47251

Підвищення якості ангіографічних зображень

Дипломная

Косметология, дизайн и стилистика

Коронарная ангиография – исследование коронарных сосудов, питающих мышцу сердца. Эти сосуды наиболее часто поражаются атеросклерозом, их просвет суживается или полностью закрывается, что приводит к развитию стенокардии или инфаркта миокарда. Коронарография – прямой метод распознавания этих болезней.

Украинкский

2013-11-26

7.74 MB

5 чел.

РЕФЕРАТ

Дипломний проект викладено на 95 сторінках, вони містять 6 розділів, 8 ілюстрацій, п’ять таблиць, 7 додатків та 7 джерел в переліку посилань.

Об’єктом розгляду є методи та засоби ангіографічних досліджень.

Предмет роботи – методи аналізу ангіограм.

Метою роботи є підвищення якості ангіографічних зображень.

У першому розділі дані загальні визначення ангіографії та розглянуті проблеми, пов’язані з отриманням ангіограм. У розділі 2  наведені методи аналізу ангіографічних зображень та загальна інформація про цифрове зображення. У розділах 3-4 наведене програмне забезпечення обробки ангіографічних зображень та дані результати обробки. У розділах 5-6 надані економічна частина та охорона праці.

АНГІОГРАФІЯ, АНГІОГРАМА, ЗОБРАЖЕННЯ, НЕГАТИВ, ЛАПЛАСІАН, ЕКВАЛІЗАЦІЯ, ГІСТОГРАМА, ЯКІСТЬ

ABSTRACT


СОДЕРЖАНИЕ

ВВЕДЕНИЕ…………………………………………………………………………

Раздел 1. Медицинские основы ангиографии и техника регистрации ангиограмм………………………………………………..

  1.  Ангиография………………………………………………………….
    1.  Проведение ангиографического исследования. Техника регистрации ангиограммы……………………………………………………………………….
    2.  Новые методы ангиографии…………………………………………
    3.  Проблемы при получении ангиограммы…………………………..
    4.  Выводы

Раздел 2. Методы анализа ангиографических изображений…

  1.  Цифровое изображение
    1.  Методы обработки изображений
      1.  Преобразование изображения в негатив
      2.  Логарифмическое преобразование
      3.  Видоизменение гистограммы. Эквализация гистограммы
      4.  Линейные пространственные фильтры. Лапласиан

Раздел 3. Разработка программного обеспечения обработки ангиографических изображений

Раздел 4. Результаты обработки ангиографических изображений

Раздел 5. Организационно-экономическая часть

5.1. Функционально-стоимостный анализ

5.2. Функциональный анализ| разработки| программного| обеспечения| обработки| рентгеновского| изображения|

5.2.1. Постановка задачи| проектирования

5.2.2. Обоснование функций| программного| продукта

5.2.3. Обоснование системы| параметров

5.3. Анализ вариантов| реализации| функций

5.4. Экономический|экономичный| анализ вариантов разработки ПП

5.5. Выводы

Раздел 6. Охрана труда

6.1. Анализ вредных факторов

6.1.1. Освещение лаборатории

6.1.2. Нормирование производственного освещения

6.2. Расчет производственного освещения

6.3. Расчет системы вентиляции

6.3.1. Меры по созданию микроклимата при производстве платы

6.3.2. Определение требуемого воздухооФБМЕна

6.4. Пожарная безопасность помещений

Выводы

Список использованной литературы


Введение

Благодаря применению новых ангиографических методов исследований, многие отрасли медицины получили новый толчок в своем развитии. Некоторые новые специальные отрасли, такие как сердечно-сосудистая хирургия, возникли в результате постоянного взаимодействия с ангиографией.

Увеличивается число операций на сердце в предынфарктном, инфарктном и послеинфарктном состоянии пациентов, а также развиваются операции на мозге после инсультов (шунтирование пораженных сосудов).

Ни одна такая операция не обходится без предварительного ангиографического исследования. Многие нейрохирургические операции, операции на почках, на сосудах конечностей и другие операции невозможны без предварительных контрастных исследований.

Одна из главных задач ангиографии – регистрация и анализ изображений. Во время получения ангиограмм, могут возникать различные шумы и потери резкости изображений, по которым врач ставит диагноз и именно от их качества зависит качество диагностики. Нехватка программ для реализации методов улучшения ангиограмм дала повод реализовать в нашем проекте самые оптимальные программные методы обработки.

В связи с этим, задача улучшения качества изображения является приоритетной. Для достижения этого требуется развитие цифровых методов обработки.

В данном дипломном проекте поставлена задача исследования применимости существующих методов обработки изображений для решения задач повышения качества ангиограмм и внедрение их в пограммные продукты.


Раздел 1

Медицинские основы ангиографии. Техника регистрации ангиограмм

1.1. Ангиография

Ангиография – метод контрастного рентгенологического исследования кровеносных сосудов. Применяется в рентгенографии, рентгеноскопии, компьютерной томографии. Ангиография позволяет исследовать функциональное состояние сосудов, окольного кровотока и протяженность патологического процесса.

В 1927 году на сессии Общества неврологов в Париже первый доклад о церебральной ангиографии сделал Эгас Мониц (Лиссабон, Португалия). Он показал пять удовлетворительных ангиограмм пациентов, где в качестве контраста использовали бромид стронция и йодид соды, вводимые интракаротидно. 

В 1936 году О. Сьеквистом впервые с помощью ангиографии была диагностирована каротидная окклюзия. Год спустя Э. Мониц представил четырех пациентов, которым диагноз «окклюзия внутренней сонной артерии» был поставлен с помощью ангиографии, отметив при этом, что «когда клинические симптомы предполагают окклюзию внутренней сонной артерии, церебральная ангиография всегда обеспечивает высокую диагностическую надежность». Исследования в период с 1944 по 1948 годы показали, что симптомы каротидной болезни могут быть вызваны не только полной окклюзией, но и стенозом артерий в одном или нескольких местах, что прослеживалось в довольно большой группе пациентов. 

Ангиографическое исследование позволяет выявить повреждения и пороки развития кровеносных сосудов:

а) аневризмы;

б) сужения сосудов;

в) мальформации;

г) нарушения проходимости сосудов (атеросклероз, тромбоз);

д) повреждения и пороки развития различных органов, опухоли и т. д.

Различают такие виды ангиографии:

  1.  Коронарная ангиография – исследование коронарных сосудов, питающих мышцу сердца. Эти сосуды наиболее часто поражаются атеросклерозом, их просвет суживается или полностью закрывается, что приводит к развитию стенокардии или инфаркта миокарда. Коронарография – прямой метод распознавания этих болезней. На серии рентгенограмм, а также на экране монитора становятся видны все три сосуда, питающие сердце. В норме они определенного диаметра. Признаком поражения сосуда является сужение его просвета. В настоящее время при выявлении сужения врач может во время коронарографии провести также лечебную процедуру – баллонную ангиопластику. В катетере есть миниатюрный баллончик, который в месте сужения сосуда раздувается и расширяет его просвет. В ряде случаев для того, чтобы сосуд вновь не суживался, в его просвет вставляется пружинка (стент). Если сужения значительные и на большом протяжении, баллонная пластика сосудов не проводится и ставятся показания для последующей операции наложения дополнительных сосудов для улучшения питания сердца. Коронарография проводится больным стенокардией, инфарктом миокарда, болями в грудной клетке неясной природы, стенозе аорты.
  2.  Ангиография артерий конечностей (рук и ног). Основные заболевания, при которых выполняется этот вид ангиографии – облитерирующий атеросклероз сосудов нижних конечностей и болезнь Такаясу. В первом случае выявляются сужения артерий на ногах с одной или двух сторон, во втором случае сужение ветвей аорты и артерий рук.
  3.  Ангиография легочной артерии. На снимках видны основные ветви легочной артерии. Исследование позволяет определить тромбоз (закупорку) легочной артерии или ее ветвей сгустками крови (тромбами).
  4.  Ангиография сосудов почек. На рентгеновских снимках хорошо видны обе почечные артерии. Вследствие врожденных пороков развития или атеросклероза могут выявляться сужение их просвета. Эти сужения приводят к нарушению функции почек и, самое главное, развитию очень высокого кровяного давления. Своевременное выявление стенозов почечной артерии позволяет ставить показания к операции по протезированию сосудов, что приводит к практическому излечению больных.
  5.  Ангиография сонных артерий и сосудов головного мозга. Метод позволяет выявлять сужения сонных артерий при атеросклерозе, наличие аневризм (расширений артерий), применяется при подозрении на опухоли головного мозга.
  6.  Венография (флебография) – рентгенологическое исследование вен. Выполняется, главным образом, на ногах, когда необходимо уточнить диагноз варикозного расширения вен, тромбофлебита, хронической венозной недостаточности.

1.2. Проведение ангиографического исследования. Техника регистрации ангиограммы

В последнее время наблюдается непрерывный рост числа заболеваний, связанных с сердечно-сосудистой, мозговой деятельностью организма человека и с другими органами, которые прозрачны для рентгеновского излучения. Чтобы провести диагностику таких заболеваний стали применять контрастирование. Особое место здесь занимают контрастирование сосудистой системы человека – ангиография и сердца – ангиокардиография.

Рис. 1.1. Ангиограф со столом для пациента

Пациента на агиографическом столе  подключают к кардиомонитору, в вену устанавливается катетер для инъекций. Перед исследованием через катетер проводится премедикация: введение антигистаминных препаратов (профилактика аллергических реакций), транквилизаторов, анальгетиков. Исследование проводится путем пункции (прокола) сосуда с последующей катетеризацией (введением в сосуд специального катетера, через который затем будет вводиться контрастное вещество (препарат йода). Чаще всего проводят катетеризацию бедренной артерии. Все действия внутри сосуда осуществляются под контролем рентгенотелевидения. По окончании исследования на область пункции на сутки накладывают давящую повязку.

Кроме вопроса об операбельности и планировании хода самой операции перемещение контрастного вещества вместе с кровью в сердечно-сосудистой системе человека дает возможность:

- Определить морфологические изменения в сосудах (облитерации различного происхождения, тромбозы, артериовенозные фистулы, аневризмы, варикозные расширения вен, флебиты и многие другие патологические изменения).

- Исследовать полости сердца, выявить наличие порока сердца и определить его тип.

- Поставить диагноз заболевания органа по картине его сосудистого рисунка. При нормальном состоянии каждый орган человека имеет строго определенный рисунок. Наличие опухоли, кисты, воспалительного процесса существенно искажает структуру сосудистой сети, что дает возможность распознать с большой достоверностью наличие патологических процессов.

