Модель і метод автоматизованого високоточного вимірювання тривимірних об’єктів за даними комп’ютерної томографії
DOI:
https://doi.org/10.30837/2522-9818.2026.1.006Ключові слова:
комп’ютерна томографія; сегментація; метод основних компонент; лінійні розміри; DICOM; воксельАнотація
Предметом вивчення є лінійні розміри тривимірних об’єктів за даними комп’ютерної томографії, зокрема металевих чужорідних тіл у тканинах і органах людини. Мета дослідження – розробити математичну модель і метод автоматизованого високоточного вимірювання лінійних розмірів тривимірних об’єктів за результатами комп’ютерної томографії з реалізацією у вигляді програмного забезпечення. Завдання: сформувати математичну модель подання тривимірного об’єкта у воксельному просторі; розробити метод сегментації металевих фрагментів за результатами комп’ютерної томографії; запропонувати метод просторового вирівнювання сегментованих об’єктів на підставі аналізу основних компонент; розробити метод визначення максимального лінійного розміру об’єкта в новій координатній системі; реалізувати запропоновану модель і метод у вигляді програмного забезпечення й експериментально перевірити точність вимірювання. Методи дослідження: аналіз томографічних показників, порогова сегментація з адаптивним вибором порогових значень, хвильовий алгоритм пошуку зв’язаних компонент, аналіз основних компонент для визначення орієнтації об’єкта, воксельне моделювання й обчислення евклідових відстаней між граничними точками тривимірного об’єкта. Досягнуті результати. Запропоновано математичну модель подання тривимірного об’єкта й метод автоматизованого високоточного визначення його максимального лінійного розміру. Метод реалізовано у вигляді програмного модуля й апробовано на 72 зразках металевих фрагментів шести типів, розміщених у біологічних тканинах органів свині. Середнє відхилення не перевищує 3%, а в найскладніших випадках залишається в межах 5%, що свідчить про високу точність і стабільність запропонованого підходу. Висновки: розроблена модель і метод забезпечують автоматизоване й об’єктивне визначення лінійних розмірів чужорідних тіл за даними комп’ютерної томографії без участі оператора. Запропоноване програмне забезпечення може бути використане у військовій медицині, судово-медичній експертизі, медицині катастроф і закладах охорони здоров’я, де критично важливими є швидкість і достовірність діагностичних рішень.
Посилання
Lee, C., Lee, A., Choi, Y.J. et al. (2021), "Accuracy of digital model generated from CT data with metal artifact reduction algorithm", Scientific Reports, Vol. 11, 10332. DOI: https://doi.org/10.1038/s41598-021-89298-x
Nagayama, Y., Tanoue, S., Oda, S. et al. (2020), "Metal Artifact Reduction in Head CT Performed for Patients with Deep Brain Stimulation Devices: Effectiveness of a Single-Energy Metal Artifact Reduction Algorithm", AJNR American Journal of Neuroradiology, Vol. 41, No. 2, pp. 231–237. DOI: https://doi.org/10.3174/ajnr.A6375
Pereira, H., Romero, L., Miguel Faria, P. (2025), "Web-Based DICOM Viewers: A Survey and a Performance Classification", Journal of Imaging Informatics in Medicine, Vol. 38, No. 3, pp. 1304–1322. DOI: https://doi.org/10.1007/s10278-024-01216-5
Khoroshun, E., Smelyakov, K., Chupryna, A., Makarov, V., Nehoduiko, V., Vakulik, Y. (2024), "Improving of computed tomography images for effective diagnosis of gunshot wounds", Emergency Medicine, Vol. 20, No. 7, pp. 577–583. DOI: https://doi.org/10.22141/2224-0586.20.7.2024.1776
Bunin, Y., Vakulik, Y., Mykhailusov, R., Nehoduiko, V., Smelyakov, K., Yasynskyi, O. (2020), "Assessment of foreign body size in the lung using computer vision algorithms", Experimental and Clinical Medicine, Vol. 89, No. 4, pp. 87–94. DOI: https://doi.org/10.35339/ekm.2020.89.04.13
Arabi, H., Zaidi, H. (2021), "Deep learning-based metal artefact reduction in PET/CT imaging", European Radiology, Vol. 31, No. 8, pp. 6384–6396. DOI: https://doi.org/10.1007/s00330-021-07709-z
Selles, M., van Osch, J.A.C., Maas, M., Boomsma, M.F., Wellenberg, R.H.H. (2024), "Advances in metal artifact reduction in CT images: A review of traditional and novel metal artifact reduction techniques", European Journal of Radiology, Vol. 170, 111276. DOI: https://doi.org/10.1016/j.ejrad.2023.111276
Kleber, C.E.J., Karius, R., Naessens, L.E., van Toledo, C.O., van Osch, J.A.C., Boomsma, M.F., Heemskerk, J.W.T., van der Molen, A.J. (2024), "Advancements in supervised deep learning for metal artifact reduction in computed tomography: A systematic review", European Journal of Radiology, Vol. 181, 111732. DOI: https://doi.org/10.1016/j.ejrad.2024.111732
Wang, H., Li, Y., Zhang, H., Chen, J., Ma, K., Meng, D., Zheng, Y. (2021), "InDuDoNet: An Interpretable Dual Domain Network for CT Metal Artifact Reduction", arXiv, available at: https://doi.org/10.48550/arXiv.2109.05298
Yu, L., Zhang, Z., Li, X., Ren, H., Zhao, W., Xing, L. (2021), "Metal artifact reduction in 2D CT images with self-supervised cross-domain learning", Physics in Medicine & Biology, Vol. 66, No. 17, 175003. DOI: https://doi.org/10.1088/1361-6560/ac195c
Zou, H., Wang, Z., Guo, M., Peng, K., Zhou, J., Zhou, L., Fan, B. (2025), "Metal artifact reduction combined with deep learning image reconstruction algorithm for CT image quality optimization: a phantom study", PeerJ, Vol. 13, e19516. DOI: https://doi.org/10.7717/peerj.19516
Larobina, M. (2023), "Thirty Years of the DICOM Standard", Tomography, Vol. 9, No. 5, pp. 1829–1838. DOI: https://doi.org/10.3390/tomography9050145
DenOtter, T.D., Schubert, J. (2023), "Hounsfield Unit", in: StatPearls, StatPearls Publishing, Treasure Island, available at: https://www.ncbi.nlm.nih.gov/books/NBK547721/
Hashimov, E., Pashayev, A., Khaligov, G. (2025), "Camera control algorithm and image quality assessment method to obtain a quality image", Advanced Information Systems, Vol. 9, No. 3, pp. 50–56. DOI: https://doi.org/10.20998/2522-9052.2025.3.06
Greenacre, M., Groenen, P.J.F., Hastie, T., D’Enza, A.I., Markos, A., Tuzhilina, E. (2022), "Principal component analysis", Nature Reviews Methods Primers, Vol. 2, No. 1. DOI: https://doi.org/10.1038/s43586-022-00184-w
Jolliffe, I.T., Cadima, J. (2016), "Principal component analysis: a review and recent developments", Philosophical Transactions of the Royal Society A, Vol. 374, No. 2065, 20150202. DOI: https://doi.org/10.1098/rsta.2015.0202
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Наше видання використовує положення про авторські права Creative Commons для журналів відкритого доступу.
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:
Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License (CC BY-NC-SA 4.0), котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
Автори мають право укладати самостійні додаткові угоди щодо не комерційного та не ексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису опублікованої роботи, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи.
