Համակարգչային բժշկական ախտորոշում
Համակարգչային բժշկական ախտորոշումը կամ հայտնաբերումը (այսուհետ՝ ՀԲԱ, անգլ.՝ CAD կամ Computer-aided diagnosis [1]) համակարգ է, որի գեներացրած արդյունքը բժիշկների կողմից օգտագործվում է որպես օժանդակ գործիք՝ կլինիկական պատկերները մեկնաբանելու հարցում[1]։
ՀԲԱ համակարգը, հիմնվելով պատկերի թվային մշակման վրա, ընդգծում է աչքի ընկնող հատվածները, ինչպես նաև հնարավոր հիվանդությունները, այնուհետև դառնում մասնագետի «երկրորդ կարծիք» վերջնական ախտորոշման համար[2]։ ՀԲԱ-ն միջառարկայական տեխնոլոգիա է, որը միավորում է արհեստական բանականության և համակարգչային տեսլականի տարրերը ճառագայթային և ախտաբանական պատկերների մշակման հետ։
Հայտնաբերում և ախտորոշում[խմբագրել | խմբագրել կոդը]
ՀԲԱ համակարգը բաժանվում է երկու խմբի՝
- հայտնաբերում (CADe). նշում է հատուկ տարածքներ, որոնք կարող են թվալ աննորմալ, և նվազեցնում հետագա ախտաբանության առաջացման ռիսկը,
- ախտորոշում (CADx). ներկայացնում է ախտահարման բնութագիրը և օգնում մասնագետին գնահատել և դասակարգել ախտաբանությունը՝ ըստ կլինիկական պատկերների[3]։
Մեթոդաբանություն[խմբագրել | խմբագրել կոդը]
ՀԲԱ-ն հիմնված է պատկերների ճանաչման տեսության բարդ օրինաչափությունների վրա։ Ալգորիթմը օպտիմալացնելու համար սովորաբար պահանջվում է մի քանի հազար պատկեր։ Թվային պատկերի տվյալները պատճենվում են ՀԲԱ սերվերում DICOM [2] ձևաչափով, այնուհետև վերլուծվում են հետևյալ քայլերով`
Նախամշակում[խմբագրել | խմբագրել կոդը]
- պատկերների վրիպակների կրճատում
- պատկերների թվային աղմուկի կրճատում
- պատկերների որակի ներդաշնակեցում
- զտում։
Հատվածավորում [3][խմբագրել | խմբագրել կոդը]
- պատկերում առանձին կառույցների տարբերակումը, օրինակ՝ սիրտ, թոքեր, կողոսկրեր, արյունատար անոթներ և այլն
- համապատասխանեցում անատոմիական տվյալների բանկի հետ։
Հատկանիշի ընտրություն։ Հետաքրքրող շրջանի(ROI/Region of Interest [4]) վերլուծում[խմբագրել | խմբագրել կոդը]
Յուրաքանչյուր հայտնաբերված տարածք վերլուծվում է անհատապես՝ իրեն հատուկ բնութագրի համար։
- սեղմություն
- ձև, չափ և տեղադրություն
- հետաքրքրող հատվածի շրջանակներում gray-scale-ի [5] միջին արժեքի վերլուծություն
- հետաքրքրող շրջանի ներքին կառուցվածքի սահմանին gray-scale-ի համամասնություն։
Գնահատում և դասակարգում[խմբագրել | խմբագրել կոդը]
Յուրաքանչյուր հետաքրքրող շրջան գնահատվում է անհատապես՝ ախտահարման հայտնաբերման դրական արդյունքի համար։ Հայտնաբերված կառույցները ընդգծվում են, եթե դրանք հասել են որոշակի շեմային մակարդակի։ Այդ նշումները կարող են պահպանվել ժամանակավորապես կամ մշտապես՝ կախված ՀԲԱ համակարգից։ Վերջինիս առավելությունն այն է, որ պահպանվում են միայն ռադիոլոգի կողմից հաստատված նշումները[4]։
Կիրառություն[խմբագրել | խմբագրել կոդը]
Կրծքագեղձի քաղցկեղ[խմբագրել | խմբագրել կոդը]
ՀԲԱ-ն օգտագործվում է կրծքագեղձի քաղցկեղի վաղ հայտնաբերման համար։ Հիվանդն անցնում է թվային մամոգրաֆիա սովորական եղանակով, այլ լրացուցիչ քայլեր վերջինիս համար չկան։ Ռադիոլոգը վերանայում է մամոգրաֆիան առանց ՀԲԱ վերլուծության և նախնական մեկնաբանություններ անում։ Այնուհետև մամոգրաֆիայի վրա կիրառվում է ՀԲԱ ծրագիրը, որն ընդգծում է հիվանդի պոտենցիալ ախտահարումները։ Քանի որ ՀԲԱ-ն շատ զգայուն է, այն կարող է հայտնաբերել անգամ աննշան շեղումները։ Ռադիոլոգն ուսումնասիրում է ՀԲԱ-ի բոլոր ասպեկտները և տալիս վերջնական ախտորոշում։ ՀԲԱ-ն այստեղ ծառայում է որպես բարձր արժեքավոր կրկնակի ստուգում[5]։