Рис. 1.2. Ангиограф с пациентом

Таким образом, можно с уверенностью предположить, что ангиографические исследования, несмотря на большую сложность их выполнения, будут все больше и больше внедряться в широкую медицинскую сеть и в том числе в сеть ургентной (скорой) помощи, например, мозговой или спинальной травм, и не будут являться уникальным методом, доступным лишь немногим центральным лечебным учреждениям.

При ангиографии находят применение следующие режимы:

а) просвечивания с использованием телевизионного экрана;

б) снимков.

Непрерывное просвечивание позволяет при пониженной лучевой нагрузке на врача и пациента в условиях нормального освещения кабинета контролировать процесс катетеризации или зондирования, причем этот контроль может быть коллективным. Регистрацию рентгеновских изображений осуществляют:

  1.  сериями до пяти снимков на крупноформатных пленках, перемещаемых в специальных приборах – пленкосменниках или серийных кассетах при прямой экспозиции рентгеновскими лучами;
  2.  на фотопленках при съемке с выходного экрана усилителя рентгеновского изображения со скоростью 6 кадров в секунду;
  3.  на кинопленке при съемке кинокамерой того же экрана.

По числу и ориентации рентгеновских пучков, используемых при исследовании, различают одно- и двухпроекционную ангиографии. При однопроекционной ангиографии пациента, лежащего на спине, просвечивают в одном вертикальном (сагиттальном) направлении.

При двухпроекционной ангиографии к этому добавляется просвечивание в боковом (латеральном) направлении. Снимки во втором случае в обоих направлениях проводятся симультанно (одновременно).

При некоторых видах ангиографии, в частности комбинированной, шаговое перемещение тела пациента сопровождается изменением толщины и плотности тканей органов, последовательно устанавливающихся напротив излучателя. Чтобы обеспечить при этом постоянство почернения пленки, в современных установках в соответствии с заданной программой ступенями изменяют напряжение на трубке.

Как уже говорилось выше, при ангиографических исследованиях в выбранную область кровеносной системы вводят жидкое рентгеноконтрастное вещество. Это производится с помощью импульсного инъектора через катетер, вставленный в сосуд. Объем и скорость истечения вещества из шприца инъектора, число и длительность вливаний задаются программой на его пульте. В соответствие с этой программой и заранее выбранной задержкой инъектор включает рентгеновский излучатель, обеспечивая получение снимка.

По окончании экспозиции он посылает в сменник команду на подготовку новой пленки и в исполнительный механизм стола на очередное шаговое перемещение его панели. Таким образом, каждому новому положению пациента относительно излучателя соответствует новый снимок. Число шагов и снимков определяется врачом и задается им на пульте управления. Сигналами, полученными от электрокардиографа, действие инъектора может быть привязано во времени к определенной фазе цикла работы сердца. Поэтому на снимках получаются контрастные картины сосудов, соответствующие указанным фазам.

Для визуализации рентгеновского изображения используют РЭОП, который сочетается:

а) с телекамерой и телевизионной системой, дающей возможность наблюдать рентгеновское изображение на экране монитора;

б) с кинокамерой;

в) с устройством для видеомагнитной записи;

г) с камерой, осуществляющей снимки с экрана РЭОП на малоформатную плоскую или рулонную пленку (типа флюорографической камеры).

Высокая степень свечения экрана дает возможность часть светового потока направить в другие системы для фиксации изображения. Для этого используются специальные оптические системы, состоящие из линз и полупрозрачных зеркал, расположенных под требуемыми углами (рис. 1.3). Они называются распределителями света и бывают 2-х и 3-х канальными.

Для управления работой этой системы служит специальный электронный шкаф с микропроцессорами.

Рис. 1.3. Схема специальной оптической системы

Для передачи изображения на монитор служит телевизионная установка, которая крепится на потолочном телескопическом штативе.

Процесс преобразования рентгеновского изображения в электронное и дальнейшая его передача показан на рисунке 1.4.

Рис. 1.4. Процесс преобразования рентгеновского излучения в электронное

1) Электроннооптический преобразователь. 2) Флюорографическая камера. 3) Стол координат. 4) Рентгеновские лучи. 5) Система объектив - линзы. 6) Система зеркал. 7) Кинокамера.

8) Передающая телевизионная трубка.


1.3 Новые методы ангиографии

  1.  Цифровая субтракционная ангиография — digital subtraction angiography (DSA).

Это контрастное исследование сосудов с последующей компьютерной обработкой. Оно позволяет получить снимки высокого качества с выделением отдельных сосудов из общей картины, при этом можно уменьшить количество вводимого контрастного вещества и это вещество можно вводить внутривенно, не прибегая к катетеризации артерии, что менее травматично для пациента.

  1.  3D-ангиография

3D-DSA Метод обработки цифровой ангиографии — позволяющий проводить 3D-реконструкцию изображений с ангиографа.



Рис. 1.5. Ангиография сосудов верхних конечностей с трёхмерной реконструкцией

  1.  Цветная ангиография

Color-DSA — Метод обработки цифровой ангиографии позволяющий разместить изображение артериального кровотока, венозного кровотока и перфузии на одном изображении, с применением цветового кодирования. Метод хорош для быстрой оценки гемодинамики до и после лечения.

Переход на цифровые технологии в ангиографии позволяет снизить травматичность исследования за счет возможности отказа от катетеризации и/или снижения количества вводимого рентгеноконтрастного вещества.

  1.  КТ-ангиография

Компьютерная томографическая ангиография (КТ-ангиография, КТА) позволяет получить подробное изображение кровеносных сосудов и оценить характер кровотока. После проведения компьютерной томографии с внутривенным контрастным усилением производится анализ полученных данных с применением специальных алгоритмов реконструкции изображений.

Исключён риск возникновения осложнений от хирургических манипуляций, необходимых при обычной ангиографии, меньше лучевая нагрузка на пациента.



Рис. 1.6. КТ-ангиография с сагиттальной реконструкцией: аневризма брюшного отдела аорты

Следует отметить, что современные рентгеноконтрастные препараты значительно безопаснее своих предшественников и риск осложнений от их применения крайне невелик. Несмотря на это, перед исследованием врач должен получить письменное согласие пациента на процедуру.

  1.  Магнитно-резонансная ангиография

МР-ангиография (МРА) – метод получения изображения кровеносных сосудов при помощи магнитно-резонансного томографа. Исследование проводится на томографах с напряжённостью магнитного поля не менее 1 Т. Метод позволяет оценивать как анатомические, так и функциональные особенности кровотока.



Рис. 1.7. Вены головного мозга

Под воздействием сильного магнитного поля спины протонов ядер водорода изменяют свое положение и располагаются вдоль оси магнитного поля. Воздействие магнитного поля и радиочастотного излучения на протоны не постоянно, с заданными силой, частотой и временем, а протоны после воздействия на них радиочастотного сигнала вновь возвращаются в исходное положение – так называемое «время релаксации» (T1 и T2). Воздействие магнитного поля и радиочастотного импульса на протоны ядер водорода заставляет их вращаться относительно новых осей в течение очень короткого периода времени, что сопровождается выделением и поглощением энергии, формированием своего магнитного поля. Регистрация этих энергетических изменений и является основой получения МРТ-изображения. Метод магнитно-резонансной ангиографии позволяет получать изображения сосудов без использования каких-либо рентгеноконтрастных средств, хотя для получения еще более четкого изображения применяются особые контрастные вещества на основе гадолиния.

  1.  4D-ангиография

Позволяет разделять артериальную и венозную фазы кровотока с визуализацией его динамики. Этот метод применяется для диагностики нарушений гемодинамики, таких как мальформации и фистулы. Время исследования значительно меньше в сравнении с другими методами МРА.

Магнитно-резонансная ангиография применяется для диагностики следующих заболеваний:

- аневризма — локальное расширение стенки сосуда

- расслоение аневризмы

- врождённые пороки сердца

- стеноз сосудов

- воспаление сосудистой стенки (васкулит)

- атеросклероз артерий

1.4. Проблемы при получении ангиограммы

Во время регистрации ангиограмм, на изображении могут возникать различные артефакты. Их появление зависит от различных факторов, среди которых:

  1.  Большая скорость сокращения сердца вызывает размытость изображения. Допустимые пределы размытости изображения могут быть получены только путем сокращения времени экспонирования в диапазоне до нескольких миллисекунд.
  2.  Очень короткие выдержки при выполнении снимка приводит также к потере четкости и увеличению размытости изображения.
  3.  Некачественная пленка и слабое усиление в ЭОП также приведет до ряда шумов.

Эти факторы усложняют врачу проведение диагностики, т.к. на ангиограмме должны детально просматриваться:

- мелкие сосуды;

- крупные сосуды;

- стенки сосудов;

- патологии.

На рисунках приведены примеры ангиограмм с различными артефактами:

    

Рис. 1.8. Ангиограмма с слабопрослеживаемыми стенками сосудов. Чрезмерно повышена контрастность изображения

Рис. 1.9. Ангиограмма с заметным размытием сосудов

Рис. 1.10. Ангиограмма с значительной зернистостью

1.5. Выводы

Благодаря применению новых ангиографических методов исследований, многие отрасли медицины получили новый толчок в своем развитии.

Одна из главных задач ангиографии – регистрация и анализ изображений. Во время получения ангиограмм, могут возникать различные шумы и потери резкости изображений, по которым врач ставит диагноз и именно от их качества зависит качество диагностики. Нехватка программ для реализации методов улучшения ангиограмм дала повод реализовать в нашем проекте самые оптимальные программные методы обработки.


Раздел 2

Методы анализа ангиографических изображений

2.1. Цифровое изображение

Изображение можно определить как двумерную функцию f(х, у), где х и у — координаты в пространстве (конкретно, па плоскости), и значение f  которой в любой точке, задаваемой парой координат (х, у), называется интенсивностью или уровнем серого  изображения в этой точке. Если величины х, у и f  принимают конечное число дискретных значений, то говорят о цифровом изображении. Цифровой обработкой изображений называется обработка цифровых изображений с помощью цифровых вычислительных машин (компьютеров). Заметим, что цифровое изображение состоит из конечного числа элементов, каждый из которых расположен в конкретном месте и принимает определенное значение. Эти элементы называются элементами изображения или пикселями.

В результате операций дискретизации и квантования возникает матрица действительных чисел. Предположим, что в результате дискретизации изображения f(х, у) получена матрица из М строк и N столбцов. Координаты (х, у) становятся теперь дискретными значениями. Для ясности обозначений и большего удобства мы будем использовать для этих дискретных координат целочисленные значения, принимая за начало координат левый верхний угол изображения, где (х, у) = (0, 0). Следующим значением координат вдоль первой строки изображения будет точка (х, у) = (0, 1). Важно иметь в виду, что обозначение (0, 1) используется лишь для указания на второй отсчет в первой строке и не означает, что это фактические значения физических координат точек дискретизации. Рис. 2.1 иллюстрирует принятое соглашение о системе координат.

