 сентября 2006 г.
  7. В.А. Спектрально-морфологический анализ акустических изображений биологических тканей и композитных структур. Статистический подход. / Буров В. А., Ким E. JL, Румянцева О. Д. // Акустический журнал. -2005, Т.51. № 1. С.68−80. ISSN 0320−7919.
  8. С.С. Удаление шума из изображений нелинейными цифровыми фильтрами на основе ранговой статистики. Автореферат диссертации на соискание ученой степени кандидата технических наук. Москва, 2007.
  9. В.В. Алгоритм интерактивной сегментации изображений, основанный на методе динамического программирования. / Буча В. В., Абламейко C.B. // Информатика. 2006 ,№ 1(9). — С. 5 — 16.
  10. Быстрые алгоритмы в цифровой обработке изображений / под ред. Т. Хуанга. М., Радио и связь, 1984. — 320 с.
  11. В.М. Обзор методов сегментации и триангуляции данных МРТ. / Верхлютов В. М., Гапиенко Г. В. URL: http ://www.ihna.ru/files/verkhyutov/mriseg2005 .zip.
  12. Глобальная стратегия ВОЗ в области рациона и режима питания, физической активности и здоровья: консультативная встреча стран Европейского региона. Отчёт о Консультативной встрече. Копенгаген, 2−4 апреля 2003 г.
  13. А. Деформируемые модели. / Дегтярева А. // Компьютерная графика и мультимедиа, 3(2), 2005.
  14. URL: http://cgm.computergraphics.ru/content/view/75.
  15. Доклад о состоянии здравоохранения в Европе 2002. Европейское региональное бюро ВОЗ. Копенгаген. 2002. — С. 33 — 35.
  16. Д.В. Стресс-эхокардиография при гипертрофической и ди-латационной кардиомиопатии. / Дупляков Д. В. // Кардиология. 2007, № 7. -С. 68 — 71. — ISSN 0022−9040.
  17. H.A. Возможности ультразвуковой диагностики при синдроме карпального канала. / Еськин H.A., Насникова И. Ю., Финешин А.И.// Кремлевская медицина. 2009, № 4. — С. 26 — 30. — ISSN 1818−460Х.
  18. Информационный бюллетень для руководителей здравоохранения. Документы ВОЗ и международные проекты. Выпуск 26, 2007.
  19. Кардиовизор. Электронный ресурс.
  20. URL: http ://www.cybermed.ru/cybermed/nejAQEwr/KzyhobCK/.
  21. Кардиологические центры в России и СНГ. Электронный ресурс. URL: http://www.cardiosite.ru/cardio-russian.
  22. В.Г. Теория и применение преобразования Хо. / Лабунец В. Г., Чернина С. Д. // Зарубежная радиоэлектроника. 1987, № 10. — С. 48−56.
  23. Методы компьютерной обработки изображений. / Под ред. В. А. Сойфера. М.: ФИЗМАТЛИТ, 2003. — 784 с. ISBN 5−922−0270−2.
  24. Л.И. Спиральная компьютерная томография. / Никитина Л. И. // Новости лучевой диагностики. 1998, № 5. — С. 22 — 23. — ISSN 16 820 878.
  25. Р.Г. Смертность от сердечно-сосудистых заболеваний в России и некоторые влияющие на нее факторы. / Оганов Р. Г. // Кардиология. -1995, № 4. С. 80 — 83. — ISSN 0022−9040.
  26. Р.Г. Всероссийская образовательная акция «Здоровые сердца» масштабный профилактический проект. / Оганов Р. Г., Герасименко Н. Ф., Колтунов И. Е., Погосова Н. В. // Профилактическая медицина. — 2010, № 3. — С. 3 — 5. — ISSN 0371−9367.
  27. Опыт использования прибора Кардиовизор в кардиологической практике. Электронный ресурс.
  28. URL: http://www.cardiosite.ru/articles/article.asp?id=4783.
  29. Jl. В. Ультразвуковые диагностические приборы: Практическое руководство для пользователей. / Осипов Л. В. М.: Видар, 1999. — 256 с. — ISBN: 5−88 429−041−1.
  30. Обработка изображений и цифровая фильтрация. / Под ред. Т. Хуан-га. -М.: Мир, 1979.-318 с.
  31. Программный модуль PureView. Электронный ресурс. URL: http://www.myscaner.ru/Product/Clearview.htm.
  32. Программный комплекс SonoView. Электронный ресурс. URL: http://www.medison.ru/tn/sonoview.htm.
