Biotibbiyot signallarini qayta ishlash texnologiyalari

BIOTIBBIYOT SIGNALLARINI QAYTA ISHLASH TEXNOLOGIYALARI
Ibadullayeva Zarnigor Ollayor qizi, Toshkent Axborot Texnologiyalari Universiteti Urganch filiali 1-bosqich magistranti


Annotatsiya. Maqolada biotibbiyot signallari va tasvirlarini tahlil qilish va qayta ishlash haqida gap boradi. Biotibbiy signallarni qayta ishlash sohasidagi zamonaviy algoritmlar va usullar o‘rganildi.
Kalit so‘zlar: Biotibbiy signallar, tasvirlar, ishlov berish, segmentatsiya

Biotibbiyot signallari organizmlarning fiziologik faolligini gen va oqsil ketma-ketligi, asab va yurak ritmlari, to‘qimalar va organlarning tasvirlarigacha o‘rganishdir. Biotibbiy signallarni qayta ishlash biomedikal signallardan muhim ma'lumotlarni olishga qaratilgan. Biotibbiy signallarni qayta ishlash yordamida biologlar yangi ma'lumotlarni kashf qilishlari mumkin, shifokorlar esa turli kasalliklarni kuzatishlari mumkin. Raqamli signalni qayta ishlash (DSP) ning ishlatilishi raqamli ishlov berish masalan, kompyuterlar yoki ko‘proq ixtisoslashgan raqamli signal protsessorlari, turli xil ijro etish signallarni qayta ishlash operatsiyalar. Raqamli signallar shu tarzda qayta ishlangan raqamlar ketma-ketligi namunalar a doimiy o‘zgaruvchan vaqt, makon yoki chastota kabi domenda. Yilda raqamli elektronika, raqamli signal sifatida ifodalanadi impuls poezdi [1, 2] odatda a ni almashtirish orqali hosil bo‘ladigan transistor [3].