Թոքերի քաղցկեղ[խմբագրել | խմբագրել կոդը]
ՀԲԱ-ն ունի կլինիկական մեծ կարևորություն և արդյունավետություն, այն կարող է մեծացնել հիվանդի գոյատևման հավանականությունը։ ՀԲԱ ծրագիրը թոքի քաղցկեղի համար ուսումնասիրվել է հսկայական քանակությամբ հետազոտություններում։ Տիպիկ ՀԲԱ-ն թոքի քաղցկեղի համար բաղկացած է 4 հիմնական գործընթացներից՝
- թոքերի բլթերի հատվածավորում
- հանգույցների հայտնաբերում թոքերի բլթերում
- հայտնաբերված հանգույցների հատվածավորում
- հանգույցի ախտորոշում որպես բարորակ կամ չարորակ[6]։
Հաստ աղիքի քաղցկեղ[խմբագրել | խմբագրել կոդը]
ՀԲԱ-ն հասանելի է CT կոլոնոգրաֆիայում հաստ աղիքում կոլոռեկտալ պոլիպների հայտնաբերման համար[7]։
Ալցհայմերի հիվանդություն[խմբագրել | խմբագրել կոդը]
ՀԲԱ-ն կիրառվում է՝ պարզելու Ալցհայմերի հիվանդություն և թեթև ճանաչողական խանգարումներ ունեցող մարդկանց խնդիրները։ Այն բաղկացած է 2 մասից՝
- հատկանիշների առանձնացման գործընթաց, որի նպատակն է հայտնաբերել գլխուղեղում հետաքրքրող շրջանների(ROI) տարբերությունները
- ալգորիթմ, որը բացահայտում է Ալցհայմերի հիվանդության ազդեցության ծանրությունը գլխուղեղում համապատասխան շրջանների վրա[8]։
Արդյունավետություն[խմբագրել | խմբագրել կոդը]
Յուրաքանչյուր ուսումնասիրության արդյունք կախված է իր պայմաններից։ Դրանք են՝
- օգտագործված պատկերների որակը
- ռենտգեն հետազոտության պայմանները և տեխնոլոգիական վիճակը
- ռադիոլոգի փորձն ու կրթությունը
- վնասվածքի տեսակը
- դիտարկվող վնասվածքի չափը։
Եզրահանգում[խմբագրել | խմբագրել կոդը]
ՀԲԱ-ի հետագա տեխնոլոգիական բարելավումները կօգնեն բարձրացնել ախտորոշումների ճշգրտությունը։ Ռադիոլոգների համար հանդիսանալով որոշումներ կայացնելու գլխավոր օգնական՝ համակարգչային բժշկական ախտորոշման համակարգը հասել է մրցակցային դասակարգման իր բարձր արդյունավետության և պարզության միջոցով։
Գրականություն[խմբագրել | խմբագրել կոդը]
- Li Qiang, Nishikawa Robert M. (2015-03-17)։ Computer-Aided Detection and Diagnosis in Medical Imaging Taylor & Francis։ ISBN 978-1-4398-7177-5
- El-Baz Ayman, Suri Jasjit S. (2016-04-19)։ Lung Imaging and Computer Aided Diagnosis CRC Press։ ISBN 978-1-4398-4558-5
- Yin Xiao-Xia, Hadjiloucas Sillas, Zhang Yanchun (2017-06-27)։ Pattern Classification of Medical Images: Computer Aided Diagnosis Springer։ ISBN 978-3-319-57027-3
- Halalli Bhagirathi, Makandar Aziz (2017-12-20)։ Computer Aided Diagnosis - Medical Image Analysis Techniques IntechOpen։ ISBN 978-953-51-3733-7
- Firmino Macedo, Angelo Giovani, Morais Higor, Dantas Marcel R., Valentim Ricardo (2016-01-06)։ «Computer-aided detection (CADe) and diagnosis (CADx) system for lung cancer with likelihood of malignancy» ISSN 1475-925X։ PMC PMC5002110 ։ PMID 26759159։ doi:10.1186/s12938-015-0120-7
Արտաքին հղումներ[խմբագրել | խմբագրել կոդը]
- ՀԲԱ-ի ներկայացում
- ՀԲԱ և վահանաձև գեղձի քաղցկեղ
- Քաղցկեղի դասակարգում ըստ կլինիկական պատկերների
- Առավելություններ և թերություններ
- Խոր ուսուցումը ՀԲԱ-ի համար
Ծանոթագրություններ[խմբագրել | խմբագրել կոդը]
- ↑ Wang, David John. «Computer aided diagnosis | Radiology Reference Article | Radiopaedia.org». Radiopaedia (ամերիկյան անգլերեն). Վերցված է 2021 թ․ հոկտեմբերի 24-ին.