С использованием введенных обозначений мы можем компактно записать полное цифровое изображение размерами М х N в форме следующей матрицы:

Рис. 2.1. Система координат для представления цифровых изображений

Правая часть этого равенства есть по определению цифровое изображение. Каждый элемент этой матрицы называется элементом изображения или пикселем. Далее повсюду будут употребляться термины изображение и пиксель для указания на цифровое изображение и его элементы.

В ряде случаев для обозначения цифрового изображения и его элементов бывает полезно использовать более традиционную матричную запись:

Ясно, что аij = f(x = i, у =j) = f (i, j), поэтому матрицы (2.4-1) и (2.4-2) идентичны.

Иногда может быть полезно выражать операции дискретизации и квантования в более формальных математических терминах. Пусть Z и R обозначают соответственно множества целых и действительных чисел. Процесс дискретизации можно рассматривать как разбиение плоскости ху на сеть, координаты центра каждой ячейки которой суть элементы декартова произведения Z2. т.е. множества всех пар (zi , zj), где zi и zj - элементы множества Z. Следовательно, f (х, у) – цифровое изображение, если (х, у) суть целочисленные пары из Z2, и функция f приписывает каждой паре координат (х, у) конкретное значение яркости, т.е. действительное число из множества R. Такое сопоставление, осуществляемое функцией f, очевидно, отвечает описанному выше процессу дискретизации. Если значения яркости также целочисленные, и вместо множества R используется Z, тогда цифровое изображение становится двумерной цифровой функцией, у которой как обе координаты, так и значения – целые числа.

Для выполнения процесса оцифровки изображения необходимо принять решения относительно значений M и N, а также числа уровней (градаций) яркости L, разрешенных для каждого пикселя. Для М и N не существует специальных требований помимо того, что они должны быть положительными целочисленными значениями. Однако значение L, по соображениям удобства построения оборудования для обработки, хранения и дискретизации, обычно выбирают равным целочисленной степени двойки:

L = 2k.

Мы предполагаем, что дискретные уровни яркости расположены с постоянным шагом (т.е. используется равномерное квантование) и принимают целые значения в интервале [0, L-1]. Иногда интервал значений яркости называют динамическим диапазоном изображения, и мы будем говорить об изображениях, интервал яркостей которых занимает значительную часть всего диапазона уровней серого, как об изображениях с большим динамическим диапазоном. Если заметная доля пикселей обладает таким свойством, изображение имеет высокий контраст. Наоборот, изображение с малым динамическим диапазоном обычно выглядит тусклым, размытым и серым.

2.2. Методы обработки изображений

Главная цель улучшения качества заключается в такой обработке изображения, чтобы результат оказался более подходящим с точки зрения конкретного применения. Слово конкретное является здесь важным, поскольку оно с самого начала устанавливает, что методы в значительной степени проблемно ориентированы. Однако, безотносительно к применяемым методам, улучшение изображений является одной из наиболее интересных и привлекательных с позиции визуального анализа областей обработки изображений.

Общей теории улучшения изображений не существует. Когда изображение обрабатывается для визуальной интерпретации, наблюдатель является окончательным судьей того, насколько хорошо действует конкретный метод. Визуальное оценивание качества изображения есть крайне субъективный процесс, делающий тем самым понятие «хорошего изображения» некоторым неуловимым эталоном, с помощью которого необходимо сравнивать эффективность алгоритма. Когда целью является обработка изображения для машинного восприятия, задача оценивания несколько проще.

Множество подходов к улучшению изображений распадается на две большие категории: методы обработки в пространственной области (пространственные методы) и методы обработки в частотной области (частотные методы). Термин пространственная область относится к плоскости изображения как таковой, и данная категория объединяет подходы, основанные на прямом манипулировании пикселями изображения. Методы обработки в частотной области основываются на модификации сигнала, формируемого путем применения к изображению преобразования Фурье.

Мы будем использовать методы обработки в пространственной области, т.к. они более быстрые в решении задач и довольно просты для корректировок.

Термин пространственная область относится к множеству пикселей, составляющих изображение. Пространственные методы суть процедуры, оперирующие непосредственно значениями этих пикселей. Процессы пространственной обработки описываются уравнением:

g(x,y) = T[f(x, у)],

где f(х, у) - входное изображение, g(x, у) - обработанное изображение, а Т-оператор над f, определенный в некоторой окрестности точки (х, у).

Рис. 2.2. Окрестность 3х3 вокруг точки (х, у) изображения

Главный подход в определении окрестности вокруг точки (х, у) заключается в использовании квадратной или прямоугольной области - подмножества изображения, центрированного в точке (х, у), как показано на Рис.2.2. Центр данного подмножества передвигается от пикселя к пикселю, начиная, скажем, с верхнего левого угла. Оператор Т выполняется в каждой точке (х, у), давая в результате выходное значение g для данной точки. Процесс использует только пиксели внутри области изображения, ограниченной некоторой окрестностью. Квадратные или прямоугольные массивы являются, безусловно, наиболее распространенными из-за простоты их реализации, хотя иногда применяются окрестности другой формы, например, приближающиеся к кругу.

Простейшая форма оператора Т достигается в случае, когда окрестность имеет размеры 1x1 (т.е. один пиксель). В этом случае g зависит только от значения f в точке (х, у), и Т становится функцией градационного преобразования (также называемой функцией преобразования интенсивностей или функцией отображения) вида:

s=T(r),

где, для простоты обозначения, r и s суть переменные, обозначающие, соответственно, значения яркостей изображений f(х, у) и g(х, у) в каждой точке (х,у).

   а)     б)

Рис. 2.3. Градационное преобразование для улучшения контраста

Например, если T(r) имеет вид, показанный на рис 2.3 (а), то эффект от такого преобразования выразится в получении изображения более высокого контраста по сравнению с оригиналом, а также в затемнении пикселей со значениями меньшими т и повышении яркостей пикселей со значениями большими т на исходном изображении. В этом методе, известном как усиление контраста, значения r меньшие Т при приближении к уровню черного сжимаются с помощью функции преобразования во все более узкий диапазон s. Обратный эффект имеет место для значений r, больших Т. В предельном случае, показанном на рис. 2.3 (б), Т(r) дает в результате двухградационное (бинарное) изображение. Отображение такой формы называют пороговой функцией. С помощью градационных преобразований могут быть построены некоторые довольно простые, но действенные методы обработки изображений, Поскольку результат улучшения каждого элемента изображения зависит только от яркости этого же элемента, методы данной категории часто относят к процедурам поэлементной обработки.

Увеличение размеров окрестности приводит к значительно большей гибкости. Принцип заключается в том, что для нахождения значения g в некоторой точке (х, у), используются значения функции f внутри некоторой окрестности заранее заданной формы, окружающей точку (х, у). Один из основных подходов в такой постановке базируется на использовании так называемых масок. Чаще всего маска представляет собой небольшой (скажем, 3х3 элемента) двумерный массив, подобный представленному на рис. 2.3, значения коэффициентов маски внутри которого определяют существо процесса. Методы улучшения базирующиеся на таком подходе, часто относят к обработке по маске или фильтрации по маске.

2.2.1. Преобразование изображения в негатив

Преобразование изображения в негатив с яркостями в диапазоне (0, L-1] осуществляется с использованием негативного преобразования, определяемого выражением:

s = L-1-r.

Подобный переворот уровней яркости изображения создает эквивалент фотографического негатива. Этот тип обработки особенно подходит для усиления белых или серых деталей на фоне темных областей изображения, особенно когда темные области имеют преобладающие размеры.

Пример показан на рис. 2.4. На исходном изображении представлена цифровая рентгенограмма молочной железы, демонстрирующая небольшое поражение. Несмотря на тот факт, что визуальное содержание на обоих изображениях является одним и тем же, заметим, насколько проще в данном случае анализировать молочную железу на негативном изображении.

а)      б)

Рис. 2.4. а - Исходный вид рентгенограммы молочной железы.

б - Негативное изображение, полученное применением негативного преобразования

Для построения негатива мы используем функцию imadjust. С ее помощью  мы усиливаем белые или серые участки, окруженные большими, преимущественно темными областями, что приводит к облегчению анализа ангиограммы.


2.2.2. Логарифмическое преобразование

Общий вид логарифмического преобразования, показанного на рис. 3.5, выражается формулой:

s = с log(l + r),

где с - константа и предполагается, что r > О. ,

Рис. 2.5. Общий вид логарифмического преобразования

Форма логарифмической кривой на рис. 2.5 показывает, что данное преобразование отображает узкий диапазон малых значений яркостей на исходном изображении в более широкий диапазон выходных значений. Для больших значений входного сигнала верно противоположное утверждение. Мы предлагаем использовать этот тип преобразования для растяжения диапазона значений темных пикселей на изображении с одновременным сжатием диапазона значений ярких пикселей. Наоборот, при использовании обратного логарифмического преобразования происходит растяжение диапазона ярких пикселей и сжатие диапазона темных пикселей.

Любая кривая, имеющая общий вид, близкий к показанной на рис. 2.5 логарифмической функции, будет осуществлять такое растяжение/сжатие диапазонов яркости на изображении. На самом деле для этих целей значительно

более универсальными, чем логарифмические, являются степенные преобразования. Несмотря на это, логарифмическая функция имеет важную особенность, позволяя сжимать динамический диапазон изображений, имеющих большие вариации в значениях пикселей.

При обычном воспроизведении спектра Фурье значительное число деталей теряется. В качестве иллюстрации логарифмического преобразования, на рис. 2.5 (а) приведено изображение спектра Фурье, имеющего значения в диапазоне от 0 до 1,5·106. Если масштабировать эти значения линейно для отображения в 8-битной системе воспроизведения, то наиболее яркие пиксели будут доминировать над слабыми (и зачастую важными) значениями спектра. Эффект такого доминирования ярко иллюстрирует рис. 2.6 (а), на котором только весьма малая область изображения не воспринимается как черная. Если же вместо подобного способа воспроизведения мы сначала применим к значениям спектра преобразование по формуле s = с log(l + г), с с = 1, тогда диапазон значений результата будет от 0 до 6,2, что намного удобнее. На рис. 2.6 (б) показан результат линейного масштабирования нового диапазона и отображения спектра на том же самом 8-битном устройстве воспроизведения. Из этих иллюстраций становится очевидным богатство видимых деталей на втором изображении по сравнению с непосредственным воспроизведением.

