स्वचालित midline शिफ्ट और मस्तिष्क सीटी छवियों पर आधारित intracranial दबाव आकलन
Summary
एक स्वचालित midline बदलाव आकलन और intracranial (आईसीपी) के दबाव घाव मस्तिष्क चोट (TBI) के साथ रोगियों के लिए गणना टोमोग्राफी (सीटी) छवियों के आधार पर पूर्व स्क्रीनिंग प्रणाली छवि प्रसंस्करण और मशीन तकनीक सीखने का उपयोग का प्रस्ताव है.
Abstract
Midline बदलाव आकलन और intracranial दबाव (आईसीपी) पूर्व स्क्रीनिंग प्रणाली: हम इस पत्र में एक स्वचालित गणना टोमोग्राफी (सीटी) दो मुख्य घटकों से मिलकर छवियों पर मुख्य रूप से आधारित प्रणाली मौजूद है. के midline बदलाव का अनुमान है, पहले आदर्श midline के एक आकलन खोपड़ी और मस्तिष्क सीटी स्कैन में शारीरिक विशेषताओं की समरूपता के आधार पर किया जाता है. फिर, सीटी स्कैन से ventricles के विभाजन की है और आकार मिलान के माध्यम से वास्तविक midline की पहचान के लिए एक गाइड के रूप में इस्तेमाल किया. इन प्रक्रियाओं को चिकित्सकों द्वारा मापने की प्रक्रिया की नकल और मूल्यांकन में आशाजनक परिणाम दिखाया है. दूसरे घटक में, और अधिक सुविधाओं आईसीपी से संबंधित निकाले जाते हैं, बनावट, सीटी स्कैन और उम्र, चोट की गंभीरता आईसीपी का अनुमान लगाने के स्कोर के रूप में अन्य सुविधाओं, से रक्त राशि जानकारी के रूप में भी शामिल कर रहे हैं. मशीन सुविधा चयन और वर्गीकरण सहित सीखने के समर्थन के रूप में, तकनीकवेक्टर (SVMs) मशीनें, भविष्यवाणी RapidMiner का उपयोग करते हुए मॉडल का निर्माण करने के लिए कार्यरत हैं. भविष्यवाणी के मूल्यांकन मॉडल की संभावित उपयोगिता से पता चलता है. अनुमान के अनुसार आदर्श midline पारी और आईसीपी के स्तर की भविष्यवाणी को निर्णय लेने के लिए चिकित्सकों के लिए एक तेजी से कदम पूर्व स्क्रीनिंग के रूप में इस्तेमाल किया जा सकता है, के लिए या आक्रामक आईसीपी निगरानी के खिलाफ इतनी के रूप में सिफारिश करने के लिए.
Introduction
हर साल 1.4 लाख के बारे में घाव मस्तिष्क (TBI) के संयुक्त राज्य अमेरिका में चोटों से संबंधित आपातकालीन विभाग के मामलों में हैं, जिनमें से, 1 मौत में 50,000 परिणाम पर. गंभीर TBI आमतौर पर hematomas और सूजन मस्तिष्क के ऊतकों के रूप में इस तरह के लक्षण के साथ intracranial दबाव (आईसीपी) में वृद्धि के साथ है. प्रमस्तिष्क छिड़काव कम दबाव और मस्तिष्क में रक्त प्रवाह, अतिरिक्त जोखिम में घायल मस्तिष्क रखने में ये परिणाम है. गंभीर आईसीपी वृद्धि घातक हो सकता है तो आईसीपी निगरानी TBI के साथ रोगियों के लिए महत्वपूर्ण है. यह आम तौर पर सीधे दबाव की निगरानी, रोगियों है कि केवल विशेष चिकित्सा केंद्रों पर प्रदर्शन किया जा सकता है के लिए एक जोखिम भरा प्रक्रिया के लिए मस्तिष्क में कैथेटर निबाह के स्थान की आवश्यकता है. प्रक्रिया भी संक्रमण के रूप में जोखिम शामिल है. हालांकि, ऊंचा आईसीपी के कुछ संकेत मेडिकल इमेजिंग में नमूदार हो सकता है. विशेष रूप से, midline बदलाव अक्सर आईसीपी में वृद्धि के साथ जुड़ा हुआ है और मस्तिष्क गणना टी से कब्जा किया जा सकता हैomography छवियों (सीटी). जैसे, इन छवियों को ऊंचा आईसीपी का पता लगाने के गैर इनवेसिव जो कपाल उक्त बरमे व्दारा छेदने का कार्य पूर्व स्क्रीनिंग से पहले एक कदम के रूप में इस्तेमाल किया जा सकता है के लिए एक अवसर प्रदान करते हैं. सीटी इमेजिंग अभी भी अन्य सभी इमेजिंग रूपात्मकता, जैसे एमआरआई के बीच प्रारंभिक TBI मूल्यांकन के लिए स्वर्ण मानक है, की वजह से, अपनी उच्च गति और सापेक्ष कम लागत 2. इसके अलावा, एक सीटी परीक्षा सख्त रोगी गतिहीनता की आवश्यकता नहीं है, करता है और अस्थि भंग और hematomas के रूप में गंभीर असामान्यताओं का खुलासा करने में फायदा है. जबकि सीटी आमतौर पर, मौजूदा प्रौद्योगिकी के आधार पर मस्तिष्क में चोट का पता लगाने के लिए प्रयोग किया जाता है, midline बदलाव स्वतः और नहीं मापा जाता है इसलिए चिकित्सकों दृश्य निरीक्षण से इस महत्वपूर्ण कारक का आकलन करना चाहिए. गलत या असंगत सीटी व्याख्या अक्सर मानव दृश्य प्रणाली की प्रकृति और