В.Е. Анциперов1, В.А. Кершнер2, Г.К. Мансуров3

1–3 Институт радиотехники и электроники им. В.А. Котельникова РАН (Москва, Россия)
1 antciperov@cplire.ru

Постановка проблемы. Современная медицина активно использует новейшие средства визуализации, среди которых наиболее популярны компьютерная томография, магнитно-резонансная томография, позитронно-эмиссионная томография, однофотонная эмиссионная компьютерная томографию и т.д. Общей чертой большинства из них является относительно низкий уровень используемого электромагнитного излучения, что приводит к тому, что соответствующие датчики формируют изображения либо в режиме ФСД-детекторов, считающих фотоны, или в близком к нему режиме ЭИД-детекторов, интегрирующих энергию фотонов. В силу специфики этих режимов, изображения, формируемые соответствующими медицинскими ФСД/ЭИД-устройствами визуализации, плохо подходят для традиционных методов их распознавания и анализа (диагностики). Поэтому в данной области постоянно ведутся интенсивные исследования по разработке новых методов и подходов по обработке, хранению и передачи медицинских изображений.

Цель. Разработать методы обработки и представления изображений, учитывающие их дискретный фото-отсчётный характер. При этом разрабатываемые представления ориентировать на возможность формирования специалистом обоснованных выводов (диагностики) о степени сходства формы объектов на изображениях с формами ранее наблюдавшихся объектов (прецедентов).

Результаты. Разработан новый метод представления изображений КТ на основе полученного выборочного представления. Метод основан на прямом моделировании механизмов первичной обработки видеоданных на периферии зрительной системы.

Практическая значимость. Предложенное в работе выборочное представление (списочного класса) – весьма удобное в теоретических исследованиях, однако для практических приложений лучше использовать комбинированные представления смешанных списочных и бинированных классов. Опыт численного тестирования и оптимизации алгоритмов формирования разработанного комбинированного представления показали, что удается избежать вычислительных проблем, связанных с обработкой больших объемов данных и адаптировать подход к современным задачам компьютерной томографии.

Анциперов В.Е., Кершнер В.А., Мансуров Г.К. Представление КТ-изображений с помощью чисел заполнения рецептивных полей отсчетами выборки фиксированного размера // Биомедицинская радиоэлектроника. 2025. T. 28. № 5. С. 149−153. DOI: https://doi.org/10. 18127/j156 04136-202505-30

1. Darby M.J., Barron D., Hyland R.E., Eds. Oxford Handbook of Medical Imaging. Oxford: Oxford University Press. 2011.
2. Leng S., Bruesewitz M., Tao S. et. al. Photon-counting Detector CT: System Design and Clinical Applications of an Emerging Technology. RadioGraphics. 2019. V. 39. № 3. P. 729–743.
3. Gonzalez R.C., Woods R.E. Digital image processing, 4-th ed. New York: Pearson, 2018.
4. Antsiperov V.E., Kershner V.A. Image Coding by Count Sample. Advanced Network Technologies and Intelligent Computing. ANTIC 2021. Woungang I. et. al. Eds. Communications in Computer and Information Science. V. 1534. Springer, Cham. 2021.
5. Goodman.W. Statistical Optics. 2nd ed. New York: Wiley. 2015.
6. Antsiperov V., Kershner V. Retinotopic Image Encoding by Samples of Counts. In Pattern Recognition Applications and Methods. ICPRAM 2021-2022, De Marsico, M., Sanniti di Baja, G., Fred, A. (eds). Lecture Notes in Computer Science. V. 13822. Springer, Cham, 2023.
7. Анциперов В.Е., Кершнер В.А. Интерполяция изображения с ориентацией по краям как нейроморфическое декодирование их представлений выборки // Оптический журнал. 2025. Т. 92. № 1. C. 53–67.
8. Mostafavi S.M. COVID19-CT-Dataset: An Open-Access Chest CT Image Repository of 1000+ Patients with Confirmed COVID-19 Diagnosis. Harvard Dataverse, 2021. V.1.
9. Kahn C. et al. DICOM and Radiology: Past, Present, and Future. Journal of the American College of Radiology, 2007. Т. 4. № 9. С. 652–657.
10. Antsiperov V. Image Enhancement Directed by Maximum Contrast Gradients Encoded by a Lattice of Receptive Fields. X International Conference on Information Technology and Nanotechnology (ITNT). Samara. Russian Federation. 2024. P. 1–9.