а)    б)

Рис. 2.6. а  - Спектр Фурье. б - Результат применения логарифмического преобразования по формуле (s = с log(l + г)), с с = 1

2.2.3. Видоизменение гистограммы.  Эквализация гистограммы

Гистограммой цифрового изображения с уровнями яркости в диапазоне [0, L-1] называется дискретная функция:

h(rk) = nk,

где rk есть k-ый уровень яркости, а nk - число пикселей на изображении, имеющих яркость rk. Общей практикой является нормализация гистограммы путем деления каждого из ее значений на общее число пикселей в изображении, обозначаемое n. Тем самым, значения нормализованной гистограммы будут p(rk) = nk/n для k = 0, 1, ... , L-1. Вообще говоря, p(rk) есть оценка вероятности появления пикселя со значением яркости rk. Заметим, что сумма всех значении нормализованной гистограммы равна единице. Гистограммы являются основой для многочисленных методов пространственной обработки.

Видоизменение гистограммы (гистограммная обработка) может быть успешно использовано для улучшения изображений. Гистограммы достаточно просты как для программного вычисления, так и для аппаратной реализации, что делает их удобным инструментом для обработки изображений в реальном времени.

Гистограммы изображений после эквализации представлены на рис. 2.7(в). Интересно отметить, что хотя все эти гистограммы и различаются, тем не менее, эквализованные изображения выглядят весьма похоже. Это не является неожиданным, поскольку разница между изображениями в левой колонке заключается только в их контрастах, а не в содержании.

Рис. 2.7. Гистограммы изображений после эквализации

Другими словами, поскольку изображения имеют одно и то же содержание, то увеличения контраста, получаемого путем эквализации гистограммы, достаточно, чтобы компенсировать разницы в яркостях и сделать результирующие изображения визуально неотличимыми. На этом примере с изображениями в левой колонке, имеющими значительные разницы в контрастах, иллюстрируются возможности преобразования эквализации гистограммы как адаптивного инструмента улучшения изображений.

Предположим на некоторое время, что уровни яркости являются непрерывными величинами, распределенными в диапазоне (0, 1). Пусть pr(s) обозначает функцию плотности распределения вероятности (PDF – probability density function) уровней яркости данного изображения, где нижний индекс используется для различения PDF входного н выходного изображений. Рассмотрим следующее преобразование входных уровней для получения выходных (обработанных) уровней яркости:

где w - переменная, по которой ведется интегрирование. Можно показать, что функция распределения плотности выходных уровней является равномерной.

Другими словами, предыдущее преобразование порождает изображение, уровни яркости которого являются равновероятными и покрывают весь интервал [0, 1]. Результат этого процесса состоит в увеличении динамического диапазона уровней яркости, что обычно означает большую контрастность выходного изображения. Заметим, что функция преобразования является не чем иным, как функцией кумулятивного (накопленного) распределения.

Имея дело с дискретными величинами, нам приходится работать с гистограммами, поэтому в этом случае описанная выше техника называется гистограммной эквализацией, хотя в общем случае гистограмма обрабатываемого изображения не будет равномерной в силу самой природы дискретных величин.

Пусть pr(rj), j = 1, ... , L, обозначает гистограмму уровней яркости некоторого исходного изображения. Для дискретных величин мы делаем суммирование (вместо интегрирования), и преобразование эквализации приобретает следующий вид:

,

при k = 1, ... , L, где sk - величина яркости выходного (обработанного) изображения, соответствующая значению яркости rk входного изображения.

Эквализация гистограмм реализована в пакете IPT функцией histeq, которая имеет синтаксис:

g = histeq(f, nlev),

где f - это входное изображение, а nlev - число уровней интенсивности, установленное для выходного изображения. Если nlеv равно L (общему числу возможных уровней входного изображения), то histeq просто реализует функцию преобразования T(rk). Если число nlev меньше, чем L, то histeq стремится перераспределить уровни так, чтобы они приближали плоскую гистограмму. В отличие от imhist, значением nlev в histeq по умолчанию является 64. Обычно мы будем использовать максимально возможное число уровней (например, 256) для nlev, поскольку это дает истинную реализацию описанного выше метода гистограммной эквализации.


2.2.4. Линейные пространственные фильтры. Лапласиан

В данном разделе мы рассмотрим применение двумерной второй производной в задачах улучшения изображения. Подход сводится к выбору дискретной формулировки второй производной и к последующему построению маски фильтра, основанной на данной формулировке. Рассматриваться будут изотропные фильтры, отклик которых не зависит от направления неоднородностей на обрабатываемом изображении. Другими словами, изотропные фильтры являются инвариантными к повороту, в том смысле, что поворот изображения и последуюшее применение фильтра даст тот же результат, что и первоначальное применение фильтра с последующим поворотом результата.

Можно показвтъ, что простейшим изотропным оператором, основанным на производных, является лапласиан (оператор Лапласа), который в случае функции двух переменных f(x, y) определяется как:

Поскольку производные любого порядка являются линейными операторами, то значит и лапласиан является линейным оператором.

Чтобы применитъ данное уравнение в цифровой обработке изображений, его необходимо выразить в дискретном виде. Существует несколько способов задать лапласиан в дискретном виде на основе значений соседних пикселей. Нижеследующее определение дискретной второй производной является одним из наиболее часто используемых. Принимая во внимание, что теперь имеются две переменные, для частной второй производной по х будет использоваться следующая формула:


и, аналогично для производной по y:

Дискретная формулировка двумерного лапласиана, заданного уравнением, получается объединением этих двух составляющих:

Диагональные направления могут быть включены в формулу дискретного лапласиана добавлением еще двух членов - по одному для каждого из диагональных направлений. Поскольку каждая диагональная добавка включает член -2f(х, y), то суммарный вычитаемый из суммы член составит -8f(х,y). Маска, соответствующая такому новому определению, представлена на рис. 2.8 (б). Такая маска является изотропной для поворотов на углы, кратные 450. Две оставшиеся маски, показанные на рис. 2.8, также часто используются на практике. Они основаны на определении лапласиана, являюшегося «негативным» по отншению к тому, который уже был рассмотрен. По существу они дают идентичный результат, но различие в знаке должно учитываться при комбинации – операцией сложения или вычитания - изображения, отфильтрованного лапласианом, с другим изображением.


0

1

0

1

-4

1

0

1

0

1

1

1

1

-8

1

1

1

1

а     б

0

-1

0

-1

4

-1

0

-1

0

-1

-1

-1

-1

8

-1

-1

-1

-1

 

 в     г

Рис. 2.8. а - Маска фильтра, используемая для реализации дискретного лапласиана. б - Маска, используемая для реализации расширения уравнения лапласиана, путем добавления диагональных членов. в,  г – Две другие реализации лапласиана

Поскольку оператор Лапласа, по сути, является второй производной, его применение подчеркивает разрывы уровней яркостей на изображении и подавляет области со слабыми изменениями яркостей. Это приводит к получению изображения, содержащего сероватые линии на месте контуров и других разрывов, наложенные на темный фон без особенностей, Но фон можно восстановить, сохранив при этом эффект повышения резкости, достигаемый лапласианом. Для этого достаточно сложить исходное изображение и лапласиан, при этом необходимо помнить, какое из определений лапласиана было использовано. Если использовалось определение, использующее отрицательные центральные коэффициенты, тогда для получения эффекта повышения резкости, изображение-лапласиан следует вычитать, а не прибавлять. Таким образом, обобщенный алгоритм использования лапласиана для улучшения изображений сводится к следующему:

Здесь (0, 0) - значение центрального коэффициента маски лапласиана.

В пакете IРТ имеются некоторые стандартные двумерные линейные пространственные фильтры, которые можно получить из функции fspecial, которая генерирует маску фильтра при выполнении команды:

w = fspecial (‘type’, parameters),

где' type' обозначает тип фильтра, а в аргументах parameters задаются параметры выбранного фильтра.


Раздел 3

Разработка программного обеспечения обработки ангиографических изображений

В практической части поставлена задача разработки профессионального программного обеспечения по улучшению качества изображения. Программа реализованна в среде MatLab. Листинг программы приведен ниже:

%%%%%%%%%%%%%%%%%%%%%%%%%%%%

clc;

clear all;

close all;

 

f=imread('ang.jpg');

figure(1)

imshow(f);

 

%%%%%%%%%%%%%%%%%%%%%%%%%%%%

neg=imadjust(f,[0, 1],[1, 0]);

figure(2)

imshow(neg);

title('Негатив')

 

%%%%%%%%%%%%%%%%%%%%%%%%%%%%

logp=im2uint8(mat2gray(log(1+double(f))));

figure(3)

imshow(logp);

 

 

%%%%%%%%%%%%%%%%%%%%%%%%%%%%

 

imhist(neg);

ylim('auto')

g=histeq(neg, 256);

figure(5)

imshow(g);

ylim('auto')

figure(6)

imhist(g);

ylim('auto')

 

%hnorm = imhist(f)./numel(f);

%sdf=cumsum(hnorm);

%figure(6)

%imshow(hnorm);

 

%%%%%%%%%%%%%%%%%%%%%%%%%%%%

 

w=fspecial('laplacian', 0);

g1=imfilter(f, w, 'replicate');

figure(7)

imshow(g1,[]);

 

f2=im2double(f);

g2=imfilter(f2, w, 'replicate');

figure(8)

imshow(g2, []);

 

raz=f2-g2;

figure(9)

imshow(raz);

IMWRITE(raz,'ang_filter.jpg');

 

%%%%%%%%%%%%%%%%%%%%%%%%%%%%

gms=medfilt2(f, 'symmetric');

figure(10)

imshow(gms);

 

%%%%%%%%%%%%%%%%%%%%%%%%%%%%

figure(11)

subplot(2,2,[1 3]); imshow(f,[])

title('Исходное изображение')

subplot(2,2,[2 4]); imshow(raz)

title('Изображение после фильтрации')


Раздел 4

Результаты обработки ангиографических изображений

В ходе экспериментальных исследований получили такие результаты обработки ангиографических изображений:

Рис. 4.1. Начальное изображение. Присутствует заметная размытость всей ангиограммы и плохо просматриваемый темный участок, выделенный белым маркером

 

Рис. 4.2. Негатив начального изображения. Стали лучше отображаться сосуды

Рис. 4.3. Гистограмма начального изображения. Заметное преобладание темных тонов

 

Рис. 4.4. Гистограмма ангиограммы после эквализации. Усреднение значения

Рис. 4.5. Результат эквализации гистограммы изображения. Выровнена контрастность изображения. В изображении стал лучше просматриваться темный участок. Различимой стала глубина пролегания сосудов


Рис. 4.6. Результат логарифмического преобразования негатива ангиограммы. Заметное повышение яркости изображения. Четкость изображение всех мельчайших сосудов. Темная область пересвечена. Данный результат подходит только для улучшения изображения мелких сосудов


а

б

Рис. 4.7. а –изображение, отфильтрованное лапласианом в формате uint8; б – изображение, отфильтрованное лапласианом в формате double


Рис. 4.8. Результат вычитания из начального изображения, изображения, отфильтрованного лапласианом в формате uint8. Заметное повышение резкости иображения. Детально просматриваются стенки сосудов. Исчезает размытие начального изображения. Отчетливо видны сосуды в темном участке

Раздел 5

Организационно-экономическая часть

5.1. Функционально-стоимостный анализ

Функционально-стоимостный анализ является одним из способов  снижения затрат производства, перспективная сущность которого – нахождение наиболее экономически выгодного способа или варианта реализации того или иного устройства.