DSP dasturlariga quyidagilar kiradi audio va nutqni qayta ishlash, sonar, radar va boshqalar sensorlar qatori ishlov berish, spektral zichlikni baholash, statistik signallarni qayta ishlash, raqamli tasvirni qayta ishlash, ma'lumotlarni siqish, video kodlash, audio kodlash, tasvirni siqish uchun signalni qayta ishlash telekommunikatsiya, boshqaruv tizimlari va biotibbiyot. Raqamli hisoblashni signallarni qayta ishlashga tatbiq etish, masalan, ko‘plab dasturlarda analogli ishlov berishdan juda ko‘p afzalliklarga imkon beradi xatolarni aniqlash va tuzatish uzatishda ham ma'lumotlarni siqish. Hozirgi kunda,raqamli tibbiy tasvirlarning sifati katta tashvishga aylandi, chunki shovqin va boshqa omillar tibbiy fotografiyaga ta'sir qiladi. Tibbiy tasvirlar aniq, aniq va shovqinsiz bo‘lishi kerak. Raqamli tibbiy tasvirlarda shovqinni olib tashlash biotibbiyot signallari va tasvirni o‘rganishning asosiy yo‘nalishlaridan biri bo‘lib qolmoqda.
Tasvirga ishlov berish turli maqsadlarda amalga oshirilishi mumkin: inson talqini uchun grafik ma'lumotlarni yaxshilash va grafik ma'lumotlarni saqlash, uzatish va olish, ob'ektlarni aniqlash va ularni aniqlash, etishmayotgan hududlarni tiklash kabi vazifalar uchun tasvir ma'lumotlarini qayta ishlash. Biotibbiyot sohasida turli xil tasvirlash usullari keng qo‘llaniladi, ya'ni funktsional magnit-rezonans tomografiya (MRT), kompyuter tomografiyasi (KT), ultratovush tomografiyasi va pozitron emissiya tomografiyasi (PET). So‘nggi nashrlar shuni ko‘rsatdiki, EEG va MRT usullari bemorlarda og‘riq miqdorini aniqlash usullarini tahlil qilish va ishlab chiqishga qaratilgan, bundan tashqari, bu usullar dam olish holatini qayd etish orqali epileptik tutilishlarni aniqlashi mumkin [4], shuningdek, miyadagi farqlarni aniqlash faoliyati.
Shu bilan birga, kompyuter tomografiyasi (KT) fazoviy va vaqtinchalik o‘lchamlarini ta'minlaydigan anatomiya bilan bog‘liq. Ko‘p detektorli KT - bu yurak anatomiyasini yuqori aniqlikdagi vizualizatsiya qilish uchun texnologik vosita bo‘lgan invaziv bo‘lmagan tasvirlash usuli [5].
Ultratovush usullari turli organlar va tizimlarning kasalliklarini aniqlash uchun keng qo‘llaniladi. Ayniqsa, usul ovqat hazm qilish tizimi, yurak-qon tomir tizimi, urogenital, akusherlikda, yuzaki joylashgan organlarni, tayanch-harakat tizimini va boshqalarni o‘rganishda yuqori diagnostika samaradorligiga ega [6].
Tasvirni qayta ishlash usullari bir nechta usullarni o‘z ichiga oladi, xususan: kuchaytirish, segmentatsiyalash, ob'ekt chegaralarini tanlash, oldindan filtrlash usuli, ob'ektning xarakterli nuqtalarini tanlash va morfologik operatsiyalar. Segmentatsiya - bu tasvirlardagi murakkab protseduralarni bartaraf etish uchun ishlatiladigan jarayondir [7].
Rasmni segmentatsiyalash - bu tasvirni piksel qiymati yoki chastota reaktsiyasi kabi tasvir xususiyatiga ko‘ra bir nechta mintaqalarga tasniflash uchun keng qo‘llaniladigan raqamli tasvirni qayta ishlash va tahlil qilish usuli. Hozirgacha fanda va kundalik hayotda keng qo‘llaniladigan ko‘plab tasvirlarni segmentatsiyalash algoritmlari mavjud. Segmentatsiya usuliga ko‘ra, biz ularni taxminan mintaqaviy segmentatsiya, ma'lumotlar klasteri va chekka segmentatsiyaga ajratishimiz mumkin. Yo‘lni ajratib olish - bu tasvir ichidagi ob'ektlar chegaralarini aniqlash uchun ishlatiladigan usul. Chet tasvirdagi to‘satdan uzilishlar sifatida aniqlanadi. Tasvirdagi yorqinlik darajasining keskin o‘zgarishini chekka deb atash mumkin. Rasmdagi chegaralarni chiqarishning eng mashhur usullari Keniya algoritmi, Sobel va Prewitt operatorlari va Laplas operatoridir.
Tasvirni segmentatsiyalash tasvirni sinashga olib keladigan birinchi qadamlardan biridir. To‘qimalar va organlarni tibbiy qo‘llashda ko‘plab tasvirlarni segmentatsiyalash usullari qo‘llanilgan. Tasvir segmentatsiyasi koronar angiografiyada demarkatsiya, jarrohlik modellashtirish, o‘smalarni aniqlash, miya rivojlanishi, qon hujayralarini avtomatik tasniflash, tasvirni yozib olish va yurak tasvirlarini tahlil qilish kabi ko‘plab ilovalarda muhim ahamiyat kasb etmoqda [8].
Elektrokardiografiya yurak ishini kuzatish va kasalliklarni tashxislash uchun asosiy ahamiyatga ega. U atrium va qorincha klapanlarini ochganda va yopayotganda inson yuragi tomonidan ishlab chiqarilgan juda kichik bioelektrik signallarni (millivoltlarda) o‘lchashni o‘z ichiga oladi. Mushaklarning elektr faolligi, elektrodning teri bilan aloqa qilishning beqarorligi va bemorning harakati tufayli elektrokardiogramma (EKG) ni qurishda shovqin paydo bo‘ladi. Bu signaldan shovqinni olib tashlash juda muhim, chunki u juda past amplitudaga ega va turli chastotalar deyarli har soniyada takrorlanadi. Bunday statsionar bo‘lmagan biosignallar uchun xususiyatlardan kelib chiqqan holda, Wavelet Transformatsiyasidan foydalanish mumkin. Tadqiqot [9] EKGdan kerakli ma'lumotni denozlash va chiqarish uchun uzluksiz to‘lqinli transformatsiya (UTT) va diskret to‘lqinli transformatsiyadan (DTT) foydalanadi.
Tibbiy tasvirlash ma'lumotlari asosida 3D bosma ob'ektlar jarayoni va qo‘llanilishidagi yangi innovatsiyalar haqida umumiy ma'lumot berilgan va muhokama qilingan [10].
Miya shishi tez o‘sib borayotgan muammolardan biri bo‘lib, uni erta aniqlash va aniq tashxis qo‘yish omon qolish uchun juda muhimdir. Miyaning magnit-rezonans tomografiyasi (MRT) bilan o‘smani topish qo‘lda bajarilganda juda qiyin va ayni paytda ko‘p vaqt talab etadi. Bundan tashqari, o‘smalar ko‘p shakllarga ega va miyaning har qanday qismida bo‘lishi mumkin. Asosiy muammo - bu o‘simtaning aniq segmentatsiyasi, chunki yaxshi to‘qimalarni olib tashlash miyaning ushbu qismi tomonidan boshqariladigan organlarga ta'sir qiladi. Taklif etilayotgan algoritm MRT miya tasvirlari [11] asosida avtomatik o‘simta segmentatsiyasi uchun chuqur o‘rganish tushunchalaridan foydalanadi.
Rivojlanishning o‘sishi va multimediya mahsulotlariga bo‘lgan talabning o‘sishi bilan tarmoqning o‘tkazish qobiliyatining etarli emasligi va xotira qurilmalarini saqlash muammosi tobora ortib borayotgan raqamli ma'lumotlarni saqlashni qiyinlashtiradi. Ushbu maqolada [12], to‘lqinlar asosidagi tasvirni siqish solishtirish o‘rganildi va eng mos keladigan to‘lqinli konvertatsiya aniqlandi. Fayl hajmini kamaytirish ma'lum bir disk yoki xotirada ko‘proq tasvirlarni saqlashga imkon beradi. Biotibbiy signallarni qayta ishlash jadal rivojlanayotgan sohadir. Xususan, biotibbiyot ma’lumotlarini qayta ishlash biologik tadqiqotlar va tibbiy amaliyotda muhim o‘rin tutadi