Медицина /16 лучевая диагностика

Степанов В.А.

Ижевский государственный университет имени М. К. Калашникова, Россия

Д.т.н., профессор, Мурынов А.И.

Ижевский государственный университет имени М. К. Калашникова, Россия

К.ф.-м.н., доцент, Суфиянов В.Г.

Ижевский государственный университет имени М. К. Калашникова, Россия

Д.м.н., профессор, Мальчиков А.Я.

Ижевская медицинская академия, Россия

К.м.н., доцент, Сопранов Б.Н.

Ижевская медицинская академия, Россия

К.т.н, доцент Белых В.В.

Ижевский государственный университет имени М. К. Калашникова, Россия

Результаты диагностики заболеваний легких на основе деревьев решений и мультифрактального анализа цифровых флюорограмм

На основе мультифрактального метода разработана диагностическая программа обработки растровых изображений цифровых флюорограмм лёгкого для постановки предварительного диагноза заболеваний. Проверка достоверность метода на контрольной группе показала высокую эффективность.

Актуальность.

Диагностирование заболеваний с использованием рентгеновского детектора и пленочных технологий хранения информации имеют ряд недостатков: существуют сложности с поиском, извлечением и передачей информации на расстояние, кроме того при длительном хранении происходит старение пленки, что приводит к потере информации. Эти недостатки можно преодолеть, используя аппараты с цифровым способом регистрации, однако некоторые современные цифровые флюорографы не обеспечивают требуемых характеристик визуальной диагностики заболеваний. Наши исследования показали, что цифровой способ регистрации рентгеновских изображений имеет существенно меньшую контрастную чувствительность, уступает плёнке по разрешающей способности, и по динамическому диапазону [1], что сказывается на качестве диагностирования. В связи с этим появляется необходимость в создании программных средств, способных помочь врачу рентгенологу автоматизировать процесс диагностики.

Методика эксперимента и обсуждение результатов.

Оптическая плотность и контрастность рентгеновского изображения объекта на ПЗС матрице определяется сложным взаимодействием рентгеновского излучения с объектом и кристаллами ПЗС матрицы цифрового флюорографа, создаёт изображение, напоминающее хаотический набор пятен. На наличие фрактальных составляющих, обусловленных строением бронхов и альвеол, указывал основоположник фрактального анализа Б. Мандельброт [2]. Данный факт послужил основой для создания алгоритма выявления особенностей структуры растровых изображений на микро- и макроуровнях с использованием мультифрактального анализа [3, 4].

При разработке алгоритма диагностики предполагалось, что при возникновении заболевания изменяется характер хаотичности рентгенопрозрачности паренхимы легкого. Для выявления характера хаотичности флюорограмм вычислялись коэффициенты скрытой упорядочности D_-40 – D₊₄₀ [4]. На флюорограмме выделяются области с определённой оптической плотностью, которые в дальнейшем будем называть слоями. Суть разработанного метода состоит в получении фрактального «портрета» (рис. 1) каждого слоя по кривым изменения скрытой упорядоченности в зависимости от размера анализируемых ячеек и линейной аппроксимации этой зависимости (рис. 2). Дальнейший анализ проводился по коэффициентам линейной регрессии. Диагностические правила в виде деревьев решений были получены в программе Weka [5].

(а) (б)

Рис. 1. Флюорограмма (а) и фрактальный «портрет» (б) на слое

Рис. 2. График скрытой упорядоченности на слое

Внешний вид программы обработки цифровых флюорограмм представлен на рис. 3.

Рис. 3. Интерфейс программы обработки цифровых флюорограмм

На рис. 3 представлены области интерфейса программы:

1) рассматриваемая флюорограмма с выделенной областью анализа;

2) динамика скрытой упорядочности;

3) ручная установка начала и окончания анализа и области слоя;

4) информация о превалировании размера кластера в анализируемой области;

5) динамика информационной и размерность Хаусдорфа-Безиковича;

6) диагноз;

7) текущие величины размерностей;

8) область управления;

9) спектр фрактальных размерностей

10) установка размера эталона для вычисления результатов в области 4.