Функционально-стоимостный анализ (ФСА) – это метод системного исследования функций отдельного изделия или производственного процесса, направленный на минимизацию расходов на этапах проектирования и производства. В процессе ФСА исследуются функции, которые|какие| должен выполнять|исполнять| объект новой техники с точки зрения технической пригодности, новизны. Наилучшая реализация этих функций оценивается позицией экономической|экономичной| эффективности.

В данной работе рассматривается программа обработки ангиограмм|, которая улучшает качество полученного изображения. Необходимость создания такой программы обусловлена тем, что в низкобюджетных больницах есть существенный недостаток|нехватка| качественного компьютерного диагностического центра. Поэтому моя разработка даст возможность в короткий срок|термин| улучшить качество диагностирования ангиограмм| программой по низкой цене.

На сегодняшний| день ангиография| набирает| значительные| темпы| развития| и внедрения| в диагностический| процесс|. Поэтому дешевое| и качественное| программное| обеспечение| для диагностики| болезней| будет| положительно| восприниматься| в медицинской| сфере|.


5.2. Функциональный анализ| разработки| программного| обеспечения| обработки| рентгеновского| изображения|

5.2.1. Постановка задачи| проектирования|

Разработать программу обработки рентгеновского изображения в компьютерном томографе. Она предназначена для использования|употребления| в среде Microsoft| Windows| Хр/vista/7.

Программа написана в среде MatLab|.

5.2.2. Обоснование функций| программного| продукта|

Основные функции, которые|какие| будет реализовывать гидроакустическую антенну, обосновываются на основе изучения организационно экономической|экономичной| сути|сущности| устройства, которое исследуется. При этом строят функциональную модель объекта.

Головна функция реализует цель разработки. Основные функции — те, ради которых|каких| создается объект разработки. Каждая из основных функций может иметь несколько вариантов реализации. Функции и их варианты реализации должны быть четко и полно описанные. Они используются для описания морфологической карты, на основе которой|какой| выполняют|исполняют| качественную оценку вариантов.

Для ограничения количества вариантов, которые анализируются, строят положительно негативную матрицу, в которой|какой| оценивают преимущества и недостатки вариантов решений. Результаты анализа подают|дают| в таблице.

По данным таблицы проводится сравнительный анализ всех возможных вариантов реализации функций объекта. Варианты, которые|какие| имеют существенные недостатки, не отвечают по различным причинам|по разным причинам| условиям технического задания|задачи|, исключаются|выключают| из|с| последующего рассмотрения, а с вариантами, которые|какие| остались, будет проводиться техническая и экономическая|экономичная| сравнительная оценка.

Исходя из конкретных целей, которые|какие| реализуются программой, выделим ее основные функции:

Исходя из конкретных целей, которые|какие| реализуются программой, выделим ее основные функции:

F1| – иллюстрация изображения;

F2| – обработка изображения;

F3| – хранение|сбережение| изображения;

F4| – пересмотр|просматривает| и редактирование данных.

Каждая из| основных| функций| может| иметь| несколько| вариантов| решения|.

Для F1|:

а) градации| серого|.

Для F2|:

а) усреднение| контрастности|;

б) регуляция| четкости|.

Для F3|:

а) организация личных|личностных| баз данных;

б) организация| общей| базы| данных|.

Для F4|:

а) отображение| информации| по одной| записи;

б) отображение| информации| в виде| таблицы|.

 


По рассмотренным вариантам строим морфологическую карту:

Рис.5.1. Морфологическая карта

На основе| этой карты| построенна| положительно-негативная| матрица|:

Таблица 5.1

Положительно-негативная| матрица|

Основная функция|

Вариант реализации|

Преимущества

Недостатки

F1|

а)

Простота реализации|

Меньшая наглядность| рисунка|

F2|

а)

Улучшение видимости| границь| сосудов|

Потеря изображения| мельчайших| сосудов|

б)

Улучшение видимости| более| мелких| сосудов|

Понижение эффекта глубины|

F3|

а)

Простота сохранения|, обращения|, обновления| данных|

Дублирование информации|

б)

Уникальность информации|

Сложность обновления| базы| данных|

Продолжение табл. 5.1

F4|

а)

Полное отображение| информации| по одному объекту|

Отсутствие информации| о два объектах|

б)

Возможность сравнения| информации| нескольких| объектов|

Более длительная| обработка|

5.2.3. Обоснование системы| параметров|

Для характеристики программы| можно| использовать| следующие| параметры|:

Х1 – количество| градаций| цвета|;

Х2 – скорость| обработки| информации|;

Х3 – объем памяти, которую|какую| занимает программа на жестком диске;

Х4 – объем оперативной памяти, которая|какая| необходима для работы программы.

Из данных технической литературы определяем допустимые, средние значения параметров. Результаты приведены|наведено| в табл.5.2.


Таблица 5.2

Основные параметры| программы|

Наименование параметра

Обозначение параметра

Предельно допустимое| значение|

Значение параметра

Среднее полученное| значение|

Досягаемые значения|

Количество градаций| цвета|

X1|

16

64

256

Скорость обработки| информации|, Кб/с

Х2

250

300

400

Объем памяти|, который| занимает| программа| на жестком| диске|, Мб

Х3

5

2

1

Объем оперативной| памяти|, который| необходим| для работы| программы|, Мб

Х4

32

16

8

По данным| таблицы| 5.2 строим| графические| характеристики (рис. 5.2 – 5.5).

Рис. 5.2. Бальная оценка| количества| градаций| цвета|

Рис. 5.3. Бальная оценка| количества| скорости| обработки| информации|

Рис. 5.4. Бальная оценка объема памяти, который|какой| занимает программа на жестком диске

Рис. 5.5. Бальная оценка объема оперативной памяти, который|какая| необходим для работы программы

Весомость каждого параметра определяется методом попарного сравнения. Оценку проводит экспертная комиссия, количество членов которой|какой| должно равняться нечетному числу.

Рассчитаем коэффициент конкордации| экспертных оценок. Результаты расчетов приведены в табл. 5.2.

Определим сумму| рангов| каждого| показателя| (по строчкам):

где  - ранг і-того| параметра, определенный l-м| экспертом;

N=5| - число экспертов,  n=4| - количество оцениваемых параметров.

Вычислим среднюю| сумму| рангов| (Т) по формуле|:  

 

Определим отклонение| суммы| рангов| каждого| параметра от средней| суммы| рангов |(T):

Сумма отклонений по всем параметрам равняется нулю|нолю|.

Определим коэффициент конкордации| экспертных оценок (табл. 5.3).


Таблица 5.3

Результат ранжировки| параметров|.

Параметры

Название параметра

Единицы измерения|

Ранг параметра по оценке| эксперта

Сумма рангов

Откл

Квадрат отклон-я

1

2

3

4

5

х1|

Объем пам|яти|, необходимый| для выполнения| запроса|

Мб

3

3

4

4

3

17

4.5

20.25

х2|

Время формирования| ответа| на запрос|

Кб/с

4

4

3

3

4

18

5.5

30.25

х3|

Объем занимаемой| пам|яти| на “венчестере|

с

1

2

1

1

2

7

-5.5

30.25

х4|

Объем оперативной| памяти|

Мб

2

1

2

2

1

8

-4.5

20.25

10

10

10

10

10

50

0

101

По данным табл. 5.3. определяем коэффициент конкордации| по формуле:

.

Так как расчитанное значение коэффициента конкордации больше нормативного (Wн=0,67), можно использовать результаты опроса экспертов для дальнейших расчетов.

Таблица 5.4

Попарное сравнение параметров.

Параметры

Эксперты

Итоговая оценка|

Числовое значение|

1

2

3

4

5

х1| и х2|

<

>

<

>

>

>

1,5

х1| и х3|

>

>

>

<

>

<

0,5

х1| и х4|

>

>

>

>

>

>

1,5

x2| и х3|

>

>

>

>

>

>

1,5

х2| и х4|

>

>

>

>

>

>

1,5

x3| и х4|

>

<

>

>

<

>

1,5

Расчет весомости| (приоритетности|) каждого| параметра проводится| по следующим| формулам:

,

.

Относительные оценки весомости  рассчитываются несколько раз, пока|покуда| следующее значение будет незначительно отклоняться|отклоняющийся| от предыдущего|предварительного| (менее|меньше| 5%). На второй и следующих итерациях значения коэффициента весомости рассчитывается так:

,

где| определяется:| 

.

Относительная оценка, которая|какая| получена на последней итерации расчетов, принимается за коэффициент весомости і-го| параметра.

Расчет весомости| параметров| прибора| приведен| в таблице| 5.5.

Таблица 5.5

Расчет весомости| параметров| ПП.

Параметры xi

Параметры xj

Первый шаг

і-ий| шаг

x1

x2

x3

x4

bi

и

bi

i

X1

1

1,5

0,5

1,5

4,5

0,281

16,25

0,277

X2

0,5

1

1,5

1,5

4,5

0,281

16,25

0,277

X3

1,5

0,5

1

1,5

4,5

0,281

16,25

0,277

X4

0,5

0,5

0,5

1

2,5

0,156

9,25

0,155

Всего

16

1

58

1

5.3. Анализ вариантов| реализации| функций|

На основе сравнительного анализа вариантов реализации функций по их преимуществам и недостаткам и коэффициентам весомости параметров (табл. 5.2 и 5.5) можно исключить|выключать| из|с| функции F1-| вариант реализации (б).

Варианты, которые|какие| остались:

1) F1а+F2а+F3а+F4а

2) F1а+F2б+F3в+F4а

3) F1а+F2а+F3б+F4а

4) F1б+F2а+F3а+F4а

Рассчитаем обобщающие показатели качества ПП для каждого варианта отдельно по каждой функции. Результаты расчетов возведем|сводим| к|до| таблице 5.6.

Таблица 5.6
Расчет показателей| качества| вариантов| реализации| функций| ПП.

Основная функция|

Вариант

реализации|

Абсолютное значение| параметру

Бальная оценка| параметру

Коэффициент весомости| параметру

Коэф. качества|

F1|

а)

64

5

0,277

1.385

F2|

а)

300

5

0.277

1,385

б)

300

5

0.277

1,385

F3|

а)

2

5

0,277

1,385

б)

2

5

0.277

1,385

F4|

а)

16

5

0,155

0,775

б)

16

5

0.155

0,775

Кя = Кя[F1k] + Кя[F2k] + ... + Кя[Fzk].

