Оценивание размера структурных образований при ультразвуковой визуализации посредством статистического анализа эхо-сигнала

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

В работе рассматривается принципиально новый подход к решению задачи определения размеров структурных образований при ультразвуковой диагностике, в основе которого лежит теоретически обоснованная возможность оценивания размеров неоднородностей исследуемой среды посредством анализа статистических характеристик рассеянного на этих неоднородностях ультразвукового сигнала. Эта возможность обусловлена тем, что статистическое распределение данных, формирующих ультразвуковое изображение, варьируется от распределения Рэлея до распределения Райса в зависимости от соотношения между размером области когерентности рассеянного сигнала и шириной луча. Работа направлена на развитие нового метода статистического анализа данных, который позволит эффективно выявлять значительную когерентную составляющую в эхо-сигнале и тем самым будет использоваться как математический инструмент оценивания размера неоднородностей среды при ультразвуковой визуализации. Такой подход к анализу ультразвуковых изображений обеспечит возможность количественного оценивания структурных образований и тем самым – существенное повышение информативности ультразвуковой диагностики и возможность выявления патологий на ранней стадии их образования, открывая перспективы повышения эффективности лечения.

Об авторах

Т. В. Яковлева

Федеральный исследовательский центр
“Информатика и управление” Российской академии наук

Автор, ответственный за переписку.
Email: tan-ya@bk.ru
Россия, Москва

Н. С. Кульберг

Федеральный исследовательский центр
“Информатика и управление” Российской академии наук

Email: tan-ya@bk.ru
Россия, Москва

Д. В. Леонов

Государственное бюджетное учреждение здравоохранения города Москвы “Научно-практический клинический центр диагностики и телемедицинских технологий Департамента здравоохранения города Москвы” (ГБУЗ “НПКЦ ДиТ ДЗМ”)

Email: tan-ya@bk.ru
Россия, Москва

Список литературы

  1. Rice S.O. Mathematical Analysis of Random Noise // Bell Syst. Tech. Journal. 1944. V. 23. P. 282–322.
  2. Cai R. Statistical Characterization of the Medical Ultrasound Echo Signals. Sci Rep. 2016. V. 6. P. 39379.
  3. Parker K.J. Shapes and distributions of soft tissue scatterers. Physics in Medicine and Biology. Volume 64, Issue 17, 5 September 2019, article number 175022.
  4. Mohana Shankar P. A general statistical model for ultrasonic backscattering from tissues // IEEE Trans Ultrason Ferroelectr Freq Control. 2000. V. 47. № 3. P. 727–36. https://doi.org/10.1109/58.842062
  5. Martínez-Graullera O., Yagüe-Jiménez V., Romero M. P. and Ibáñez Rodríguez A. Improving ultrasonic medical image quality by attenuation of the secondary lobes // IEEE International Ultrasonics Symposium. 2019. P. 1286–1289. https://doi.org/10.1109/ULTSYM.2019.8926260
  6. Physical Principles of Medical Ultrasonics, 2nd ed, C.R. Hill (Editor), J.C. Bamber (Editor), G.R. ter Haar (Editor), ISBN: 978-0-471-97002-6, 2004, 528 P.
  7. Yakovleva T.V., Kulberg N.S. Noise and Signal Estimation in MRI: Two-Parametric Analysis of Rice-Distributed Data by Means of the Maximum Likelihood Approach. American Journal of Theoretical and Applied Statistics. 1013. V. 2. № 3. P. 67–79.
  8. Яковлева Т.В. Теоретическое обоснование математических методов совместного оценивания параметров сигнала и шума при анализе райсовских данных // Компьютерные исследования и моделирование. 2016. Т. 8. № 3. С. 445–473.https://doi.org/10.20537/2076-7633-2016-8-3-445-473
  9. Яковлева Т.В., Кульберг Н.С. Методы математической статистики как инструмент двухпараметрического анализа магнитно-резонансного изображения // Информатика и ее применения. 2014. Т. 8. Вып. 3. С. 79–89.
  10. Yakovleva T. Peculiarities of the Rice Statistical Distribution: Mathematical Substantiation // Applied and Computational Mathematics. 2018. V. 7. № 4. P. 188–196. Science Publishing Group. https://doi.org/10.11648/j.acm.20180704.12
  11. Vetsheva N.N., Reshetnikov R.V., Leonov D.V., Kulberg N.S., Mokienko O.A. Diagnostic value of lung ultrasound in COVID-19: systematic review and meta-analysis // Digital Diagnostics. 2020. V. 1. № 1. P. 13–26. https://doi.org/10.17816/DD46834

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
2.

Скачать (31KB)
3.

Скачать (673KB)

© Т.В. Яковлева, Н.С. Кульберг, Д.В. Леонов, 2023

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».