- ↑ Shiraishi, Junji; Li, Qiang; Appelbaum, Daniel; Doi, Kunio (2011 թ․ նոյեմբերի 1). «Computer-Aided Diagnosis and Artificial Intelligence in Clinical Imaging». Seminars in Nuclear Medicine. Image Perception in Nuclear Medicine (անգլերեն). 41 (6): 449–462. doi:10.1053/j.semnuclmed.2011.06.004. ISSN 0001-2998.
- ↑ Firmino, Macedo; Angelo, Giovani; Morais, Higor; Dantas, Marcel R.; Valentim, Ricardo (2016 թ․ հունվարի 6). «Computer-aided detection (CADe) and diagnosis (CADx) system for lung cancer with likelihood of malignancy». BioMedical Engineering OnLine. 15 (1): 2. doi:10.1186/s12938-015-0120-7. ISSN 1475-925X. PMC 5002110. PMID 26759159.
{{cite journal}}: CS1 սպաս․ PMC format (link) CS1 սպաս․ չպիտակված ազատ DOI (link) - ↑ El Houby, Enas M. F. (2018 թ․ հուլիսի 11). «Framework of Computer Aided Diagnosis Systems for Cancer Classification Based on Medical Images». Journal of Medical Systems. 42 (8): 157. doi:10.1007/s10916-018-1010-x. ISSN 1573-689X. PMID 29995204.
- ↑ «Computer-Aided Detection (CAD) - Breast Imaging Center - Highland Hospital - University of Rochester Medical Center». www.urmc.rochester.edu. Վերցված է 2021 թ․ հոկտեմբերի 24-ին.
- ↑ El-Baz, Ayman; Beache, Garth M.; Gimel'farb, Georgy; Suzuki, Kenji; Okada, Kazunori; Elnakib, Ahmed; Soliman, Ahmed; Abdollahi, Behnoush (2013 թ․ հունվարի 29). «Computer-Aided Diagnosis Systems for Lung Cancer: Challenges and Methodologies». International Journal of Biomedical Imaging (անգլերեն). 2013: e942353. doi:10.1155/2013/942353. ISSN 1687-4188.
{{cite journal}}: CS1 սպաս․ չպիտակված ազատ DOI (link) - ↑ Bell, L. T. O.; Gandhi, S. (2018 թ․ հունիսի 1). «A comparison of computer-assisted detection (CAD) programs for the identification of colorectal polyps: performance and sensitivity analysis, current limitations and practical tips for radiologists». Clinical Radiology (English). 73 (6): 593.e11–593.e18. doi:10.1016/j.crad.2018.02.009. ISSN 0009-9260. PMID 29602538.
{{cite journal}}: CS1 սպաս․ չճանաչված լեզու (link) - ↑ Ruiz, Elena; Ramírez, Javier; Górriz, Juan Manuel; Casillas, Jorge; Alzheimer’s Disease Neuroimaging Initiative (2018). «Alzheimer's Disease Computer-Aided Diagnosis: Histogram-Based Analysis of Regional MRI Volumes for Feature Selection and Classification». Journal of Alzheimer's disease: JAD. 65 (3): 819–842. doi:10.3233/JAD-170514. ISSN 1875-8908. PMID 29966190.