Разработка диагностических правил проводилось по 18 наблюдениям с известными диагнозами и заключениями врача-рентгенолога по следующим состояниям: возрастные изменения, шаровая пневмония, поликистоз, периферический рак, лимфосаркома, туберкулема, подозрение на туберкулез, стафилококковая пневмония, сердечнососудистые изменения, эхинококк, цирроз легкого, милиарный туберкулез, сердечнососудистые изменения, «тяжистость» корней легкого, плеврит, хронический бронхит, патологии не обнаружено, диагноз не установлен. В программе предусмотрена возможность отказа от диагностики, если на флюорограмме имеется патология, не идентифицируемая программой, и необходимо обратить на неё внимание и провести дополнительное обучение или уточнить диагноз. Апробация программы была проведена на 199 флюорограммах. В табл. 1 приведены результаты сравнения диагностики заболеваний легких на основе разработанного алгоритма и заключений врача.

Таблица 1. Распределение совпадений основных выявленных диагнозов на основе разработанного алгоритма с заключениями врача-рентгенолога среди мужчин и женщин

№	Заключения	Выявлено случаев	Совпадения %
			м	ж
1	Патологии не обнаружено	74	91,9	97,9
2	Возрастные изменения	48	72,7	88,5
3	Поликистоз	3	50,0	–
4	Туберкулеp очаговый	7	66,7	50,0
5	Стрептококковая пневмония	3	–	33,3
6	Милиарный туберкулез	7	–	66,7
7	Тяжистость корней легкого	8	66,7	100,0
8	Плеврит	4	100,0	100,0
9	Хронический бронхит	7	–	66,7

Высокая точность при заключениях «патологии не обнаружено», «возрастные изменения», «тяжистость корней легкого» и плеврит говорит о чувствительности метода. Ряд диагнозов поликистоз у мужчин, туберкулема у женщин, стафилококковая пневмония у женщин совпадает с заключением эксперта в менее чем в 66.

При проведении скрининг обследований важно выделить категорию здоровых пациентов, для того, чтобы оставшийся контингент подвергнуть углубленному обследованию с точного клинического диагноза. Предлагаемый метод позволяет выделить пациентов в группы «здоровых» с диагнозом «патологии не обнаружено» и с наличием определенных отклонений в состоянии здоровья.

Выводы.

Таким образом, мультифрактальный метод позволил построить эффективный алгоритм диагностики заболеваний легких. Это позволяет утверждать, что наличие заболеваний ведет к изменениям, которые оказывают влияние на характер хаотичности рентгенопрозрачности паренхимы легкого.

Разработанный алгоритм на основе деревьев решений и фрактальных размерностей был реализован в виде программного комплекса диагностики заболеваний легких. Результаты диагностики на контрольной группе показали, что для ряда заболеваний точность оказалась достаточно высокой. С другой стороны, недостаточная эффективность выявления отдельных патологий, не позволяет на данный момент автоматизировать процесс сортировки и диагностики рентгенограмм. В связи с этим необходимо провести исследования, направленные на повышении точности алгоритма.

Список литературы

1. Иванников В.П., Степанов В.А., Стрелков Н.С. Диагностические возможности и качество пленочной и цифровой рентгенографии // Медицинская физика, 2006, № 1. – С. 41-49.

2. Мандельброт Б. Фрактальная геометрия природы. – М.: Институт компьютерных исследований, 2002. – 656 с.

3. Иванников В.П., Степанов В.А., Кочурова Е.В. Современные средства и возможности рентгенодиагностики (Проблемы нормализации рентгеновских снимков) // Приборостроение в XXI веке. Интеграция науки, образования и производства. – Ижевск: Изд-во ИжГТУ, 2007. – С. 144-157.

4. Иванников В.П., Степанов В.А., Белых В.В., Суфиянов В.Г. Фрактальный анализ рентгенограмм // Вестник ИжГТУ, 2009, №3. – С. 150-154.

5. Bouckaret R.R., Frank E., Hall M., Kirkby R., Reutemann P., Seewald A., Scuse D. Weka Manual for version 3.7.6. – University of Waikato, New Zealand. – http://prdownloads.sourceforge.net/weka/WekaManual-3-7-6.pdf