Shift אוטומטי קו אמצע והערכה לחץ תוך גולגולתי מבוססת על תמונות CT מוח
Summary
הערכה אוטומטית קו אמצע משמרת ומערכת הקרנה טרום מבוססת על תמונות טומוגרפיה ממוחשבת (CT) למטופלים עם פגיעה מוחית טראומטית (TBI) לחץ תוך גולגולתי (ICP) מוצעת באמצעות עיבוד תמונה ומכונת טכניקות למידה.
Abstract
במאמר זה אנו מציגים מערכת אוטומטית המתבססת בעיקר על תמונות טומוגרפיה הממוחשבת (CT), מורכבות משני מרכיבים עיקריים: הערכת שינוי קו האמצע ומערכת הקרנה טרום לחץ תוך גולגולתי (ICP). כדי לאמוד את שינוי קו האמצע, תחילה הערכה של קו האמצע האידיאלי מתבצעת על בסיס הסימטריה של הגולגולת ותכונות אנטומיות במוח בדיקת CT. ואז, פילוח של חדרים מבדיקת CT מבוצע ומשמש כמדריך לזיהוי של קו האמצע בפועל באמצעות התאמת צורה. תהליכים אלה לחקות את תהליך המדידה על ידי רופאים והראו תוצאות מבטיחות בהערכה. ברכיב השני, יותר תכונות מופקות קשור לICP, כגון מידע המרקם, כמות דם מסריקות CT ותכונות שנרשמו אחרות, כגון גיל, ניקוד חומרת פציעה להעריך ICP משולבות. מכונת טכניקות למידה, כולל בחירת תכונה וסיווג, כגון תמיכהמכונה וקטור (SVMs), מועסקים לבנות מודל החיזוי באמצעות RapidMiner. ההערכה של התחזית מראה תועלת פוטנציאלית של הדגם. שינוי האומדן האידיאלי קו האמצע וניבא רמות ICP יכול לשמש כצעד לפני הקרנה מהירה לרופאים כדי לקבל החלטות, כדי להמליץ בעד או נגד ניטור ICP פולשנית.
Introduction
בכל שנה יש כ 1,400,000 פגיעות טראומטיות במוח (TBI) במקרים הקשורים לרפואה דחוף בארצות הברית, מתוכם, מעל 50,000 בתוצאה 1 מוות. חמור TBI הוא בדרך כלל מלווה בעלייה בלחץ תוך גולגולתי (ICP) עם תסמינים כגון שטפי דם ונפיחות רקמת מוח. זה גורם ללחץ מופחת מוחות זלוף וזרימת דם במוח, הצבת המוח הפגוע בסיכון נוסף. עליית ICP חמורה יכולה להיות קטלנית, ולכן ניטור ICP עבור חולים עם TBI הוא קריטי. זה בדרך כלל דורש מיקום של שכינת צנתרים ישירות לתוך המוח לניטור של לחץ, הליך מסוכן לחולים שיכולים להתבצע רק במרכזים רפואיים מיוחדים. ההליך כרוך גם בסיכון כגון זיהום. עם זאת, כמה סימנים של ICP הגבוה עשויים להיות מורגשים בתחום הדמיה רפואית. בפרט, שינוי קו אמצע קשור לעתים קרובות עם עלייה בICP ויכול להיות שנתפס מהמוח הממוחשב tomography (CT) תמונות. ככזה, דימויים אלה מספקים הזדמנות לזיהוי בלתי פולשני של ICP הגבוה אשר יכול לשמש כצעד לפני הקרנה לפני הניקור גולגולתי. הדמיית CT היא עדיין את תקן הזהב להערכת TBI ראשונית בין כל שיטות הדמיה האחרות, כגון MRI, בגלל המהירות הגבוהה שלו והמחיר נמוך יחסית 2. יתר על כן, בדיקת ה-CT אינה דורשת חוסר תנועת חולה מחמיר, ויש יתרון בחשיפת ליקויים חמורים, כגון שברים בעצמות והמטומות. בעוד CT משמש בדרך כלל לאיתור פציעות במוח, המבוססות על הטכנולוגיה הנוכחית, שינוי קו האמצע אינו נמדד באופן אוטומטי ולכן רופאים צריכים להעריך גורם חשוב זה על ידי בדיקה חזותית. פרשנות CT לא מדויקת או לא עקבית קשורה לעתים קרובות עם אופיו של מערכת הראייה האנושית ומבנה המורכב של המוח. בעוד משמרות קו אמצע קטנות הן חמקמקות, לעתים קרובות הם לא יסולאו בפז להערכת פגיעה מוחית, בעמ 'מפרק בשלבים מוקדמים של פציעה לפני מצבו של חולה הופך חמור יותר. בצד השני של הספקטרום, שינוי קו אמצע גדול מרמז ICP הגבוה ביותר וחמור יותר TBI. עם זאת, הוא משימה מאתגרת מאוד עבור בני אדם חזותי לבדוק תמונות CT ולחזות את הרמה של ICP כמותית. בשל התקדמות בטכניקות חישוב אוטומטיות, תכונות חולצו מתמונות CT, כגון שינוי קו אמצע, נפח שטף דם, ומרקם של תמונות מוח CT, ניתן למדוד במדויק ובאופן אוטומטי תוך שימוש בשיטות עיבוד תמונה מתקדמות. עם זאת, הקשר בין ICP ושינוי קו אמצע, כמו גם תכונות נוספות כגון מידת הדימום, המרקם מתמונות CT לא נחקר. במאמר זה, מסגרת חישובית הוצעה למדוד מדידת תזוזת קו האמצע, כמו גם תכונות פיסיולוגיות / אנטומי אחרות בתמונות CT מוח ולחזות את מידת השימוש במכשיר ICP הלא חודרני לימוד טכניקות.
Protocol
Representative Results
Discussion
במחקר זה, מסגרת אינטואיטיבית וגמישה מוצעת להתייחס לשתי בעיות מאתגרות: ההערכה של השינוי בקו אמצע CT תמונות וחיזוי רמת ICP מבוסס על תכונות שחולצו. את תוצאות ההערכה להראות את האפקטיביות של השיטה המוצעת. עד כמה שאנחנו יודעים, זו הפעם הראשונה של מחקר שיטתי בהתמודדות עם שתי ב?…
Declarações
The authors have nothing to disclose.
Acknowledgements
החומר מבוסס על העבודה הנתמכת בהחלק על ידי הקרן הלאומית למדע תחת גרנט מס IIS0758410. הנתונים סופקו על ידי מערכת בריאות קרוליינה.
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).