По данным| таблицы| 5.6 определяем| показатель| уровня| качества| каждого| из| вариантов| ПП.

КТ.Р.1 = КТ.Р.2 = КТ.Р.3 = КТ.Р.4 = 4,93.

Как видно из расчетов, все четыре развязки за коэффициентом технического уровня имеют одинаковые показатели, ведь программная реализация идет|уходит| по одинаковым алгоритмам, однако| имеет разный|различный| конечный|концевой| результат.

5.4. Экономический|экономичный| анализ вариантов разработки ПП

В данном примере|прикладе| ФСА выполняется|исполняет| на стадии разработки программного продукта, таким образом стоимость разработки программного продукта рассчитывается по формулам (5.1-5.5).

Функционально-необходимые| расходы| на создание| ПП определяются| формулой|:

пп=с3+с1+смч+сн,                                       (5.1)

где| С3-оплата труда разработчиков|, грн;

С1- отчисления| на социальные| мероприятия| (38% от фонда| оплаты| труда), грн;

Смч - стоимость| машинного времени|, необходимого| для разработки| и налаживания| ПП,грн;

Сн - накладные| расходы| в размере| 50-150% вот расходов| на оплату труда, грн;

Расходы на оплату труда разработчиков| ПП:

С3=сг •Т|.(1+Нд/100),     (5.2)

где Сг - величина почасовой| оплаты труда программиста, грн;

Т - трудоемкость разработки ПП, человеко-часов|.

Нд - норматив, который|какой| учитывает дополнительную заработную плату %.

Стоимость машинного времени| определяется|:

Смг=съмг* tм|                                               (5.3)

где tм-| длительность машинного времени (сумма времени машинных и машинно-ручных операций), необходимого для разработки ПП, грн;

Съмг- себестоимость одного машино-часа| работы ПК при использовании|употреблении| собственного ПК и величина арендной платы за 1 час работы| ПК, если машина арендуется.

Тариф за 1 машино-час работы ПК определяется как цена 1 машино-часа работы ПК - Цм-г|:::::::

Цм-г| =С'мг+Пр,                                               (5.4)

где| Пр- прибыль|, грн.

Себестоимость 1 машино-час| ПК:

Съмг=Секс/теф                                              (5.5)

где| Секс - годовые| эксплуатационные текущие| расходы| на обслуживание| ПК.

Для определения| стоимости| разработки| ПП сначала| проведем| расчет| трудоемкости|.

Все 3 варианта разработки включают у себя по одному заданию|задаче|:

1. Реализация алгоритма обработки ангиограммы|;

2. Создание  компонента для иллюстрации| результата| расчета|;

3. Создание базы| данных|.

Задание|задача| 1 по степени новизны относится к|до| группе А; задание|задача| 2 – к|до| группе Б|б|; задание|задача| 3 – к|до| группе В.

За сложностью алгоритмы, которые|какие| используются в заданиях|задаче| 1, 3 принадлежат к группе 1; 2 – к|до| группе 2.

Все задания|задача| используют контроль входной информации, которая|какая| характеризуется группой 5.2, и контроль исходной|выходной| информации, которая|какая| характеризуется группой 5.4.

Для реализации задания|задачи| 3 использует информацию в виде банка данных; реализация заданий|задачи| 1, 2 использует переменную|изменяемую| информацию.

Проведем расчет норм времени на разработку и программирование для каждого из заданий|задачи|.

Общая трудоемкость| вычисляется| по формуле|:

То = Тр • Кп • Кск • Км • Кст • Кст.м.     (5.6)

А) Для первого задания, исходя из норм времени для задания расчетного характера степени новизны А и группы сложности алгоритма 1, трудоёмкости:

Тр=90 человеко-дней.

Поправочный коэффициент, который|какой| учитывает вид  использованной информации для первого задания|задачи| (нормативно справочная информация): Кп = 1.7.

Поправочный коэффициент, который|какой| учитывает сложность контроля входной  и  исходной|выходной|  информации  для  всех  семи  заданий|задачи|  равняется  1:

Кск = 1.

Поскольку при разработке первого задания|задачи| используются стандартные модули, учтем это с помощью|посредством| коэффициента:

Кст = 0.8.

Коэффициенты Км і Кст.п, которые учитывают относительно программирование на языке низкого уровня и разработку стандартного ПО для всех семи заданий равно 1:

Км = Кст.п = 1.

Таким образом, общая трудоемкость программирования первого задания равна (Кск, Км и Кст.п можем не учитывать):

То = 90•1.7•0.8 = 122.4 человеко-дней.

Проведем аналогичные расчеты для  других заданий|задачи|.

Б) Для второго задания|задачи| (используется алгоритм второй группы сложности, степень новизны  Б|б|):

Тр = 27 человеко-дней

Кп= 0.9;  Кст= 0.8.

То = 27•0.9•0.8 = 19.44.

В) Для третьего задания|задачи|  (используется алгоритм первой  группы сложности, степень новизны  В):

Тр = 43 человеко-дней

Кп = 0.68;  Кст = 0.8;

То = 43•0.68•0.8 = 23.39.

Составляем|сдаем| трудоемкость соответствующих заданий|задачи|:

Т = 1321,84 человеко-часов|.

В разработке принимают участие один программист с окладом 650 грн., старший инженер|инженер-металлург| с окладом 500 грн., один оператор с окладом 250 грн. Определим зарплату через час:

грн.

Тогда зарплата разработчиков| соответственно| формуле| (4.2)

Сзп = 2,76 • 1321.84 • 1.2 = 4378 грн.

Отчисление на все виды| социального| страхования| за вариантами|:

Сот = 4378  • 0.375 = 1642 грн.

Потом определяем затраты на оплату одного машино-часа (См). Они определяются формулами (4.3–4.5).

Так как| ЭВМ обслуживает| один специалист| с окладом 350 грн, с коэффициентом| занятости| 0,2  то для одной| машины| получим|:

СГ = 12 • 350• 0,2 = 840 грн.

С учетом| дополнительной| заработной| платы|

СЗП = 840 • (1 + 0.2)=1008 грн.

Отчисление на все виды| социального| страхования|:

СОТ = СЗП • 0.375 = 378 грн.

Амортизационные отчисления| рассчитываем| по формуле| (при  амортизации| 25% и стоимости| ЭВМ – 3000 грн.):

Са = 0,01kа kт.м.Цп,    (5.7)

СА = 1.15 • 0.25 • 3000 = 862.5 грн.

Расходы на ремонт и профилактику| рассчитываем| по формуле|:

СР = 103-3арТрКт.м.Цп;     (5.8)

СР = 1.15 • 3000 • 0.05 = 172.5 грн.

Эффективный часовой| фонд времени| ПК за год| рассчитываем| по формуле|:

ТЕФ = (Дк – Дв – Дс – Др.)tзм*пз*kв;   (5.9)

где|  Дк – календарное| количество| дней| в году|;

Дв,дс – соответственно| количество| выходных| и праздничных| дней|;

Др – количество| дней| плановых| ремонтов| оборудования|;

tзм| – время изменения|смены|;

| – коэффициент использования|употребления| прибора во времени в течение|на протяжении| изменения|смены|;

Цен – тариф при 1 КВт-часов| электроэнергии, грн.

ТЕФ  = (365 – 104 – 8 – 16) • 8 • 0.9 = 1706.8 часов

Расходы на оплату электроэнергии рассчитываем| (5.10):

СЕЛ = Nс*ТрЦен,      (5.10)

СЕЛ  = 1706.8 • 0.156 • 0.2 = 53.25 грн.

Накладные расходы|:

СН = 840 • 0.67 =562,8 грн.

Тогда, годовые| эксплуатационные расходы|:

СЕКС = 1008 + 378 + 862.5 + 172.5 + 53.252 + 562,8 = 3036,05 грн.

Себестоимость одного машино-часа| ЭВМ будет равняться:

СМ-Г = Секс / Теф = 3036,05 / 1706.8 = 1,78 грн/час.

Поскольку в данном случае все работы, которые|какие| связаны| с разработкой программного продукта ведутся на ЭВМ, расходы на оплату машинного времени составляет|сдает|:

СМ = 1,78 • 1321.84 = 2353 грн.;

Накладные расходы составляют|сдают| 67% от заработной платы:

СН = 4378 • 0.67 = 2933 грн.;

Определим стоимость| разработки| программного| продукта| (5.1):

І/II/III/IV:   СПП = 4378 + 1642 + 2353 + 2933 = 11306 грн.

|Коэффициент технико-экономического| уровня| рассчитывается| по формуле|:

Ктерj=Кяjj

Ктер1 = Ктер2 = Ктер3 = Ктер4 =  4,93 / 11306= 4,36 • 10-4.


5.5. Выводы

Так как все варианты разработки ПП имеют одинаковые показатели и дают разные результаты, что необходимо для данной задачи разработки – решено вести параллельно две разработки, отталкиваясь от параметров обработки данных и сравнительной характеристике позитивно-негативной матрицы (табл. 5.1). Но одним из главных факторов качественного ПП будет создание базы данных обработанных результатов, которые опираются на результаты разных компрессий ангиограмм. Поэтому, взяв во внимание коэффициенты весомости (φі) решено, что важнейшим из них будут Х1 – количество градаций цвета; Х2 – скорость обработки информации. Т.к. Х1 у нас имеет неизменное значение, то Х2 имеет наиважнейший характер.

Следовательно|итак| наш алгоритм будет иметь такой вид:

F1|:  

а) градации| серого|.

F2|:  

а) усреднение| контрастности|;

б) регуляция| четкости|.

F3|:

а) организация личных|личностных| баз данных.

F4|:

б) отображение| информации| в виде| таблицы|.


Раздел 6

Охрана труда

6.1. Анализ вредных факторов

6.1.1. Освещение лаборатории

Основной задачей производственного освещения является поддержание на рабочем месте освещенности, соответствующей характеру зрительной работы. Увеличение освещенности рабочей поверхности улучшает видимость объектов за счет повышения их яркости, увеличивает скорость различения деталей, что сказывается на росте производительности труда.

Производственное освещение должно обеспечивать отсутствие в поле зрения работающего резких теней. Наличие резких теней искажает размеры и формы объектов, их различение, и тем самым повышает утомляемость, снижает производительность труда. Особенно вредны движущиеся тени, которые могут привести к травмам. Тени необходимо смягчать, применяя, например, светильники со светорассеивающими молочными стеклами, при естественном освещении, используя солнцезащитные устройства (жалюзи, козырьки и др.).

Для улучшения видимости объектов в поле зрения работающего должна отсутствовать прямая и отраженная блескость. Блескость - это повышенная яркость светящихся поверхностей, вызывающая нарушение зрительных функций (ослепленность), т.е. ухудшение видимости объектов.

