Desvio da linha média automatizada e Estimativa Pressão Intracraniana com base em imagens do cérebro CT
Summary
Uma estimativa mudança automática linha média ea pressão intracraniana (PIC) pré-seleção com base no sistema de tomografia computadorizada (TC) para pacientes com lesão cerebral traumática (TCE) é proposto usando processamento de imagens e técnicas de aprendizado de máquina.
Abstract
Neste artigo apresentamos um sistema automatizado baseado principalmente a tomografia computadorizada (TC) consiste de dois componentes principais: a estimativa de desvio da linha média e da pressão intracraniana (PIC), pré-triagem do sistema. Para estimar o desvio da linha média, primeiro uma estimativa da linha média ideal é realizada com base na simetria do crânio e características anatômicas no cérebro CT scan. Em seguida, a segmentação dos ventrículos do TC é realizado e utilizado como um guia para a identificação da linha média real através de correspondência de forma. Estes processos imitar o processo de medição por médicos e têm mostrado resultados promissores na avaliação. No segundo componente, mais recursos são extraídos relacionado ao ICP, como a informação de textura, quantidade de sangue de tomografia computadorizada e outras características registradas, tais como a idade, escore de lesão de gravidade para estimar o ICP também são incorporados. Técnicas de aprendizagem de máquina, incluindo a seleção de recurso e classificação, como o apoioVector Machines (SVMs), são utilizados para a construção do modelo de previsão usando RapidMiner. A avaliação da predição mostra potencial utilidade do modelo. O desvio da linha média estimada ideal e previu PIC pode ser usado como uma etapa de pré-triagem rápida para os médicos para tomar decisões, de modo a recomendar a favor ou contra a monitorização da PIC invasivo.
Introduction
Todos os anos há cerca de 1,4 milhão de lesões cerebrais traumáticas (TBI) casos de emergência relacionadas departamento nos Estados Unidos, dos quais, mais de 50 mil resultam em morte 1. TCE grave é geralmente acompanhada por um aumento na pressão intracraniana (ICP) com sintomas tais como hematomas e inchaço do tecido cerebral. Estes resultam da pressão de perfusão cerebral reduzida e fluxo sanguíneo cerebral, colocando o cérebro lesado em risco adicional. Aumento da PIC grave pode ser fatal, por isso a monitorização da PIC em pacientes com TCE é crucial. Isso normalmente requer a colocação de cateteres directamente no cérebro para a monitorização de pressão, um procedimento de risco para os pacientes que só podem ser realizados em centros médicos especializados. O processo também envolve um risco, tais como a infecção. No entanto, alguns sinais de elevada ICP pode ser visível em imagens médicas. Em particular, desvio da linha média é muitas vezes associada a um aumento da ICP e podem ser capturados a partir do cérebro t computadorizadaomography (TC). Como tal, estas imagens proporcionam uma oportunidade para a detecção não invasiva de ICP elevada, que pode ser utilizado como um passo de pré-triagem antes trepanação craniana. TC ainda é o padrão ouro para avaliação TCE inicial entre todos os outros métodos de imagem de ressonância magnética, por exemplo, por causa de sua alta velocidade e baixo custo relativo 2. Além disso, um exame de tomografia computadorizada não exige imobilidade paciente estrito, e tem vantagem em revelar anomalias graves, como fraturas ósseas e hematomas. Enquanto a TC é normalmente usado para a detecção de lesões no cérebro, com base na tecnologia actual, desvio da linha média não é automaticamente medido e, portanto, os médicos devem avaliar este factor importante, por inspecção visual. Impreciso ou inconsistente interpretação CT é frequentemente associada com a natureza do sistema visual humano e a complexidade da estrutura do cérebro. Enquanto pequenas mudanças de linha média são tímidas, são muitas vezes de valor inestimável para a avaliação dos danos cerebrais, em particular nas fases iniciais da lesão antes a condição do paciente se torna mais severa. No outro lado do espectro, desvio da linha média grande sugere ICP muito elevado e mais grave TBI. No entanto, é uma tarefa muito difícil para os seres humanos para inspecionar visualmente imagens de TC e prever o nível do ICP quantitativamente. Devido aos avanços em técnicas computacionais automatizados, características extraídas de imagens de CT, como desvio da linha média, o volume do hematoma, e textura das imagens cerebrais de CT, pode ser medido com precisão e automaticamente utilizando métodos de processamento avançado de imagem. No entanto, a relação entre o ICP e desvio da linha, bem como outras características, tais como o grau de hemorragia, a textura de CT imagens não tem sido explorado. Neste trabalho, uma estrutura computacional tem sido proposto para medir a medição desvio da linha média, bem como outras características fisiológicas / anatômicas cerebrais em imagens de tomografia computadorizada e, em seguida, prever o grau de ICP não intrusiva usando a máquina de técnicas de aprendizagem.
Protocol
Representative Results
Discussion
Neste estudo, um quadro intuitivo e flexível é proposto para resolver dois problemas desafiadores: a estimativa do desvio da linha média no CT imagens e previsão nível ICP com base em características extraídas. Os resultados da avaliação mostram a eficácia do método proposto. Tanto quanto sabemos, esta é a primeira vez de um estudo sistemático na resolução desses dois problemas. Notamos que, com base no quadro geral, há muitos potenciais melhorias que podem ser alcançados. Por exemplo, na segmentação …
Declarações
The authors have nothing to disclose.
Acknowledgements
O material é baseado em trabalho parcialmente financiado pela National Science Foundation, Grant No. IIS0758410. Os dados foram fornecidos pela Carolinas Healthcare System.
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).
