Automatisierte Midline Shift und intrakranieller Druck Schätzung basierend auf Gehirn CT Images
Summary
Eine automatisierte Mittellinienverlagerung Schätzung und intrakraniellen Drucks (ICP) Pre-Screening-System auf der Computertomographie (CT) für Patienten mit Schädel-Hirn-Trauma (SHT) basiert schlug mit Bildverarbeitung und Techniken des maschinellen Lernens.
Abstract
In diesem Papier stellen wir ein automatisiertes System vor allem auf die Computertomographie (CT), bestehend aus zwei Hauptkomponenten: der Mittellinie Verschiebung Schätzung und intrakraniellen Drucks (ICP) Pre-Screening-System. Um die Mittellinienverlagerung Abschätzung ersten eine Schätzung des idealen Mittellinie bezogen auf die Symmetrie des Schädels und anatomische Merkmale im Gehirn CT-Scan durchgeführt. Dann wird die Segmentierung der Ventrikel von dem CT-Scan durchgeführt und als Führung für die Feststellung des tatsächlich Mittellinie durch Formschluss. Diese Prozesse imitieren den Messvorgang von Ärzten und haben gezeigt, viel versprechende Ergebnisse bei der Auswertung. In der zweiten Komponente sind mehrere Eigenschaften im Zusammenhang mit ICP extrahiert, wie die Textur-Information, Blut Menge von CT-Scans und anderen aufgezeichneten Merkmale, wie Alter, Schwere der Verletzungen des Gastes, um den ICP abzuschätzen sind ebenfalls einbezogen. Techniken des maschinellen Lernens, einschließlich Funktion und Klassifikation, wie SupportVector Machines (SVM), eingesetzt werden, um die Vorhersage-Modell mit RapidMiner zu bauen. Die Auswertung der Vorhersage weist potenzielle Nützlichkeit des Modells. Die geschätzte ideale Mittellinienverlagerung und vorhergesagten ICP-Spiegel können als schneller Vorabsiebung Schritt für Ärzte, Entscheidungen zu treffen verwendet werden, um so für oder gegen eine invasive Hirndruckmessung empfehlen.
Introduction
Jedes Jahr gibt es etwa 1,4 Millionen traumatische Hirnverletzungen (TBI) related Notaufnahme Fälle in den Vereinigten Staaten, von denen über 50.000 zum Tod führen 1. Schwerem SHT wird üblicherweise durch eine Erhöhung des intrakranialen Drucks (ICP) mit Symptomen wie Hämatome und Schwellung Hirngewebe einhergehen. Diese führen zu einer verminderten zerebralen Perfusionsdruck und zerebraler Blutfluss, indem den verletzten Gehirn zusätzliches Risiko. Schwere ICP Anstieg tödlich sein kann, so die Überwachung ICP für Patienten mit TBI ist entscheidend. Dies erfordert typischerweise Platzierung Verweilkathetern direkt in das Gehirn zum Überwachen des Drucks, ein riskantes Verfahren für Patienten, die nur in spezialisierten Kliniken durchgeführt werden kann. Das Verfahren beinhaltet auch Risiken wie Infektionen. Jedoch können einige Anzeichen erhöhter ICP werden in der medizinischen Bildgebung bemerkbar. Insbesondere wird Mittellinienverlagerung oft mit einer Erhöhung der ICP verbunden und können aus dem Gehirn berechneten t erfasst werdenomography (CT) Bilder. Als solche bieten diese Bilder eine Gelegenheit für nicht-invasive Detektion von erhöhtem ICP die als Pre-Screening Schritt vor kranialen Trepanation verwendet werden kann. CT-Bildgebung ist noch der Goldstandard zur anfänglichen TBI Beurteilung unter allen anderen bildgebenden Verfahren, zB MRI, aufgrund seiner hohen Geschwindigkeit und relativ geringen Kosten 2. Darüber hinaus bedeutet ein CT-Untersuchung nicht erforderlich strengen Patienten Immobilität, und hat den Vorteil bei der Aufdeckung schwerer Anomalien wie Knochenbrüche und Blutergüsse. Während CT wird allgemein für den Nachweis von Verletzungen des Gehirns, von der aktuellen Technologie verwendet wird Mittellinienverlagerung nicht automatisch gemessen und daher muss der Arzt diese wichtige Faktor durch Sichtprüfung beurteilen. Unrichtig oder widersprüchlich CT Interpretation wird oft mit der Natur des menschlichen visuellen Systems und der komplexen Struktur des Gehirns verbunden. Während kleine Verschiebungen Mittellinie flüchtig sind, werden sie häufig zur Bewertung der Hirnverletzung wertvolle, in pGelenkknorpel in einem frühen Stadium der Verletzung vor den Zustand eines Patienten wird immer schwerer. Auf der anderen Seite des Spektrums, schlägt große Mittellinienverlagerung stark erhöhten ICP und schwereren TBI. Allerdings ist es eine sehr anspruchsvolle Aufgabe für den Menschen visuell zu inspizieren CT-Bildern und vorherzusagen das Niveau der ICP quantitativ. Aufgrund der Fortschritte in der automatisierten rechnergestützte Techniken können Merkmale aus CT-Bildern, wie Mittellinienverlagerung, Hämatome Volumen und Textur des Gehirns CT-Bildern extrahiert genau gemessen werden und automatisch mit Hilfe modernster Methoden der Bildverarbeitung. Jedoch ist die Beziehung zwischen ICP und Mittellinienverlagerung sowie andere Funktionen wie Grad der Blutung wurde die Textur aus CT-Bildern nicht erforscht. In diesem Papier, hat eine rechnerische Rahmenbedingungen vorgeschlagen worden, um die Mittellinie Verschiebung Messung sowie andere physiologische / anatomische Merkmale auf Gehirn CT-Bildern messen und dann vorhersagen, den Grad der ICP nicht aufdringlich mit Techniken des maschinellen Lernens.
Protocol
Representative Results
Discussion
In dieser Studie wird eine intuitive und flexible Rahmenbedingungen vorgeschlagen, zwei anspruchsvolle Probleme anzugehen: die Schätzung der Mittellinie Verschiebung in CT-Bildern und ICP-Ebene Vorhersage auf extrahierten Merkmale. Die Auswertungsergebnisse zeigen die Wirksamkeit des vorgeschlagenen Verfahrens. Soweit wir wissen, ist dies das erste Mal von einer systematischen Studie bei der Bewältigung dieser beiden Probleme. Wir bemerken, dass basierend auf der allgemeinen Rahmens, gibt es viele mögliche Verbesseru…
Disclosures
The authors have nothing to disclose.
Acknowledgements
Das Material wird auf der Arbeit teilweise von der National Science Foundation unter Grant No IIS0758410 unterstützt werden. Die Daten wurden von Carolinas Healthcare System geliefert.
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).