मस्तिष्क की जटिल संरचना के साथ जुड़ा हुआ है. जबकि छोटे midline बदलाव मायावी हैं, वे अक्सर मस्तिष्क की चोट के आकलन के लिए अमूल्य पी में,एक मरीज की हालत से पहले चोट के प्रारंभिक दौर में जोड़दार और अधिक गंभीर हो जाती है. स्पेक्ट्रम के दूसरे पक्ष पर, बड़े midline बदलाव अत्यधिक ऊंचा आईसीपी और अधिक गंभीर TBI पता चलता है. हालांकि, यह मनुष्य के लिए एक बहुत ही चुनौतीपूर्ण कार्य करने के लिए नेत्रहीन सीटी छवियों का निरीक्षण किया और आईसीपी के स्तर मात्रात्मक की भविष्यवाणी है. स्वचालित कम्प्यूटेशनल तकनीकों में प्रगति के कारण, midline पाली, रक्तगुल्म मात्रा, मस्तिष्क सीटी छवियों और बनावट के रूप में सीटी छवियों, से निकाले सुविधाओं सही मापा जा सकता है और स्वचालित रूप से उन्नत छवि प्रसंस्करण विधियों का उपयोग कर. हालांकि, आईसीपी और midline के रूप में के रूप में अच्छी तरह से बदलाव रक्तस्राव की डिग्री के रूप में अन्य सुविधाओं के बीच संबंध, सीटी छवियों से बनावट का पता लगाया गया नहीं किया गया है. इस पत्र में, एक कम्प्यूटेशनल ढांचे midline बदलाव के रूप में के रूप में अच्छी तरह से माप मस्तिष्क सीटी छवियों पर अन्य शारीरिक / शारीरिक विशेषताओं को मापने के लिए और फिर आईसीपी गैर intrusively मशीन का उपयोग तकनीक सीखने की डिग्री की भविष्यवाणी करने के लिए प्रस्तावित किया गया है.
Protocol
Representative Results
Discussion
सीटी छवियों और आईसीपी स्तर निकाले सुविधाओं पर आधारित भविष्यवाणी में midline बदलाव का आकलन: इस अध्ययन में, एक सहज और लचीला ढांचे के लिए दो चुनौतीपूर्ण समस्याओं का समाधान करने का प्रस्ताव है. मूल्यांकन परिणा…
Disclosures
The authors have nothing to disclose.
Acknowledgements
सामग्री काम आंशिक रूप से अनुदान सं IIS0758410 के तहत राष्ट्रीय विज्ञान फाउंडेशन द्वारा समर्थित पर आधारित है. डेटा Carolinas हेल्थकेयर सिस्टम के द्वारा आपूर्ति की गई थी.
References
- Langlois, J. A., Rutland-Brown, W., Thomas, K. E. . Traumatic brain injury in the united states: emergency department visits, hospitalizations, and deaths. , (2006).
- Moore, E. E., Feliciano, D. V., Mattox, K. L. . Trauma. , (2003).
- Chen, W., Smith, R., Ji, S. Y., Ward, K. R., Najarian, K. Automated Ventricular Systems Segmentation in Brain CT Images by Combining Low-level Segmentation and High-level Template Matching. BMC Medical Informatics and Decision Making. 9, (2009).
- Chen, W., Najarian, K. Segmentation of Ventricles in Brain CT Images Using Gaussian Mixture Model Method. , 15-20 (2009).
- Chen, W., Ward, K. R., Najarian, K. Actual Midline Estimation from Brain CT Scan Using Multiple Regions Shape Matching. , 2552-2555 (2010).
- Chen, W., Cockrell, C., Ward, K. R., Najarian, K. Intracranial Pressure Level Prediction in Traumatic Brain Injury by Extracting Features from Multiple Sources and Using Machine Learning Methods. , 510-515 (2010).
- Greenspan, H., Ruf, A., Goldberger, J. Constrained Gaussian mixture model framework for automatic segmentation of MR brain images. IEEE Trans. Med. Imaging. 25 (9), 1233-1245 (2006).
- Belongie, S., Malik, J., Puzicha, J. Shape matching and object recognition using shape contexts. IEEE Trans. Pattern Anal. Mach. Intell. 24, 509-522 (2002).
- Weszaka, J. S., Dyer, C. R., Rosenfeld, A. A comparative study of texture measures for terrain classification. IEEE Trans. on Syst., Man, Cyber. , (1976).
- Kingsbury, N. Complex wavelets for shift invariant analysis and filtering of signals. Applied and Computational Harmonic Analysis. 10 (3), 234-253 (2002).
- Mierswa, I., Wurst, M., Klinkenberg, R., Scholz, M., Euler, T. Yale: Rapid prototyping for complex data mining tasks. , 935-940 (2006).
