Контурный анализ эндоскопических изображений в диагностике раннего рака желудка

Цель исследования: Создание системы цифровой обработки эндоскопических изображений в белом и узком спектре света для своевременной диагностики ранних форм рака желудка.

Материалы и методы: Объектом исследования являются эндоскопические видеоизображения, полученные при помощи узкоспектральной диагностики на аппарате PENTAX EG-2790К и OLYMPUS Н180, всего 6320 случаев. Предметом исследования являются математические модели эпителиальных неоплазий желудка, методы классификации этих тканей, методы цифровой обработки изображений и контурного анализа, методы математического моделирования.

Результаты: Для получения количественных оценок исследуемых признаков работа разбивается на два этапа: 1. Для формирования диагностической карты изображение сегментируется, затем отчерчиваются границы между патологически изменёнными тканями и нормальной слизистой оболочкой. 2. Производится расчет характеристик контура, связанных с диагностическими признаками. В качестве меры симметричности фигуры использовался коэффициент симметричности k, определяемый как отношение количества отсчетов нормированной автокорреляционной функции, превысившей заданный порог по уровню к общему количеству отсчетов. В ходе исследования выявлено, что контуры злокачественных новообразований имеют коэффициент симметричности k < 0,05, а контуры доброкачественных новообразований k > 0,2. Это позволяет предположить о возможности автоматизированной дифференциации новообразований по результатам анализа их формы.

Заключение: Объективная оценка эндоскопических признаков раннего рака желудка необходима для стандартизации и систематизации диагностического подхода. Унифицированная цифровая обработка эндоскопических изображений позволит врачу—эндоскописту увеличить частоту выявления ранних форм рака желудка, что, в конечном итоге, повлияет на рост продолжительности жизни пациентов и снижению смертности от рака желудка.

1. WHO (2014) Global status report on non communicable diseases 2014. Geneva: World Health Organization; 2014. Available at: http://www.who.int/nmh/publications/ncd-status-report-2014/en/.

2. Kaprin A.D., Starinskiy V. V., Petrova G. V. et al. Sostoyaniye onkologicheskoy pomoshchi naseleniyu Rossii v 2018 godu [Th e state of cancer care for the Russian population in 2018]. Moscow: MNIOI P. A. Herzen – a branch of the «National Medical Research Center of Radiology» Publ., 2019. 236 p.

3. Dixon M. F. Gastrointestinal epithelial neoplasia: Vienna revisited. Gut. 2002;51:130–131.

4. Yao K. Th e endoscopic diagnosis of early gastric cancer. Ann Gastroenterol. 2013;26:11–22.

5. Ya. A. Furman, A. V. Krevetskiy, A. K. Peredreyev., et al. Vvedeniye v konturnyy analiz i yego prilozheniya k obrabotke izobrazheniy i signalov [Introduction to contour analysis and its applications to image and signal processing]. Moscow, FIZMATLIT Publ., 2003. 592p.

6. Gonzalez R. Tsifrovaya obrabotka izobrazheniy [Digital image processing]. Moscow, Technosphere Publ., 2005. 1072 p.