Международная научная хирургическая ассоциация
Домой Ассоциация Конференции Публикации Спонсорам
Международная научная хирургическая ассоциация
Международная научная хирургическая ассоциация
Домой
Ассоциация
Конференции
Публикации
Спонсорам

Международная научная хирургическая ассоциация

сердечно-сосудистая хирургия, позвоночник, вены, артерии, сосуды, кровеносные сосуды, терапия, лечение заболевания, болезни, хирургия, конференции, наука, диссертации

English

 

Форум конференции

 

Bulletin of the International Scientific Surgical Association

Очерки гнойной хирургии

Хирургия вен нижних конечностей

 

 

 

 

 

 

 

 

 

Четвертая международная дистанционная

научно-практическая конференция

Новые технологии в медицине - 2007

 

О.С.Антонов1, А.О.Антонов2, Е.В.Ленько1, К.П.Гилев4, А.В.Гутов1, Д.А.Лутанин1, Н.Т.Пак1, В.П.Третьяков3

АВТОМАТИЗАЦИЯ ДИАГНОСТИКИ ЗАБОЛЕВАНИЙ СЕРДЕЧНО-СОСУДИСТОЙ СИСТЕМЫ НА БАЗЕ ДАННЫХ ЦИФРОВЫХ ДИАГНОСТИЧЕСКИХ ИЗОБРАЖЕНИЙ ОРГАНОВ ГРУДНОЙ КЛЕТКИ: ВОЗМОЖНОСТИ И ПЕРСПЕКТИВЫ

1ФГУ «ННИИ патологии кровообращения им. акад. Е. Н. Мешалкина Росздрава»
2Фонд «Медсанчасть 168»; 3НИИ автоматики и электрометрии СО РАН3;  
4Институт математики им. С.Л. Соболева СО РАН4.
Новосибирск, Россия
 

Как нами было отмечено в предыдущей публикации [1] цифровые рентгеновские диагностические изображения (ЦРДИ) и программы их обработки должно повысить диагностическую эффективность рентгеновского метода в диагностике патологических состояний. Анализ данных, получаемых в ходе цифровой рентгенографии, (сопоставление информации, получаемой в реальном времени, с диагностическими паттернами, составленными на основе многочисленных предыдущих наблюдений) позволит проводить предварительную диагностику в минимально короткие временные сроки и без участия «человеческого фактора» (результаты станут более объективными, в рамках «доказательной медицины»). Это особенно важно для динамического наблюдения за состоянием пациентов, получающих консервативную терапию, либо прошедших через оперативное лечение. Все вышесказанное не означает полную замену врача-рентгенолога компьютерной программой диагностики – она лишь должна помочь ему облегчить его труд, а в каких-то случаях давать окончательное решение для постановки диагноза. «Компьютерный диагноз» это второе мнение, нужное как для подтверждения умозаключений диагноста, так и для выявления ошибочных суждений. Цифровые технологии получения рентгеновского изображения лишь расширили возможности рентгенодиагностики, являя собой ее новый инструмент. Достижение же конечной цели - определение патологий и их происхождение – по-прежнему полностью возложено на врача-рентгенолога и всецело зависит от его квалификации. Попытки создания алгоритмов, которые бы позволили автоматизировать эту работу с помощью компьютера, пока еще не привели к желаемому результату. Есть мнение, что многовариантность скиалогического отображения нормы и патологии, непредсказуемость их проекционных сочетаний на рентгенограммах, пока не позволяют надеяться на существенный прогресс в решении этой проблемы[6]. Однако мы хотим с этим не согласиться.