При организации производственного освещения следует выбирать необходимый спектральный состав светового потока. Это требование особенно существенно для обеспечения правильной цветопередачи, а в отдельных случаях для усиления цветовых контрастов. Оптимальный спектральный состав обеспечивает естественное освещение. Для создания правильной цветопередачи применяют монохроматический свет, усиливающий одни цвета и ослабляющий другие.

Осветительные установки должны быть удобны и просты в эксплуатации, долговечны, отвечать требованиям эстетики, электробезопасности, а также не должны быть причиной возникновения взрыва или пожара. Обеспечение указанных требований достигается применением защитного зануления или заземления, ограничением напряжения питания переносных и местных светильников, защитой элементов осветительных сетей от механических повреждений и т.п.

6.1.2. Нормирование производственного освещения

Естественное и искусственное освещение в помещениях регламентируется нормами СНиП 23-05-95 в зависимости от характера зрительной работы, системы и вида освещения, фона, контраста объекта с фоном.

Принято раздельное нормирование искусственного освещения в зависимости от применяемых источников света и системы освещения. Нормативное значение освещенности для газоразрядных ламп при прочих равных условиях из-за их большей светоотдачи выше, чем для ламп накаливания. При комбинированном освещении доля общего освещения должна быть не менее 10 % нормируемой освещенности. Эта величина должна быть не менее 150 лк для газоразрядных ламп и 50 лк для ламп накаливания.

При определении нормы освещенности следует учитывать также ряд условий, вызывающих необходимость повышения уровня освещенности, выбранного по характеристике зрительной работы. Увеличение освещенности следует предусматривать, например, при повышенной опасности травматизма или при выполнении напряженной зрительной работы I...IV разрядов в течение всего рабочего дня. В некоторых случаях следует снижать норму освещенности, например, при кратковременном пребывании людей в помещении.

Совмещенное освещение допускается для производственных помещений, в которых выполняются зрительные работы I и II разрядов; для производственных помещений, строящихся в северной климатической зоне страны; для помещений, в которых по условиям технологии требуется выдерживать стабильными параметры воздушной среды (участки прецизионных металлообрабатывающих станков, электропрецизионного оборудования). При этом общее искусственное освещение помещений должно обеспечиваться газоразрядными лампами, а нормы освещенности повышаются на одну ступень.

6.2. Расчет производственного освещения

Основной задачей светотехнических расчетов является: для естественного освещения определение необходимой площади световых проемов; для искусственного - требуемой мощности электрической осветительной установки для создания заданной освещенности.

При естественном боковом освещении требуемая площадь световых проемов (м2):

Sтрок = Sп × SОК × kЗД × kЗ/(l00 × ρ × τОБЩ)

где Sп - площадь пола помещений, м2;

SOK - коэффициент световой активности оконного проема;

kЗД - коэффициент, учитывающий затенение окон противостоящими зданиями;

kЗ - коэффициент запаса; определяется с учетом запыленности помещения, расположения стекол (наклонно, горизонтально, вертикально) и периодичности очистки, на предприятии и принимает значения от 1,2 до 2,0;

ρ - коэффициент, учитывающий влияние отраженного света; определяется с учетом геометрических размеров помещения, светопроема и значений коэффициентов отражения стен, потолка, пола;

τОБЩ - общий коэффициент светопропускания; определяется в зависимости от коэффициента светопропускания стекол, потерь света в переплетах окон, слоя его загрязнения, наличия несущих и солнцезащитных конструкций перед окнами. τОБЩ≈3.

При проектировании искусственного освещения необходимо выбрать тип источника света, систему освещения, вид светильника; наметить целесообразную высоту установки светильников и размещения их в помещении; определить число светильников и мощность ламп, необходимых для создания нормируемой освещенности на рабочем месте, и в заключение проверить намеченный вариант освещения на соответствие его нормативным требованиям.

Расчет общего равномерного искусственного освещения горизонтальной рабочей поверхности выполняется методом коэффициента использования светового потока. Световой поток (лм) одной лампы или группы люминесцентных ламп одного светильника

ФК = EH×S×z×kЗ/(n×ηИ)

где ЕН - нормируемая минимальная освещенность по СНиП 23-05-95, лк;

S - площадь освещаемого помещения, м2;

Z - коэффициент неравномерности освещения; обычно Z = 1,1...1,2;

k3 - коэффициент запаса, зависящий от вида технологического процесса и типа применяемых источников света; обычно k3 = 1,3...1,8;

n – число светильников в помещении;

ηИ - коэффициент использования светового потока.

Коэффициент использования светового потока, давший название методу расчета, определяют по СНиП 23-05-95 в зависимости от типа светильника, отражательной способности стен и потолка, размеров помещения, определяемых индексом помещения:

j = А×В/[Н×(А + В)]

где А и В - длина и ширина помещения в плане, м;

Н - высота подвеса светильников над рабочей поверхностью, м.

По полученному в результате расчета световому потоку по ГОСТ 2239-79 и ГОСТ 6825-91 выбирают ближайшую стандартную лампу и определяют необходимую электрическую мощность. При выборе лампы допускается отклонение светового потока от расчетного в пределах 10...20 %.

Для поверочного расчета местного освещения, а также для расчета освещенности конкретной точки наклонной поверхности при общем локализованном освещении применяют, точечный метод. В основу точечного метода положено уравнение

ЕА = Iα×cosα/r2

где ЕА - освещенность горизонтальной поверхности в расчетной точке А, лк;

Iα - сила света в направлении от источника к расчетной точке А; определяется по кривой распределения светового потока выбиpaeмoгo светильника и источника света;

α - угол между нормалью к поверхности, которой принадлежит точка, и направлением вектора силы света в точку А;

r - расстояние от светильника до точки А, м.

Учитывая, что r = H/cosα и вводя коэффициент запаса kЗ, получим

ЕА = Iα×соs3α/(Н×kз)

Критерием правильности расчета служит неравенство ЕА ≥ ЕН.

6.3. Расчет системы вентиляции

6.3.1. Меры по созданию микроклимата при производстве платы

Необходимым условием жизнедеятельности человека является поддержка постоянства температуры тела, благодаря свойству терморегуляции, т.е. свойству организма регулировать отдачу тепла в окружающую среду. Поэтому большое значение имеет микроклимат в помещении, где работает инженер - монтажник. Метеорологические условия на производстве определяются следующими параметрами:

1) температурой воздуха t (C);

2) относительной влажностью (%);

3) скоростью движения воздуха на рабочем месте, V (м/с).

Основной принцип нормирования микроклимата - создание оптимальных условий для теплообмена тела человека с окружающей средой. Выделяемая организмом человека теплота должна отводиться в окружающую среду. Соответствие между количеством этой теплоты и охлаждающей способностью среды характеризует ее как комфортную. В условиях комфорта у человека не возникает беспокоящих его температурных ощущений холода или перегрева. В "Общих санитарно-гигиенических требованиях к воздуху рабочей зоны установлены оптимальные и допустимые параметры микроклимата в зависимости от времени года, категории работ и рабочих мест (постоянных и непостоянных).

Таблица 6.1

Параметры микроклимата

Период года

Категория работ

Зона

Темпера-тура, °C

Относит. влажность, %

Скорость движения, м/с

холдн.

Легкая

оптим.

22-24

40-60

0.1

доп.

25-18

75

<0.1

теплый

Легкая

оптим.

23-25

40-60

0.1

доп.

28-22

55

0.1-0.2

 

В настоящее время для обеспечения условий используются как организационные методы, так и технические средства, среди которых вентиляция воздуха.


6.3.2. Определение требуемого воздухообмена

Влага выделяется в результате испарения со свободной поверхности воды и влажных поверхностей материалов и кожи, в результате дыхания людей и т.д. Количество влаги, выделяемое людьми, г/ч, определяется по формуле:

где n - число людей, n = 4 человек;

w - количество влаги, выделяемое одним человеком, г/ч,

w = 84 г/ч при t = 22С .

Получаем:

 (г/ч)

Теперь можно определить потребный воздухообмен, который определяется по формуле:

 

где W - количество водяного пара, выделяющегося в помещении, г/ч, W = 336 г/ч;

D, d - влагосодержание вытяжного и приточного воздуха, г/кг, определяется по температуре и относительной влажности воздуха;

p - плотность приточного воздуха, р = 1.2 кг/ м;

d = 10 г/кг при температуре рабочей зоны 22 С;

D = 16 г/кг - принимается равным предельно допустимому, т.е. при tр.з.=26 С , =75 %.

Таким образом расход воздуха равен :

Теперь проведем расчет выделений тепла.

Тепловыделения от людей зависят от тяжести работы, температуры и скорости движения окружающего воздуха. Тепловыделения от людей :

,

где n - количество людей в помещении, n=4;

q - удельная теплота , выделяемая человеком (явное тепло при t = 22 С), Вт ;

q = 68 Вт;

Получаем:

 Вт.

Расчет тепла, поступающего в помещение от солнечной радиации Qост производится по формуле:

,

где FОСТ - площадь поверхности остекления, FОСТ= 9 м ;

qост - тепловыделения от солнечной радиации, Вт/м, через 1 м поверхности остекления (с учетом ориентации по сторонам света), qост = 150 Вт/м [4], т.е окна с двойным остеклением с металлическими переплетами;

Aост - коэффициент учета характера остекления, Aост=1.15 (двойное остекление в одной раме).

Подставив все полученные значения, получим:

Вт.

Расчет тепловыделений от источников искусственного освещения Qосв, Вт, производится по формуле:

 

где N - суммарная мощность источников освещения, кВт,

кВт где 0.12 кВт - мощность одной лампы, а всего в помещении 5 светильников по 1 лампы в каждом;

k- коэффициент тепловых потерь, = 0.55 для люминесцентных ламп.

Имеем:

Вт.

Для расчета тепловыделений от устройств  техники используется коэффициент тепловых потерь равный 0.5. В помещении присутствует 2 специальные паяльные станции и два источника питания  с мощностью 65 Вт .

Тогда :

 Вт

Таким образом, в помещении выделяется всего избыточного тепла:

Вт

При открытии дверей и окон естественный расход тепла:

Посчитаем объем вентилируемого воздуха для теплого времени года:

 ,

где Qизб - теплоизбытки, Qизб = 2284,5 Вт;

Ср - массовая удельная теплоемкость воздуха,

Ср = 1000 Дж/(кг* С);

р - плотность приточного воздуха, р = 1.2 кг/м ;

tуд, tпр - температуры удаляемого и приточного воздуха, С;

Температура удаляемого воздуха определяется по формуле:

где tрз = 22 С;

а - нарастание температуры воздуха на каждый 1 м высоты, С/м,

а =0.5 С/м;

Н - высота помещения, Н = 3.75 м.