  33. Программное обеспечение Stress Browser. Электронный ресурс. URL: http://www.doctor-soft.ru/soft-/stressbrowser.html.
  34. Программное обеспечение TEE Browser. Электронный ресурс. http://www.doctor-soft.ru/soft-/teebrowser.html.
  35. Программное обеспечение ТТЕ Browser. Электронный ресурс. URL: http://www.doctor-soft.ru/soft-/soft.html.
  36. Профессиональное медицинское программное обеспечение «Махаон». Электронный ресурс. URL: http://www.makhaon.com/.
  37. А.Э. Электрокардиографические маркеры риска внезапной сердечной смерти. Влияние ишемии и реваскуляризации миокарда. / Радзевич А. Э. // Кардиология. 2001, № 6. — С. 99 — 104. — ISSN 0022−9040.
  38. Радиоизотопная вентрикулография сердца. Электронный ресурс. URL: http://medportal.ru/enc/cardiology/service/40/.
  39. С.С. Сравнительный анализ алгоритмов сегментации эхо-кардиографических снимков. / Садыков С. С., Ткачук М. И. // Системы управления и информационные технологии. 2010, № 1.1(39). — С. 184 — 187. ISSN 1729−5068.
  40. С.С. Система автоматизации обработки и анализа эхокардиографических снимков. / Садыков С. С., Ткачук М. И. // ФИПС. 2010. № 2 010 610 422.
  41. С.С. Устройство определения левого желудочка сердца на ультразвуковых снимках. / Садыков С. С., Ткачук М. И. // ФИПС. 2009. № 2 009 137 823/22(53 461).
  42. С.С. Устройство определения полосы М режима на ультразвуковых снимках. / Садыков С. С., Ткачук М. И. // ФИПС. 2009. № 2 009 137 825/22(53 463).
  43. С.С. Полная автоматизированная обработка последовательности ультразвуковых снимков сердца. / Садыков С. С., Сафиулова И. А., Ткачук М. И. // Известия ВУЗов. Приборостроение. 2010, № 9. — С. 27 — 33. -ISSN 0021−3454.
  44. С.С. Система автоматизации обработки и анализа эхокар-диографических снимков. / Садыков С. С., Сафиулова И. А., Ткачук М. И. // Автоматизация и современные технологии. 2010, № 10. — С. 10 — 17. — ISSN 0206−975х.
  45. С.С. Технология обработки ультразвуковых снимков сердца на внешнем компьютере. / Садыков С. С., Сафиулова И. А., Ткачук М. И. // Вестник РГРТУ. 2010, № 2 (32). — С. 22 — 27. — ISSN 1995−4565.
  46. М.А. Современные методы диагностики жизнеспособного миокарда. / Саидова М. А. // Кардиология. 2005, № 9. — С. 47 — 54. — ISSN 0022−9040.
  47. И.А. Обработка и анализ эхокардиографических снимков в позиции по длинной оси. / Сафиулова И. А., Ткачук М. И. // Информационные технологии моделирования и управления. 2009, № 5 (57). — С. 645 -651.-ISSN 1813−9744.
  48. И.А. Система формирования последовательности и обработки эхокардиографических снимков на внешнем компьютере. / Сафиулова И. А., Ткачук М. И // ФИПС. 2010. № 2 010 610 421.
  49. В.П. Стресс-эхокардиография. / Седов В. П., Алёхин М. Н., Корнеев H.B. М.: ЗАО «Информатик», 2000. — 152 с. — ISBN 5−900 818−52−7.
  50. В.Е. Возможности лучевых методов в неинвазивной диагностике заболеваний сердечно-сосудистой системы крайне велики. / Синицын В. Е. // Тер. архив. 2001, № 8. — С. 8 — 13. — ISSN 0040−3660.
  51. Стандарт DICOM. Электронный ресурс. URL: http://ru.wikipedia.org/wiki/DICOM.
  52. Стандарт DICOM. Электронный ресурс. URL: http://medical.nema.org/.
  53. Стандарт PACS. Электронный ресурс. URL: http ://ru. wikipedia. org/wiki/P АС S.
  54. Система скрининга сердца Кардиовизор 6 С. Электронный ресурс. URL: http://www.mks.ru/dev/KardioVisor-6C.
  55. А. В. Клиническая электрокардиография. / Суворов А. В. Нижний Новгород: Изд. НМИ, 1993. 124 с. — ISBN: 5−7032−0029−6.
  56. Суточный мониторинг ЭКГ по холтеру. Электронный ресурс. URL: http://monitoring.med-datchiki.ru/m06.htm.