За прошедшее время нами отработаны на практике и нашли клиническое применение два подхода автоматизированной диагностики по цифровым рентгенограммам, созданные на основе компьютерных программ интеллектуального анализа данных (статистический пакет STATISTIKA 6.0 и система алгоритмов ограниченного перебора WizWhy). Первый применен к пациентам с врожденными пороками сердца (ВПС) - численные значения оптической плотности участков легочных полей на цифровых рентгенограммах с характеристиками «гиперволемия малого круга кровообращения» (ГВ) и «гипертензия малого круга кровообращения» (ГТ) позволяют судить о качествах измененного легочного рисунка при некоторых ВПС, при этом с помощью программы и компьютера можно проводить их предварительную диагностику и отслеживать динамику изменения легочного рисунка после операции. Чувствительность и специфичность определения качества легочного рисунка при ВПС составляет - для ГВ 89% и 75%, для ГТ 100% и 77% соответственно [2], [5]. Второй подход используется у больных с приобретенными клапанными пороками сердца (ПКПС) – соотношения участков площадей сердечно-сосудистой тени к соответствующим участкам легочных полей моделируют наиболее распространенные сочетанные и комбинированные приобретенные клапанные пороки сердца. Компьютерная программная обработка ЦРДИ позволяет выделить больных с ПКПС из всего потока проходящих обследование людей, в том числе и при профилактических осмотрах. Если же больной с ПКПС был прооперирован, то возможно оценить эффект проведенной операции. Чувствительность и специфичность диагностики ПКПС составляют не ниже 60% и не ниже 80% соответственно [2], [3]. Подводя итоги проделанной работы, мы пришли к выводу, что для перехода на цифровые технологии получения рентгенодиагностических изображений и полного использования всей информации, заключенной в них, необходимо разрабатывать и совершенствовать базу данных медицинского, социального и статистического сопровождения ЦРДИ. Эта база должна стать источником информации для программ интеллектуального анализа данных (Data Mining). Современные технологии Data Mining (discovery-driven data mining) перелопачивают информацию с целью автоматического поиска шаблонов (паттернов), характерных для каких-либо фрагментов неоднородных многомерных данных. В отличие от оперативной аналитической обработки данных (online analytical processing, OLAP) в Data Mining бремя формулировки гипотез и выявления необычных (unexpected) шаблонов переложено с человека на компьютер. Известно много экспертных систем для постановки медицинских диагнозов, построенных на основе правил, описывающих сочетания различных симптомов разных заболеваний. Технологии Data Mining позволяют обнаруживать в медицинских данных шаблоны, составляющих основу указанных правил [4]. Несмотря на обилие методов Data Mining, приоритет постепенно все более смещается в сторону логических алгоритмов поиска в данных if-then правил [8]. С их помощью решаются задачи прогнозирования, классификации, извлечения из данных «скрытых» знаний, интерпретации данных, установления ассоциаций а базе данных и др., при этом результаты таких алгоритмов эффективны и легко интерпретируются. Наиболее ярким современным представителем этого подхода является система WizWhy предприятия WizSoft. На сегодняшний день она является одним из лидеров на рынке продуктов Data Mining. И это не лишено оснований, так как система WizWhy постоянно демонстрирует более высокие показатели при решении практических задач, чем все остальные алгоритмы [4].

В данное время наши усилия сосредоточены на создании базы данных сопровождения ЦРДИ. Она представляет собой таблицу, в одну часть которой для каждого пациента включены паспортные данные и диагноз, подтвержденный хирургическими находками при оперативных вмешательствах при данной патологии, количественные показатели, отражающие оптическую плотность «зон интереса» (выделяемых на ЦРДИ участках изображения) в легких, размеры теневой картины сердца и крупных сосудов в определенных «зонах интереса», а в другую часть входят данные, «золотые стандарты», полученные для того же больного другими методами – ультразвуковое исследование сердца и сосудов, томография, сцинтиграфия и др. При этом, последние, как и диагноз, выполняют роль «обучающих» переменных для построения паттернов.

Наполнение той части базы данных, которые представляют собой результаты измерений на ЦРДИ, по нашему мнению, может выполняться двумя путями. Первый из них - более оптимальный – подразумевает полное автоматическое оконтуривание легких и средостения на ЦРДИ органов грудной клетки с автоматическим нанесением – 1) на легочные поля универсальных «зон интереса», в которых будут учитывать оптическая плотность и дискретность - 2) на срединную тень нанесение универсальных участков с измерением их размеров (площадей) - и последующего автоматического перенесения цифровых значений всех зон интереса в таблицу сопровождения ЦРДИ. Второй путь предполагает оконтуривание легких и средостения вручную. Эта операция в силу своей простоты может быть поручена рентген-лаборанту - в этом случае оконтуривание легких и средостения осуществляться посредством выставления точек-реперов в «трудных» местах контуров (верхушка легкого, грудинно-ключичное сочленение, тень сердца за корнем легкого) с последующим нанесением на ЦРДИ универсальных «зон интереса» и дальнейшим автоматическим переносом данных в таблицу (полуавтоматический способ)

