Современные методы медицинской лабораторной диагностики зачастую требуют проведения венепункции, что может вызывать затруднения, когда вены не видны невооруженным глазом. Это потенциально приводит к ошибкам в заборе крови, множественным попыткам пункции и дискомфорту для пациента. В настоящее время активно развиваются оптические методы в медицине. Визуализация вен в ближнем инфракрасном (ИК) диапазоне является одним из перспективных направлений, основанным на различии в поглощении и рассеивании ИК-излучения гемоглобином крови и окружающими биотканями. Несмотря на перспективность существующих методов визуализации вен, ряд недостатков ограничивает их клиническое применение: малая глубина визуализации, недостаточная контрастность, отсутствие стандартизированных параметров устройств. Кроме того, в существующих исследованиях не уделяется достаточного внимания вопросу сегментации сосудов, что ограничивает применение алгоритмов цифровой обработки. В данной работе предложен метод визуализации вен на основе двухдиапазонной регистрации изображения (532 нм + 850 нм) в сочетании с алгоритмами компьютерного зрения. Использование двух спектральных диапазонов позволяет выполнять автоматическую сегментацию сосудов на изображении для поддержки принятия решения о выборе вены для пункции врачом за счет комбинирования информации из двух каналов. В ходе работы были рассмотрены существующие подходы к обработке изображений при визуализации вен. Разработан алгоритм обработки изображений, включающий предобработку, согласование каналов, усиление сосудистых структур и построение маски-паттерна сегментации. Предложен подход к оценке результатов на основе метрик Recall и Dice Similarity Index. Экспериментальное моделирование показало, что предложенный алгоритм обеспечивает высокий показатель Recall (до 0,95) при низком показателе DSI (до 0,35). Разработанный метод может быть использован как для поддержки принятия решений в реальной медицинской практике в качестве инструмента, так и для обучения медицинского персонала.
Modern laboratory diagnostics often require venipuncture. This can be difficult when veins are not visible. This may lead to errors in blood collection, multiple puncture attempts, and patient discomfort. Optical methods in medicine are developing rapidly. Vein visualization in the near-infrared (NIR) range is a promising direction. It is based on differences in absorption and scattering of IR radiation by blood hemoglobin and surrounding tissues. However, existing vein visualization methods have limitations. These include shallow visualization depth, low contrast, and a lack of standardized device parameters. Furthermore, current research does not focus enough on vessel segmentation. This limits the use of digital image processing algorithms. This work proposes a vein visualization method using dual-band image registration (532 nm + 850 nm) and computer vision algorithms. Using two spectral ranges allows automatic vessel segmentation on the image. This supports the doctor's decision on vein selection for puncture by combining information from both channels. Existing image processing approaches for vein visualization were reviewed. An image processing algorithm was developed. It includes preprocessing, channel alignment, vessel enhancement, and segmentation mask creation. An evaluation approach using Recall and Dice Similarity Index (DSI) metrics is proposed. Experimental modeling showed that the proposed algorithm achieves high Recall (up to 0.95) with a low DSI value (up to 0.35). The solution can be used as a decision support tool in real medical practice. It can also be used for training medical personnel.
The authors declare that there are no conflicts of interest present.