  57. М.И. Автоматическая обработка эхокардиографических снимков. / Ткачук М. И. // Биомедсистемы 2009: материалы конференции. -Рязань: РГРТУ, 2009. С. 208 — 211. — ISBN 978−5-7722−0276−0.
  58. М.И. Алгоритмы диагностики ИБС. / Ткачук М. И. // Алгоритмы, методы и системы обработки данных. Вып. 15. Муром: Изд. полиграф. центр МИ ВлГУ, 2010. — С. 178 — 186. ISSN 2220−4229.
  59. М.И. Определение полосы М-режима на эхокардиографических изображениях. / Ткачук М. И. // Материалы Междунар. науч.-практ. конф. «Новейшие научные достижения 2009». — Днепропетровск: Наука и образование, 2009. — С. 40−45.
  60. Ультразвуковое исследование. Электронный ресурс. URL: http://ru.wikipedia.org/wiki/yльтразвуковое исследование.
  61. М. Кардиология в таблицах и схемах. Пер. с англ. под ред. канд. мед. наук М. А. Осипова и канд. мед. наук Н. Н. Алипова. / Фрид М., Грайнс С. М: «Практика», 1996. — 728 с. — ISBN 5−89 816−023-Х.
  62. Харви Фейгенбаум. Эхокардиография. / Харви Фейгенбаум. М.: Видар-М, 1999. — 416 с. — ISBN 5−88 429−039-Х
  63. Н.Б. Клиническая эхокардиография, второе издание. / Шиллер Н. Б, Осипов М. А. М.: Практика, 2005. — 344 с. — ISBN 5−89 816−049−3.
  64. Электрокардиография. Электронный ресурс. URL: http://ru.wikipedia.org/wiki/Элeктpoкapдиoгpaфия.
  65. Эхокардиограф «Поли-Спекрт». Электронный ресурс. URL: http://www.neurosoft.ru/rus/product/poly-spectrum-8e/index.aspx.
  66. Alpatov A.V. A computer model of cardiac ventricles for use in functional diagnosis. / Alpatov A.V., Baidov A.A., Vikhrov S.P. // Biomedical Engineering. -2007, T. 41. № 6. Pp. 262 — 266.
  67. Anil K. Jain. Unsupervised Texture Segmentation using Gabor Filters. / Anil K. Jain, Farshid Farrokhia // Pattern Recognition. 1991, 24 № 12. — Pp. 1167−1186.
  68. Armasoft Cardio. Электронный ресурс. URL: www.armasoft.com.
  69. Baradi A. An alternative form of Lee filter for speckle sup-pression in SAR images / Baradi A., Parmiggiane F. // Graphical model and image processing. 1995, №.1.-Pp. 75−78.
  70. Bellardinelli R. Effects of dipyridamole on coronary collateralization and myocardial perfusion in patients with ischaemic cardiomyopathy. / Bellardinelli R. // Eur. Heart. J. 2001, № 14. — Pp. 1205 — 1213.
  71. Bosch J. Automatic Segmentation of Echocardiographic Sequences by Active Appearance Motion Models. / Bosch J., Mitchell S., Lelieveldt В., Nijland F., Kamp O., Sonka M., and Reiber J. // IEEE Transactions on Medical Imaging. -2002, № 21. Pp. 1374−1383.
  72. Boukerroui D. Velocity estimation in ultrasound images: A block matching approach. / Boukerroui D., Noble A., and Brady M. IPMI, 2003.
  73. Bucha V.V. Image pixel interaction and application to image processing. / Bucha V.V., Ablameyko S.V. // Pattern Recognition and Image Analysis. 2005, Vol. 15, № l.-Pp. 136- 138.
  74. Canny J. A. Computational approach to edge detection. / Canny J. A. // IEEE Trans. Pattern Analysis and Machine Intelligence. 1986, № 8. Pp. 679 714.
  75. Cardioline Cube Cardiology Suite, including CUBE ECG. Электронный ресурс. .URL:http ://www.awnline.com/Shop/ShopProductDetail.asp?fdShopProductId=3932.
  76. Cardiosoft. Электронный ресурс. URL: http://www.cardiosoft.com/.142
  77. Cheriet M. A recursive thresholding technique for image segmentation. / Cheriet M., Said J.N., Suen C. Y. // IEEE Transactions on Image Processing. -1998, Vol. 7 No. 6.
  78. Cochrane A.L. Effectiveness and efficiency: random reflections on health services. / Cochrane A.L. Abingdon, UK: The nuffield provincial hospitals Trust- 1972:2.