Ввиду сложности проведения в настоящее время автоматизации оконтуривания (соответствующее программное обеспечение находится на стадии создания) мы провели пилотное исследование при помощи полуавтоматического способа. Своей задачей мы поставили выявление соответствия между формой и размерами сердечно-сосудистой тени на ЦРДИ и данными ультразвукового исследования – фракцией выброса левого желудочка и его конечно-диастолического размера. Были обработаны измерения в 200 клинических наблюдениях, и результаты показали возможность с высокой точностью определять ультразвуковые характеристики левого желудочка методом цифровой рентгенографии. При этом мы пришли к выводу, что более целесообразно выявлять связь между тенью средостения и конечно-диастолическим размером левого желудочка, чем с фракцией выброса, в отличии от Ronan F. J. Browne с соавт. [7]. Это связано с тем, что конечно-диастолический размер левого желудочка измеряется непосредственно, а фракция выброса величина относительная.

Несмотря на трудности, с которыми нам пришлось столкнуться, наполнение базы данных ЦРДИ происходит хотя и не так быстро, как нам бы хотелось, но постоянно и непрерывно. Одной из проблем здесь является малое количество наблюдений варианта «норма», особенно у детей разных возрастных групп. Если взрослые, которые не страдают заболеваниями системы кровообращения, могут наблюдаться нами в рамках ежегодного профилактического осмотра среди сотрудников клиники, то детей без патологии сердечно-сосудистой системы мы практически не встречаем. Мы нуждаемся в получении дополнительных ЦРДИ органов грудной клетки людей разного возраста и пола и готовы к сотрудничеству с заинтересованными в этом исследователями в плане обмена такой информацией.

Литература.

1. Антонов О.С., Антонов А.О., Ленько Е.В., Гутов А.В., Пак Н.Т., Третьяков В.П. Опыт практического применения базы данных цифровых диагностических изображений: решения и возможности», материалы Второй международной дистантной научно-практической конференции "Новые технологии в медицине", г. Санкт-Петербург, 2005, с.91.

2. Антонов О.С., Караськов А.М., Ленько Е.В., Гутов А.В., Пак Н.Т. Дифференциальная диагностика вариантов кровенаполнения легочного артериального русла и клапанных пороков сердца с использованием «Data mining» цифровой рентгенографии», Патология кровообращения и кардиохирургия, №1, 2004г.С.65-71.

3. Гутов А.В., Автоматизированная оценка результатов хирургического лечения приобретенных клапанных пороков сердца по цифровым рентгенограммам, диссертация на соискание ученой степени кандидата медицинских наук, г.Новосибирск, 2005г.

4. Дюк В., Самойленко А., Data Mining: учебный курс, СПб: Питер, 2001г.

5. Пак Н.Т., Оценка результатов операции при врожденных пороках сердца путем цифровой идентификации варианта переполнения русла легочной артерии, диссертация на соискание ученой степени кандидата медицинских наук, г.Новосибирск, 2005г.

6. Тарасов А.И., Владыкин С.М. Биэнергетическая цифровая рентгенография, сайт практического рентгенолога – zhuravlev.info, 11 октября 2005г.

7. Ronan F. J. Browne, Geraldine O’Reilly and David McInerney, Extraction of the Two-Dimensional Cardiothoracic Ratio from Digital PA Chest Radiographs: Correlation with Cardiac Function and the Traditional Cardiothoracic Ratio, Journal of Digital Imaging, V. 17, N.2, June 2004, p. 120 – 123.

8. Boris Kovalerchuk, Evgenii Vityaev, James F. Ruiz, Consistent Knowledge Discovery in Medical Diagnosis, IEEE Engineering in Medicine and Biology, July/August 2000, p.1-11.

 

 

 

 

сердечно-сосудистая хирургия, позвоночник, вены, артерии, сосуды, кровеносные сосуды, терапия, лечение заболевания, болезни, хирургия, конференции, наука, диссертации
Домой
Ассоциация
Конференции
Публикации
Спонсорам
 
Rambler's Top100