Следовательно,

°C

Температура приточного воздуха tпр при наличии избытков тепла должна быть на 5 °С ниже температуры воздуха в рабочей зоне. tпр = 17,875 °С. Подставив полученные значения, найдем:

При одновременном выделении тепла и влаги сравниваются соответствующие воздухооФБМЕны, потребные для их удаления, и выбирается наибольший. Поскольку Gт= 1370м /ч, а G = 46,7м /ч, то систему вентиляции должна быть спроектирована для воздухообмена Gвент = 1370м /ч.


6.4. Пожарная безопасность помещений

Согласно ОНТП 24-86 по взрывоопасности и пожарной опасности помещение, где будет производиться эксплуатация прибора, должно относится к категории ІВІ, по взрывоопасности к классу В-llа и по пожароопасности к классу П-llа. К этому классу относятся помещения, в которых опасные состояния не имеют места при нормальной эксплуатации, а возможны только в результате аварии или неисправностей.

Причиной возникновения пожара при использовании электрооборудования является: электрические искры, дуги, короткое замыкание, перегрев приборов. В помещении для предотвращения пожара согласно ГОСТ 12.1.004-74 “Пожарная безопасность. Общие требования.

должны предусматриваться следующие меры:

- применение плавких предохранителей для защиты от короткого замыкания;

- имеющиеся воспламеняющиеся материалы хранятся в специальном несгораемом шкафу;

- в качестве индивидуального средства тушения пожаров предусматриваются углекислотные огнетушители марки ОУ-5 или ОУ-8;

- с работниками проводится инструктаж по пожарной безопасности;

- запрещено пользоваться электронагревательными приборами;

- разработан план эвакуации персонала в случае пожара. Эвакуационный план должен вести из расположенного в любом месте помещения в коридор или проход, ведущий к лестничной клетке, имеющей выход наружу непосредственно или через вестибюль, отделенный от коридоров перегородками или дверьми.


Выводы

Данный дипломный проект посвящен методам улучшения качества ангиограмм.

Ангиография – важная методика регистрации и анализа изображений, позволяющая исследовать функциональное состояние сосудов, окольного кровотока и протяженность патологического процесса. Современная ангиография – достаточно безопасный и максимально информативный метод исследования сосудов.

Во время регистрации ангиограмм, на изображении могут возникать различные шумы и потери резкости изображений, по которым врач ставит диагноз и именно от их качества зависит качество диагностики.

Общей теории улучшения изображений не существует. Когда изображение обрабатывается для визуальной интерпретации, субъективная оценка является окончательным анализом, насколько хорошо действует конкретный метод. Визуальное оценивание качества изображения осуществляется лишь в сравнении оригинала и обработанного изображения.

Нехватка программ для реализации методов улучшения ангиограмм дала повод реализовать в нашем проекте самые оптимальные программные методы обработки.

В проекте использовали методы обработки изображений:

  1.  Преобразование изображения в негатив. Подобный переворот уровней яркости изображения создает эквивалент фотографического негатива. Этот тип обработки особенно подходит для усиления белых или серых деталей на фоне темных областей изображения, особенно когда темные области имеют преобладающие размеры.
  2.  Логарифмическое преобразование осуществляет растяжение/сжатие диапазонов яркости на изображении, позволяя уравнивать пересвеченные участки ангиограммы.
  3.  Эквализация гистограммы. Преобразование порождает изображение, уровни яркости которого являются равновероятными и покрывают весь интервал [0, 1] на гистограмме. Результат этого процесса состоит в увеличении динамического диапазона уровней яркости, что обычно означает большую контрастность выходного изображения.
  4.   Лапласиан. Его применение подчеркивает разрывы уровней яркостей на изображении и подавляет области со слабыми изменениями яркостей. Это приводит к получению изображения, содержащего сероватые линии на месте контуров и других разрывов, наложенные на темный фон без особенностей, Но фон можно восстановить, сохранив при этом эффект повышения резкости, достигаемый лапласианом. Для этого достаточно сложить исходное изображение и лапласиан.

Экспериментальные результаты подтвердили, что изображения получились более качественными, что видно по улучшению видимости проблемных фрагментов ангиограмм.


Список использованной литературы

  1.  Цифровая обработка изображений / Гонсалес Р., Вудс Р. – Москва: Техносфера, 2005. – 1072 с. – ISBN 5-94836-028-8
  2.  Цифровая обработка изображений в среде MatLab / Гонсалес Р., Вудс Р., Эддинс С. – Москва: Техносфера, 2006. – 616 с. – ISBN 5-94836-092-Х
  3.  Энциклопедия Wikipedia. – Режим доступа к ресурсу: http://www.ru.wikipedia.org/wiki/Ангиография
  4.  Большая медицинская библиотека. – Режим доступа к ресурсу: http://www.med-lib.ru/speclit/rentg/34.php
  5.  Медицинский портал МедВопрос. – Режим доступа к ресурсу: http://www.medvopros.com/lib/angio/2545.php


Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Разраб.

Провер.

Реценз.

Н. Контр.

Утверд.

Підвищення якості агіографічних зображень

Лит.

Листов

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

ист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Передающая телевизионная трубка

Передающая телевизионная система

Монитор

Система линз

РЭОП

видео-

канал

Система полупрозрачных зеркал (система распределителя света)

Рентгеновское излучение, прошедшее через объект исследования

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

9

8

1

7

6

5

3

2

4

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

F2

F3

F4

F1

Усреднение контрастности

Ругулировка четкости

Организация личных баз данных

Организация общей базы данных

Отоброжение информации по одной записи

Отображение информации в виде таблиц

Градации серого

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ

Изм.

Лист

№ докум.

Подпись

Дата

Лист

ФБМЕ.ДП.ДМ5201.001.ПЗ


 

А также другие работы, которые могут Вас заинтересовать

72034. ФОРМУВАННЯ ЕКОНОМІЧНОЇ КУЛЬТУРИ УЧНІВ ОСНОВНОЇ ТА СТАРШОЇ ШКОЛИ 1.22 MB
  Сьогодні виявлено протиріччя між динамікою економічного розвитку країни які висуває вимоги до системної організації процесу економічного навчання та виховання підростаючого покоління і сформованою практикою економічної освіти; між реальним рівнем...
72035. УДОСКОНАЛЕННЯ ЗАСОБІВ ОЧИЩЕННЯ ПРОМИВНИХ ВОД ТА УТИЛІЗАЦІЇ ОСАДУ ВОДОПРОВІДНИХ ФІЛЬТРУВАЛЬНИХ СТАНЦІЙ 225 KB
  У багатьох частинах світу спостерігається дефіцит поступове вичерпання і зростаюче забруднення джерел прісної води. Питне водопостачання здійснюється як з поверхневих близько 70 всієї води так і з підземних джерел. В процесі очищення води тільки поверхневих джерел на спорудах поліпшення її якості щорічно утворюється близько 100 млн.
72036. СТАБІЛЬНИЙ РАНГ ТА ПОВ’ЯЗАНІ З НИМ ЗАДАЧІ ТЕОРІЇ КІЛЕЦЬ І МОДУЛІВ 405.5 KB
  У дисертаційній роботі встановлюються принципові зв’язки методів теорії матриць над кільцями з сучасними досягненнями алгебраїчної К-теорії. При дослідженні проблем алгебри матриць над кільцями неможливо обійтись без застосування результатів К-теорії.
72037. ПРОФІЛАКТИКА, ДІАГНОСТИКА І ЛІКУВАННЯ ПОРУШЕНЬ МЕНСТРУАЛЬНОГО ЦИКЛУ У ДІВЧАТ-ПІДЛІТКІВ З НЕРВОВОЮ АНОРЕКСІЄЮ 290.5 KB
  На сучасному етапі однією з важливих проблем дитячої та підліткової гінекології є профілактика та лікування порушень функції репродуктивної системи у дівчатпідлітків з психоемоційними розладами В. Відомо що порушення менструальної функції в підлітковому віці у дівчат негативно впливають на стан репродуктивної системи...
72038. ОСОБЛИВОСТІ КЛІНІЧНОГО ПЕРЕБІГУ ПОРОЖНИННИХ УТВОРЕНЬ ПІДШЛУНКОВОЇ ЗАЛОЗИ ТА ЇХ ХІРУРГІЧНЕ ЛІКУВАННЯ 174 KB
  Метою роботи було поліпшення результатів хірургічного лікування хворих на порожнинні утворення підшлункової залози при панкреатиті шляхом диференційованого вибору операційних технологій з урахуванням особливостей клінічного перебігу та прогнозування розвитку їх ускладнень.
72039. ПЕДАГОГІЧНІ УМОВИ ФІЗИЧНОГО ВИХОВАННЯ ДІТЕЙ СТАРШОГО ДОШКІЛЬНОГО ВІКУ У ВЗАЄМОДІЇ ДОШКІЛЬНОГО НАВЧАЛЬНОГО ЗАКЛАДУ І СІМ’Ї 202 KB
  Трансформаційні процеси у сучасному суспільстві висувають нові вимоги до системи освіти загалом та фізичного виховання дітей зокрема. Економічні й політичні реформи в Україні здійснюються на тлі загострення проблеми захворюваності дітей яка зросла за багатьма показниками: лише третина сучасних...
72040. КРИМСЬКОТАТАРСЬКИЙ НАЦІОНАЛЬНИЙ РУХ ЯК СУБ’ЄКТ ПОЛІТИЧНОГО ПРОЦЕСУ В КРИМУ 163 KB
  В останні два десятиліття проблема повернення та облаштування кримських татар питання політикоправового статусу кримсько-татарського народу виступають найважливішими чинниками етнополітичної ситуації на півострові визначаючи діяльність кримсько-татарського національного...
72041. ПІДГОТОВКА МАЙБУТНІХ УЧИТЕЛІВ ПОЧАТКОВИХ КЛАСІВ ДО РОЗВИТКУ ПІЗНАВАЛЬНИХ ІНТЕРЕСІВ УЧНІВ У ПРОЦЕСІ НАВЧАННЯ МАТЕМАТИКИ 865.5 KB
  У державних та міжнародних документах з проблем вищої освіти наголошується на необхідності формування нової генерації педагогічних кадрів, підготовленої до якісного забезпечення освітніх потреб особистості, розвитку її інтелектуального та культурного потенціалу.
72042. ОБГРУНТУВАННЯ ПАРАМЕТРІВ І УДОСКОНАЛЕННЯ СИСТЕМИ ВІДСІЧЕННЯ КОНВЕРТЕРНОГО ШЛАКУ ЕЛЕМЕНТАМИ ПОПЛАВКОВОГО ТИПУ ПРИ ВИПУСКУ СТАЛІ 3.67 MB
  Мінімізація кількості кінцевого шлаку що потрапляє в розливний ківш під час випуску металу з кисневого конвертера є важливим технологічним завданням від успішного вирішення якого значною мірою залежать ефективність подальшої позапічної обробки сталі і виробничі витрати зумовлені...