Maj automatique Ligne médiane et estimation de la pression intracrânienne basée sur des images CT du cerveau
Summary
Une estimation médiane automatisé changement et de la pression intracrânienne (PIC) de présélection système basé sur la tomodensitométrie (TDM) images pour les patients présentant une lésion cérébrale traumatique (TBI) est proposé d'utiliser le traitement d'images et de techniques d'apprentissage automatique.
Abstract
Dans cet article, nous présentons un système automatisé basé principalement sur les tomodensitométrie (CT) images constituées de deux composants principaux: le changement d'estimation médiane et de la pression intracrânienne (PIC) de présélection système. Pour estimer le décalage ligne médiane, une première estimation de la ligne médiane idéale est effectuée en fonction de la symétrie du crâne et des caractéristiques anatomiques dans le cerveau CT scan. Ensuite, la segmentation des ventricules du scanner est effectuée et utilisée comme guide pour l'identification de la ligne médiane réelle par correspondance de forme. Ces processus imiter le processus de mesure par les médecins et ont montré des résultats prometteurs dans l'évaluation. Dans le second volet, plus de fonctionnalités sont extraits liés à l'ICP, telles que l'information de texture, la quantité de sang à partir de la tomodensitométrie et d'autres éléments enregistrés, tels que l'âge, le degré de gravité pour estimer l'ICP sont également intégrés. Techniques d'apprentissage automatique, y compris la sélection des fonctionnalités et de la classification, comme le soutienVector Machines (SVM), sont utilisées pour construire le modèle de prédiction en utilisant RapidMiner. L'évaluation de la prédiction montre l'utilité potentielle du modèle. Le changement de la ligne médiane estimée idéal et les niveaux prévus ICP peut être utilisé comme un moyen rapide de présélection étape pour les médecins à prendre des décisions, de façon à recommander pour ou contre ICP surveillance invasive.
Introduction
Chaque année, il ya environ 1,4 million de traumatismes cranio-cérébraux (TCC) liées à l'urgence des cas aux États-Unis, dont, plus de 50.000 entraîner la mort 1. TCC sévère est généralement accompagnée par une augmentation de la pression intracrânienne (PIC) avec des symptômes tels que des hématomes et un gonflement des tissus cérébraux. Cela entraîne la pression de perfusion cérébrale réduite et le débit sanguin cérébral, placer dans le cerveau lésé risque supplémentaire. Sévère augmentation ICP peut être fatale, si la surveillance ICP pour les patients victimes d'un TCC est cruciale. Cela nécessite généralement le placement de cathéters directement dans le cerveau pour la surveillance de la pression, une procédure risquée pour les patients qui ne peuvent être réalisées à des centres médicaux spécialisés. La procédure implique également des risques comme l'infection. Toutefois, certains signes d'élévation ICP peut être visible en imagerie médicale. En particulier, le décalage médiane est souvent associée à une augmentation de la PIC et peut être capté depuis le cerveau t calculéeomography (CT) des images. En tant que tel, ces images fournissent une opportunité pour la détection non invasive de l'élévation du PCI qui peut être utilisé comme une étape de pré-sélection avant la trépanation crânienne. TDM est encore l'étalon-or pour l'évaluation initiale TBI parmi tous les autres modalités d'imagerie IRM, par exemple, en raison de sa grande vitesse et le coût relativement faible 2. En outre, un examen tomodensitométrique ne nécessite pas l'immobilité du patient stricte, et a l'avantage de révéler des anomalies sévères telles que les fractures osseuses et des hématomes. Tandis que CT est couramment utilisé pour la détection de lésions dans le cerveau, basé sur la technologie actuelle, décalage ligne médiane n'est pas automatiquement mesurée et donc les médecins doivent évaluer ce facteur important par inspection visuelle. Inexact ou contradictoire par interprétation CT est souvent associée à la nature du système visuel humain et la structure complexe du cerveau. Alors que les petites variations médianes sont insaisissables, ils sont souvent précieux pour l'évaluation des lésions cérébrales, en particulaire à des stades précoces de la blessure avant l'état du patient s'aggrave. De l'autre côté du spectre, changement de ligne médiane grande suggère fortement élevée ICP et plus sévère TBI. Toutefois, il s'agit d'une tâche très difficile pour l'homme d'inspecter visuellement les images CT et de prédire le niveau de l'ICP quantitativement. Grâce aux progrès des techniques automatisées de calcul, les caractéristiques extraites des images CT, telles que le levier ligne médiane, le volume de l'hématome et la texture des images CT du cerveau, peut être mesurée avec précision et automatiquement à l'aide des méthodes avancées de traitement d'image. Cependant, la relation entre le PCI et le décalage ligne médiane ainsi que d'autres fonctionnalités telles que le degré de saignement, la texture de CT images n'a pas été explorée. Dans cet article, un cadre de calcul a été proposée pour mesurer la mesure du décalage de la ligne médiane ainsi que d'autres caractéristiques physiologiques / anatomiques sur les images CT du cerveau, puis de prédire le degré d'ICP non-intrusive à l'aide techniques d'apprentissage automatique.
Protocol
Representative Results
Discussion
Dans cette étude, un cadre flexible et intuitive est proposée pour résoudre deux problèmes difficiles: l'estimation du décalage de la ligne médiane en images CT et la prédiction niveau ICP repose sur des caractéristiques extraites. Les résultats de l'évaluation montrent l'efficacité de la méthode proposée. Pour autant que nous savons, c'est la première fois d'une étude systématique pour résoudre ces deux problèmes. Nous remarquons que sur la base du cadre général, il ya beaucoup d…
Disclosures
The authors have nothing to disclose.
Acknowledgements
Le matériel est basé sur le travail partiellement financé par la National Science Foundation par la concession numéro IIS0758410. Les données ont été fournies par les Carolines Healthcare System.
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).
