خط الوسط التحول الآلي وتقدير الضغط داخل الجمجمة يعتمد على الصور CT الدماغ
Summary
ويقترح تحول خط الوسط الآلي تقدير والضغط داخل الجمجمة (ICP) الفرز المسبق نظام يقوم على الصور المحسوبة (CT) التصوير المقطعي للمرضى الذين يعانون إصابات في الدماغ (المصرف التجاري العراقي) باستخدام تقنيات معالجة الصور وآلة التعلم.
Abstract
في هذه الورقة نقدم نظام آلي يعتمد أساسا على الصور المحسوبة (CT) التصوير المقطعي تتكون من عنصرين رئيسيين هما: تقدير تحول خط الوسط والضغط داخل الجمجمة (ICP) نظام الفرز المسبق. لتقدير التحول خط الوسط، أولا يتم تنفيذ ذلك تقدير خط الوسط المثالي يعتمد على التماثل من الجمجمة وملامح تشريحية في الدماغ الاشعة المقطعية. ثم، يتم تنفيذ تجزئة البطينين من الاشعة المقطعية واستخدامها كدليل لتحديد خط الوسط من خلال مطابقة الفعلية الشكل. هذه العمليات تحاكي عملية القياس من قبل الأطباء وأظهرت نتائج واعدة في التقييم. في العنصر الثاني، يتم استخراج المزيد من الميزات المتعلقة ICP، مثل المعلومات الملمس، وكمية الدم من الأشعة المقطعية وغيرها من الميزات المسجلة، مثل العمر وشدة الإصابة نقاط لتقدير ICP مدرجة أيضا. تقنيات التعلم الآلي بما في ذلك اختيار ميزة وتصنيف، مثل دعمويعمل ناقل الآلات (SVMs)، لبناء نموذج التنبؤ باستخدام RapidMiner. تقييم التنبؤ يظهر الفائدة المحتملة للنموذج. ويمكن استخدام المقدرة تحول خط الوسط المثالي وتوقع مستويات ICP كخطوة ما قبل الفحص السريع للأطباء اتخاذ القرارات، وذلك للتوصية لصالح أو ضد الرصد ICP الغازية.
Introduction
كل عام هناك ما يقرب من 1.4 مليون إصابة في الدماغ (TBI) القضايا المتعلقة قسم الطوارئ في الولايات المتحدة، والتي، أكثر من 50،000 نتيجة في الموت 1. ويرافق عادة شديدة TBI زيادة في الضغط داخل الجمجمة (ICP) مع أعراض مثل تورم القيلة وأنسجة المخ. هذه نتيجة انخفاض الضغط في الدماغ ونضح تدفق الدم في الدماغ، ووضع المصاب في الدماغ مخاطر إضافية. زيادة حادة ICP يمكن أن تكون قاتلة، لذلك رصد ICP للمرضى الذين يعانون TBI أمر بالغ الأهمية. هذا عادة ما يتطلب وضع القسطرة سكنى مباشرة الى الدماغ لرصد الضغط، وهو إجراء محفوف بالمخاطر بالنسبة للمرضى أنه لا يمكن أن يؤديها في المراكز الطبية المتخصصة. الإجراء ينطوي أيضا على مخاطر مثل العدوى. ومع ذلك، قد يكون بعض علامات مرتفعة ICP يكون ملحوظا في التصوير الطبي. على وجه الخصوص، وكثيرا ما يرتبط مع خط الوسط التحول زيادة في ICP ويمكن التقاط من الدماغ ر محسوبomography (CT) الصور. على هذا النحو، هذه الصور إتاحة الفرصة لغير الغازية الكشف عن ICP مرتفعة والتي يمكن استخدامها كخطوة ما قبل الفحص قبل نقب في الجمجمة. CT التصوير لا يزال المعيار الذهبي لتقييم TBI الأولي بين جميع طرائق التصوير الأخرى، على سبيل المثال التصوير بالرنين المغناطيسي، وذلك بسبب سرعتها العالية والتكلفة المنخفضة نسبيا 2. وعلاوة على ذلك، إجراء فحص CT لا يتطلب صارمة الجمود المريض، ولها ميزة في الكشف عن تشوهات خطيرة مثل كسور العظام والقيلة. في حين يشيع استخدام CT للكشف عن إصابات في الدماغ، على أساس التكنولوجيا الحالية، لا يتم قياس خط الوسط تحول تلقائيا، وبالتالي يجب على الأطباء أن تقييم هذه العوامل الهامة عن طريق التفتيش البصري. وكثيرا ما يرتبط غير دقيقة أو غير متسقة مع CT تفسير طبيعة النظام البصري الإنسان وبنية معقدة من الدماغ. بينما خط الوسط التحولات الصغيرة هي بعيدة المنال، فإنها غالبا ما تكون لا تقدر بثمن لتقييم إصابات الدماغ، في عمفصلي في المراحل الأولى من الإصابة قبل حالة المريض يصبح أكثر شدة. على الجانب الآخر من الطيف، كبير تحول خط الوسط يوحي ICP راقية جدا وأكثر شدة TBI. ومع ذلك، فإنه هو مهمة صعبة للغاية بالنسبة للبشر لتفقد البصر الصور CT والتنبؤ على مستوى ICP كميا. بسبب التقدم في التقنيات الحاسوبية الآلي، يمكن قياس ميزات المستخرج من الصور CT، مثل تحول خط الوسط، وحجم الورم الدموي، ونسيج من الصور CT الدماغ، وبدقة تلقائيا باستخدام أساليب متقدمة معالجة الصور. ومع ذلك، فإن العلاقة بين ICP وتحول خط الوسط فضلا عن الميزات الأخرى مثل درجة النزيف، لم يتم الملمس من الصور CT استكشافها. في هذه الورقة، تم اقتراح إطار الحسابية لقياس التحول قياس خط الوسط فضلا عن غيرها من الميزات الفيزيولوجية / التشريحية على الصور CT الدماغ ومن ثم التنبؤ درجة ICP غير intrusively باستخدام آلة تقنيات التعلم.
Protocol
Representative Results
Discussion
في هذه الدراسة، يقترح إطار بديهية ومرنة لمعالجة مشكلتين التحدي: تقدير التحول في خط الوسط والصور CT ICP التنبؤ يعتمد على مستوى ميزات المستخرج. نتائج التقييم تظهر فعالية الطريقة المقترحة. بقدر ما نعلم، أن هذه هي المرة الأولى لدراسة منهجية في معالجة هاتين المشكلتين. نلاحظ…
Declarações
The authors have nothing to disclose.
Acknowledgements
ويستند المواد على العمل جزئيا بدعم من مؤسسة العلوم الوطنية تحت رقم منحة IIS0758410. تم توفير البيانات عن طريق نظام الرعاية الصحية كارولينا.
Referências
- 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).