  79. Crouse L.J. Stress echocardiography: technical considerations. / Crouse L.J., Kramer P.H. // Prog Cardiovasc Dis. 2001, № 43. — Pp. 303 — 314.
  80. Ding L., Ardeshir G. On the Canny Edge Detector. // Pattern Recognition, 43, 2001.-Pp. 721−725.
  81. Goldstein A. Overview of the physics of US. / Goldstein A. // Radiographics. 1993, № 13(3). — Pp. 701 — 705.
  82. Haralick R.M. Textural features for image classification. / Haralick R.M. IEEE Trans. 1973. V. SMC-3. -P. 610.
  83. Harris J.M. Coronary angiography and its complications. / Harris J.M. // Arch Intern Med. 1984, № 2. — Pp. 337−341.
  84. Hewer G.A. Manjunath B.S. Variational image segmentation using boundary functions. / Hewer G.A., Kenney C. // IEEE Transactions on Image Processing. 1998, Vol. 7 No. 9.
  85. Kang H.W. Enhanced lane: interactive image segmentation by incremental path map construction. / Kang H.W., Sung Y.S. // Graphical Models. 2003, № 64.-Pp. 282−303.
  86. Kass M. Snakes: active contour models. / Kass M., Witkin A., Terzopou-los D. // Int. J. Computer Vis. 1988, Vol. 1. № 4. — Pp. 321−331.
  87. Kossff G. Basic physics and imaging characteristics of ultrasound. / Kossff G. // World J Surg. 2000, № 24(2). — Pp. 134 — 176.
  88. Mishra M.B. A comparison of wall motion analysis and systolic left ventricular long axis function during dobutamine stress echocardiography. / Mishra M.B., Lythall D.A., Chambers J.B. // Eur Heart J. 2002, № 23(7). — Pp. 579 -664.
  89. Narashime R.P.V. An adaptive filter for spekle suppression in synthetic aperture radar images. / Narashime R.P.V., Vidyadhar M.S.R., Malleswara R.T.C., Venkataratnam L. // International journal of remote sensing. 1995, Vol. 16, № 5. -Pp. 877−889.
  90. C.E. // Left ventricular volume changes during dobutamine stress echocardiography identify patients with more extensive coronary artery disease. / Olson C.E., Porter T.R., Deligonul U. et al. // J Am Coll Cardiol. 1994, № 24(5). -Pp. 1268- 1341.
  91. Pitas I. A new filter structure for the implementation of certain classes of image proessing operations. / Pitas L, Venetsanopoulos A.N. // IEEE Transactions on circuits and system. 1988, Vol. 35, № 6. — Pp. 636 — 646.
  92. Philips medicine. Электронный ресурс. http://www.medical.philips.com.
  93. Rabkin J., Paulin S. Modern methods of coronary imaging. // Лучевая диагностика сердечно-сосудистых заболеваний. Сб. тез. Докл. М., 2002. С. 35 -36.
  94. Setarehdan S.K. Automatic cardiac LV boundary detection and tracking using hybrid fuzzy temporal and fuzzy multiscale edge detection. / Setarehdan S.K., Soraghan J.J. // IEEE Trans.Biomed. Eng. 1999, vol.46. — Pp.1364 — 1378.
  95. Scheider G. Contrast optimization in MRI. Cardiac imaging. / Scheider G. // Eur. Radiol. 2003, № 13. — P. 584.
  96. M. Tuceryan. Moment based texture segmentation. / M. Tuceryan. // Pattern Recognition Letters. 1994, № 15. — Pp. 659 — 668.
  97. Wielopolsli P.A. New developments in cardiac MRI. Advanced techniques in cardiac MRI. / Wielopolsli P.A. // Eur. Radiol. 2003, № 13. — P. 115.
  98. Yamada E. Myocardial Doppler velocity imaging: a quantitative technique for interpretation of dobutamine echocardiography. / Yamada E., Garcia M., Thomas J.D. et al. // Am J Cardiol. 1998, № 82(6). — Pp. 806 — 815.
  99. Ziskon M.C. Fundamental physis of ultrasound and its propagation in tissue. / Ziskon M.C. // Radiographics. 1993, № 13(3). — Pp. 705 — 714.
  100. Zong X. Speckle reduction and contrast enhancement of echocardiograms via multiscale nonlinear processing. / Zong X., Laine A.F., Geiser E.A. // IEEE Trans. Medical Imaging. 1998, Vol.17. — Pp. 532 — 540.
Заполнить форму текущей работой

Сессия? Спокойно!